2877万标箱!深圳港2021年集装箱吞吐量再创历史新高

近日,深圳海事局2021年统计年报正式印发。数据显示,深圳港全年累计完成集装箱吞吐量2877万标箱,同比增长8.4%,超额完成年度目标,再创历史新高,集装箱吞吐量位居全球第四。2021年深圳港累计完成驳船中转量437.30万标箱,同比增长6.34%,海铁联运累计完成18.33万标箱,同比增长20.52%;2021年,深圳港国际班轮航线达到302条,相比2020年底增加61条。     

基于机器学习的民航不安全事件信息数据清洗

为解决民航不安全事件信息中分类不准确的问题，提出一种基于机器学习的数据清洗方案。首先，设计了一种基于one class svm的异常值筛选模型，筛选出现有航空不安全事件信息中事发阶段中标签错误的数据。其次，建立了一种基于BERT的分类模型对分类正确数据进行训练，利用经过训练的模型对筛选出来的异常数据进行重新分类。最后，将清洗后的数据与原始数据进行比较，清洗后的数据标签准确率提高了10.2%。实验结果表明，基于机器学习的数据清洗方法能够实现民航安全信息的数据清洗，提高了数据质量。     

基于希沃数字化系统的专业课微移动教学方案

移动计算、大数据等信息技术对教育的影响日趋明显,支持移动学习的软硬件设备系统有助于实现教学方式的改革突破。笔者借助希沃系统,以专业课课堂为主阵地,探索了汽修专业微移动学习方案的构建,以提升专业教学质量。1基于希沃方案的微移动教学方案构建希沃系统能促进学校教育信息化层级不断提升。它与中职教学诊改思想不谋而合,为中职专业课教学改进与技术方案的构建提供了思路。     

道路压实检测数据集成与可视化技术研究

道路的施工建设过程是一个数据容量庞大，数据特征冗杂、信息传递与交互过程复杂的施工活动，传统的施工数据存储、管理与分析依赖于纸质文件和部分电子文件，存在数据利用率不高、数据特征难以挖掘、数据价值难以体现等局限，难以有效地为施工质量把控与运营阶段的数据信息移交提供支撑与服务。因此，提出一种基于BIM的路基路面压实检测数据集成与可视化框架，通过BIM平台与数据库实现在信息模型中集成施工数据，进行数据分析与数据可视化，并结合实际工程案例应用与验证。研究表明:框架具有可行性与有效性，可为基于BIM技术的道路施工精细化建设与管理提供思路与技术参考。     

基于多点线圈联合数据的高速公路匝道影响范围识别

为准确识别高速公路匝道对主线车流的影响等级和范围，本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响，对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表 明，所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%；A~C级服务水平下，分流匝道对上游主线最外侧车道影响程度比次 外侧车道高6%~29%，D~F级服务水平下，最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m；其中上游160m至下游100m和下游180~ 270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m，其中750~850m、450~ 600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据，可有效降低设置匝道带来的影响。     

CTCS3无线闭塞中心工程化数据生成方法与实现

为保证在实际工程项目实施中,能够更精准、高效的完成无线闭塞中心(RBC, Radio Block Center)的工程化数据配置,通过分析列控地面工程数据和RBC数据结构,提出一种RBC工程化数据生成方法。基于RBC工程化数据配置规则,采用C#和NPOI,开发了由列控地面工程数据到RBC工程化数据的数据转换工具。经试验表明, RBC工程化数据生成方法是可行的。该数据转换工具显著节约人工成本、缩短项目周期,目前已成功应用于8套RBC的工程化数据配置。     

面向大数据节点的动态可信度评估模型

大数据处理平台分布式、大规模等特性,使得各个节点间的信任问题变得日益突出.针对现有模型中对节点进行评估时存在灵活性差、未充分考虑历史访问信息、固定权重等缺点,文中提出了一种基于大数据平台节点的动态可信度评估模型,考虑了节点交互中由于非恶意因素导致失败的情况,同时还兼顾当前时间片交互与历史交互次数的权重问题;提出了利用相似度为信任值赋权重,并且给出相似度计算方法.实验证明,文中提出的模型对节点的可信度评估具有一定的动态性,而且相较于其他模型具有更好的效果,更加适用于大型集群中节点的可信度评估.     

大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。