沥青路面智能施工监控系统在开春高速公路的应用

在高速公路建设中,信息技术和智能化技术主要是实现信息采集和信息智能化处理,并根据信息反馈的结果快速作出反应。为了提高路面施工质量和管理效率,开春高速公路建设项目通过研发和应用沥青路面智能施工监控系统,有效地提升了高速公路的建设水平。     

基于改进GAN的端到端自动驾驶图像生成方法

基于端到端数据系统的自动驾驶系统对驾驶图像存在巨大需求。为解决一般生成式对抗网络模型在扩充驾驶图像数据集时不稳定及生成图像特征缺乏多样性的问题,研究1种改进网络模型LS-InfoGAN。结合最小二乘对抗损失防止模型梯度消失,并缓解生成器优化矛盾,提升模型训练稳定性。通过最大化生成图像与真实图像间的互信息提升生成器特征学习能力,改善生成图像特征多样性。利用转置卷积层还原图像特征,提升生成图像特征清晰度。以自主构建的模拟驾驶场景中获取的带标签驾驶图像集对模型有效性及其数据集扩充应用效果进行验证。实验分析表明:相比改进前模型,LS-InfoGAN模型的图像生成过程稳定性平均提升35%;使用此模型扩充的数据集进行端到端自动驾驶系统中决策网络的训练能在不采集新图像的情况下将系统决策性能提升1%~2%;建议使用此模型扩充图像数据集时将生成图像数量设置为原始训练集图像数量的1~2倍。      

基于多维度耦合的动力电池安全大数据监控

近年来,在国家政策引导、标杆企业示范以及市场需求推动的共同作用下,我国电动汽车的保有量有了大幅的增加,且每年的总销量仍在不断的突破,随之而来的动力电池安全也成为了一个全行业必须面对的问题。除了在设计验证,生产制造等环节进行安全问题规避外,在车辆运行的过程中依靠监控系统进行车辆运行大数据监控及预警也很有必要。受限于数据采集频率以及数据采集质量等多个因素,目前动力电池安全的监控难度较高,算法不成熟,监控准确率低。分析了影响动力电池安全的可能因素,并且对每种因素可能导致安全事故发生的概率进行分析,对是否可对动力电池安全进行预警做了探索分析,同时基于可能影响电池安全的原因阐述了一种多维度耦合的动力电池安全监控策略。     

大数据技术在动力电池异常监控中的应用

新能源电动汽车其安全性一直困扰着行业与市场的发展,传统电池管理系统(BMS)储及计算能力不足,难以实 现动力电池的异常状态预测,基于车联网数据,搭建了大数据监控与管理平台,提出了动力电池热失控关键算法,并实现 了算法的平台集成与应用。应用结果表明,此系统应用能够有效评估和预测动力电池潜在安全风险,并能及时有效地指 导安全处置,从而降低整车安全事故发生概率。     

电动汽车大数据处理活动中的伦理问题研究

为了解车辆零部件运行状态,分析整车故障原因,技术人员通过车载终端把电动汽车的整车控制系统各节点发送至大数据平台进行查阅、分析和下载使用。大数据的使用引发了信息工程领域的伦理问题。本文重点阐述了电动汽车产业运用大数据时可能产生的伦理问题及其产生原因,探索强化责任、加强职业道德教育等解决办法,并结合伦理学理论提出了建议。     

2021上半年汽车出口市场特点:销量创历史新高,细分市场冰火两重天

根据海关数据,2021上半年我国汽车累计出口94.87万辆,同比增长118%,销量及同比均创近年同期新高,彻底扭转了2020年汽车出口的颓势,特别是特种车和卡车市场表现突出;不过,客车市场出口同比下降2成多,表现仍差强人意,汽车细分市场出口相比可谓"冰火两重天"。那么2021上半年我国汽车出口市场有哪些特点?     

国Ⅵ柴油机EGR单项阀可靠性分析与改进

采用EGR技术的国Ⅵ发动机,其EGR系统故障不仅会引起整车排放超标,而且会触发限扭策略进而导致整车动力不足。本文利用车联网数据平台及发动机故障诊断终端设备,通过对某款重卡车型满载爬坡抖动问题的排查分析,找出问题的根本原因,并联合有关厂家对EGR单项阀进行深入分析及改进优化,最终通过发动机台架和整车道路耐久验证,为国ⅥEGR系统改进提供了技术储备。     

2021年前4月重卡市场特点:增速趋缓,重汽增速最猛

根据公开数据,2021年4月重卡销量19.8万辆,环比下降14%,同比小幅度增长4%,即近来一直处于高位增长的重卡市场增幅明显"缩窄"。1-4月重卡销量73万辆,同比增长57%,比1-3月93.2%的增幅收窄近36百分点,重卡一路高歌猛涨的势头在1-4月有所"收敛"。那么,2021年1-4月重卡市场有哪些特征?     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

船舶辅机智能化技术应用现状及发展趋势

分析船舶辅机智能化需求,梳理大数据、智能算法和健康管理等主要智能化技术在船舶辅机中的应用现状,对这3类智能化技术的应用特点进行归纳总结,提出了船舶辅机未来主要在区域与功能集成、无人化机舱和船岸一体化的发展方向.