威海船厂港域波高数值计算*

应用能量平衡方程研究近岸随机波的传播变形是一种简单而实用的方法,其在海洋学以及海岸动力学中得到了广泛的应用。采用考虑绕射作用的能量平衡方程作为计算随机波浪传播变形的控制方程,以此建立的数学模型考虑了波浪的浅化、折射、绕射、反射和破碎。利用该模型对威海船厂港内随机波传播变形进行数值模拟,通过数值计算值与试验值的比较,发现在相同的考虑因素下两者是相当吻合的,说明模型在计算近岸随机波的传播变形时是实用而可靠的。     

基于壁面加热功率回归模型的车用电子水泵控制策略研究

为了提高车用电子水泵对发动机温度控制效果的稳定性,提出了一种基于温差的PID控制与壁面加热功率回归模型补偿的控制策略.通过对影响发动机当前工况产热量的相关参数进行分析,建立非线性回归模型作为水泵转速的实时补偿值,以改善温度响应延迟的缺点,在AMESim中建立整车和冷却系统模型并进行了仿真验证,结果表明:相比于单一的温差...     

考虑走滑断裂活动影响的公路隧道初始地应力场反演分析

为了使跨活动断裂带区域地应力反演结果更加符合实际，提出了考虑走滑断裂活动影响的公路隧道初始地应力场反演思路。通过在断裂带与两侧岩体之间建立接触单元，采用边界位移荷载实现了断裂带两侧岩体的相对挤压及滑动作用。依托华坪至丽江高速公路东马场1号隧道工程，对比分析了采用常规边界荷载和考虑走滑边界荷载2种情况下隧址区地应力场的反演结果。研究结果表明:考虑走滑边界荷载反演得到的地应力场更加符合实际且精度更高；常规边界荷载的最大残差为2.29 MPa，而走滑边界荷载的最大残差仅为0.66 MPa，其残差平方和也均小于常规边界荷载；在断裂带附近，考虑走滑活动影响的最大、最小水平应力值相对常规边界均有所减小，上盘岩体垂直应力也相对减小，下盘岩体受上盘岩体的影响垂直应力相对增大，符合跨断层岩体区域实际地应力场的分布规律；隧址区整体表现为水平应力大于垂直应力，以水平构造应力为主。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于偏最小二乘回归的疏浚产量预测方法

针对绞吸式挖泥船产量预测困难的问题,对挖泥船作业实时反馈的数据进行研究。利用Relief权重算法提取出影响挖泥船产量的主要工艺参量,并在此基础上采用偏最小二乘回归,建立主要工艺参量与产量之间的数学模型,实现对挖泥船产量的预测。结果表明,利用偏最小二乘回归建立的数学模型能够很好地对挖泥船的产量进行预测,可为预测挖泥船的产量提供一种有效的方法。     

DCM船施工钻杆冲洗水泵随机启动器系统的设计

本文将结合船舶水泵的工作原理,对船舶水泵的运行情况进行分析,详细介绍以单片机为核心的钻杆冲洗水泵随机启动器系统的设计。同时通过搭建Proteus仿真模型,针对钻杆附着淤泥的不同程度对船舶水泵进行动态模拟。本文将着重介绍DCM钻杆冲洗中船舶多水泵随机启动器系统的设计。     

天气因素对福州地铁客流的影响分析

地铁作为一种绿色出行方式，是缓解城市交通拥堵的重要手段。地铁客流受到多种因素影响，其中天气因素变化较快，会造成地铁客流的快速变化。了解天气因素对地铁客流的影响，有助于建立相应的运输组织响应措施。本文旨在量化分析天气因素对福州地铁客流量的影响，并考虑原始天气指标的局限性，引入体现舒适度的指标。建立地铁客流与天气因素(包括气压、相对湿度、风力、降水、风寒指数等级、综合舒适度指数等级等)之间的多元线性回归模型，量化影响方向和影响程度。此外，工作日与非工作日的客流模式差异较大，将两者分别建模分析。研究发现：工作日，降水、风寒指数等级和综合舒适度指数等级对地铁客流有显著影响；非工作日，降水、气压、相对湿度、风寒指数等级和综合舒适度指数等级对地铁客流有显著影响。总体而言，非工作日地铁客流对天气因素更加敏感。     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

A statistical analysis of consumer perceptions towards automated vehicles and their intended adoption

ABSTRACT

While automated vehicle (AV) development continues to progress rapidly, how the public will accept and adopt automated vehicles remains an open question. Using extensive survey data, we apply cluster analysis to better understand consumer perceptions toward potential benefits and concerns related to AVs with regard to factors influencing their AV adoption likelihood. Four market segments are identified – ‘benefits-dominated,’ ‘concerns-dominated,’ ‘uncertain,’ and ‘well-informed.’ A random parameters multinomial logit model is then estimated to identify factors influencing the probability of respondents belonging to one of these four market segments. Among other influences (such as socio-economic and current travel characteristics), it is found that ‘Millennials’ have a higher probability of belonging to the well-informed market segment, ‘Gen-Xers’ with a lower probability to the uncertain market segment, and ‘Baby Boomers’ with a higher probability to the concerns-dominated market (relative to the ‘Great Generation’). We also study the individuals’ expressed likelihood of AV adoption using separate random parameters ordered probit estimations for each of the four market segments. The substantial and statistically significant differences across each AV consumer market segment underscore the potentially large impact that different consumer demographics may have on AV adoption and the need for targeted marketing to achieve better market-penetration outcomes.     

Analyzing passenger train arrival delays with support vector regression

We propose machine learning models that capture the relation between passenger train arrival delays and various characteristics of a railway system. Such models can be used at the tactical level to evaluate effects of various changes in a railway system on train delays. We present the first application of support vector regression in the analysis of train delays and compare its performance with the artificial neural networks which have been commonly used for such problems. Statistical comparison of the two models indicates that the support vector regression outperforms the artificial neural networks. Data for this analysis are collected from Serbian Railways and include expert opinions about the influence of infrastructure along different routes on train arrival delays.