城市轨道交通中压供电网络分区划分的工程应用

城市轨道交通中压网络是主变电所、牵引供电系统和动力照明供电系统相互连接的重要环节,同时也制约着主变电所位置及数量的确定.运营及在建线路环网分区的划分经历了"短分区"—"长分区"—"短分区"的过程.阐述了不同分区的几种保护方式的原理,从保护可靠性、供电系统维护等方面进行了分析;同时结合实际工程应用实例,对中压环网的分区形式进行比较,通过潮流计、保护方式选择及电缆投资对分区划分进行分析,可供设计参考.     

基于全以太网的列车网络控制系统在美国地铁列车上的应用

从列车网络控制系统的拓扑结构、通信协议架构、冗余措施及功能描述等几个方面对基于全以太网的列车网络控制系统在美国地铁列车上的应用进行了详细分析与试验验证。在装车调试之前进行系统集成测试可尽早地发现列车网络控制系统或子系统在硬件和软件方面存在的各种问题,大大节省装车调试所需要的人力和时间。     

基于BP网络的球鼻首参数化优化

本文以某集装箱船为研究对象,对降速航行后的球鼻首进行优化。采用Catia建立船体三维模型,为了产生不同形状的球鼻首,选取球鼻特征参数来描述其基本结构;采用拉丁超立方试验抽样方法得到12组不同形状的球鼻首,提出运用非线性拟合能力较强的BP网络构建球鼻首参数和阻力系数之间的关系模型;采用遗传算法对训练后的网络进行极值寻优。结果显示,优化船型的阻力系数显著降低,说明该方法对球鼻首的优化有一定的借鉴意义。     

城市中心体系与公共交通模式耦合发展——《大伦敦规划》的经验与启示

城市中心体系是制定并落实空间发展战略的核心内容,是优化空间结构的关键策略.城市中心体系与公共交通模式紧密耦合,是大伦敦空间发展战略的核心和标志性理念.首先,梳理大伦敦城镇中心网络的政策发展过程,明确特点与分级方法.其次,围绕城市空间、交通空间、要素空间,从宏中微观视角分析政策传递的耦合、叠合、联合特征.再次,针对国家指引优化、地方指南引导、体检指标传递,从国家-市区层面解读政策实施评估.最后,指出亟须建立健全城市中心规划评估体系,明确识别评估方法,完善监测体检机制;认为指引指南、创新机制、体检评估有助于传递深化战略政策要求;强调亟须提升政策移植适应能力,有必要在城市发展战略层面将城市中心体系与公共交通模式紧密耦合.     

《长江三角洲地区交通运输更高质量一体化发展规划》印发

本刊从交通运输部获悉,国家发展改革委、交通运输部近日印发《长江三角洲地区交通运输更高质量一体化发展规划》。根据《规划》,到2025年,加快构建长三角地区现代化综合交通运输体系。目标包括:一体化交通基础设施网络总体形成,基本建成“轨道上的长三角”,铁路密度达到507 km/万km^2,高速公路密度达到500 km/万km^2,世界级机场群和港口群全球竞争能力显著增强。     

卡西姆港燃煤应急电站卸煤码头港池水域平面布置优化

针对复杂水域条件下大型散货码头的水域平面布置,基于卡西姆燃煤应急电站码头工程项目,根据对周边已建工程、红树林以及水动力等主要影响因素的深入分析提出初步平面方案,并通过船舶操纵模拟试验对平面布置及相关尺度进行优化,合理确定本工程平面布置方案。结果表明,本工程的建设对周边影响较小,水域尺度能够满足船舶通航及靠离泊要求,水域平面布置合理。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

浅谈FAS双中心建设及设备维护

重点分析了西安局集团公司由2K数调主系统组网更新改造为FAS双中心网络的建设方法,并根据日常维护经验,列举了调度台通道故障处理、FASB简易故障判断及计表倒换试验、FASA和FASB系统与MSC之间的业务故障处理等.     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清，背景复杂多变，难以捕获到有效特征，导致算法识别误报率和漏报率较高；此外，深度卷积神经网络结构复杂，参数繁多，难以缩短其计算时间至1 ms内，这成为实时火灾预警的一大难题. 为了解决上述问题，提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配；同时，为了避免由于训练样本不足引起的过拟合，原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本，并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%，且计算时间减少到0.26 ms.