复杂水域船舶进出港全过程仿真建模方法

本文对比分析了国内外应用各种建模方法在船舶通航研究中的优缺点,提出了一种基于多智能体信息交互的港口运营系统仿真建模方法,旨在拟实反映复杂水域船舶进出港的全过程。结合多智能体系统仿真理论、离散事件仿真理论与多元数据统计分析方法,实现了对复杂水域船舶进出港全年全过程的精细化仿真,并系统总结了可通过建模解决的关键研究问题。     

公交联手国家电网建成首个社会化充电站

2019年12月8日,公交集团和国网电动汽车合资共同建设的第一座多功能社会化充电站——商城路综合市场充电站顺利建成,正式投入使用。此站建设投资约300万元,共有11台90KW双枪快速充电桩,22个充电车位,一天可满足300辆新能源汽车充电需求,能够为电动物流车、新能源网约车、社会乘用车等多种车型提供充电服务。市北区人民政府副区长刘文光、青岛公交集团党委书记、董事长赵海滨、国网青岛供电公司副总经理吴绍军以及市北区开平路街道、商城路街道等方面的领导参加了充电站启用仪式。     

杭州至海宁城际铁路智能维保研究

为解决传统维保存在的诸多问题,进一步优化运维方式、降低维保成本、提升管理效率,以杭州至海宁城际铁路(以下简为"杭海城际铁路")智能维保项目为切入点开展相关研究.将智能维保划分为数字化、自动化及智能化3个方面,强调了数据接口、数据共享的重要性,重点阐述了生产计划管理、设施设备管理、生产工具管理、人力资源管理及设施设备智能检测的建设思路,提出了对维保自动化、维保智能化的思考.研究成果已成功运用于杭海城际铁路智能维保建设中.     

多技术融合的综合交通枢纽智能停车系统

针对综合交通枢纽的停车场车位引导难、停车拥堵、寻车难等问题,提出了一种基于三维全景建模、车辆识别、室内导航等多技术融合的智能停车系统。该系统通过车辆识别技术获取车辆品牌、车牌号码等信息,通过三维全景建模和室内导航技术实现停车场实景导航,做到快速停车、便捷寻车,提升用户体验。     

跨海大桥桥区航道智能助航系统研发

跨海大桥桥区航道是典型的船舶航行受限水域,船桥碰撞安全风险大,桥区航道智能助航技术有助于提高桥区航道安全保障水平。分析了桥区航道通航风险因素以及水文气象分布规律,按通航规则将水域划分为预警、警戒、航道等不同区块,构建了桥区航行的船舶动态领域风险辨识模型。研发了自主检测船舶动态并向其播发防撞预警信息的装置,以及自动管理和运行软硬件设施的桥区航道船舶避碰智能助航系统。该系统已应用在福建省平潭海峡大桥桥区航道,有效改善了桥区水域的航道通航安全形势。     

完整街道扫描仪:智慧城市人居环境感知新技术

完整街道扫描仪以"连通"为目的构建,以移动载具的形式在未来城市的路网中部署、载人运行,借助其上搭载的传感器、车联网功能扩展出对交通流、街道环境、行人进行扫描、记录、分析、影响的能力,成为一种面向未来智慧城市的人居环境感知系统。当完整街道扫描仪成规模部署后,其作用将不仅限制于交通领域,还将深入参与进共享经济、数据安全、城市发展规划,有潜力成为一种新的经济发展模式。本文聚焦从单车智能到人居环境智能的城市管理智能化维度需求演变,从未来交通管理、未来城市管理与数字经济产业支撑三个方向对完整街道扫描仪满足未来智慧城市的需求进行阐述。同时,也总结出了完整街道扫描仪的原型系统概念模型,以及已搭建进行的示范应用。     

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.     

无人水上巡检设备在航标管理中的应用

文中介绍了航标管理的现状、无人水上巡检设备的特点,提出了无人水上巡检设备在航标管理中的应用和优点;阐述了无人水上巡检设备作为一种先进的技术,将对航标巡检、应急反应、节能减排等工作有很大的帮助。     

GIS在智能交通系统中的应用

随着我国经济的发展,公路车流量不断增长,交通安全、交通堵塞等问题日益突出。为了更好地提高公路养护管养水平,现介绍了一种基于GIS的智能交通系统,根据用户当前位置和输入的目的地,通过算法,结合沿途道路情况和大数据归纳的每日拥堵时间点,规划最优行驶路线。该系统便于交通管理者主动实现道路协调控制,提升公路养护管养水平。     

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。