电子信息技术在智能交通信号控制系统中的运用研究

当前电子信息技术的发展水平已经达到了一定的高度,并且在智能交通信号的控制系统之中应用的频率非常高,对于系统的稳定运行起到了保障作用。本文主要针对智能交通信号控制系统与信息技术之间的关系进行研究,希望能够推动智能交通信号控制系统运行水平的提升,从而为广大群众的日常出行提供便利。     

新冠肺炎疫情下对提升交通运输综合执法能力的思考

当前，我国正处于新冠肺炎疫情防控最吃劲的关键时期，同时也是交通运输综合执法改革深入推进的攻坚阶段。面对疫情防控的严峻考验，交通运输综合执法能力的既有短板与疫情防控中暴露出的新问题相互交织，提升交通运输综合执法能力显得十分紧迫而必要。为此，采用文献调查、访谈研究和实证分析等方法，总结了抗击疫情期间的交通运输执法状况，分析了疫情防控对交通运输综合执法能力建设带来的挑战，从完善执法工作机制、提升专业处置能力、严格规范执法行为、创新执法方式方法、强化执法作风建设、建立法律服务体系、强化执法保障等七个方面，就提升交通运输综合执法能力提出了对策建议。     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题，提出一种基于图卷积网络和多头自注意力机制的自注意 力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的 STGCN (Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用 LSTM(Long Short-Term Memory)网络学习数据中时序规律，通过注意力网络计算道路自注意力及一阶临近道路注意力系 数，用图卷积网络对图信号重组，达到对缺失数据的精确修复。同时，采用多头自注意力网络计 算数据的注意力权值并对数据重组，捕获交通流数据中的二阶及高阶临近道路空间关联性，提取 已知数据与缺失数据的时间关系，以残差链的形式加入到模型中，作为对STGCN功能的补充。 基于真实数据的实验表明，在多种缺失模式和缺失率下，该模型能够学习路网拓扑关系，捕获数 据中的时间规律性和时空关联性，有效地修复缺失数据。     

船舶甲板智能抛丸机器人设计

为解决在船舶外场涂装阶段除锈和拉毛施工效率低、质量不稳定、环境污染严重等问题,设计一款用于船舶甲板的智能抛丸机器人。简介该型机器人系统组成,阐述其抛丸分系统、除尘分系统和越障辅助机构的硬件设计及其软件设计,并设计手动遥控和自主导引操作方式。实船测试结果表明,该型机器人可满足船舶甲板除锈清理的工作要求。     

基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究

为提高我国城市对外交通中客运多方式协同运行效率，优化客运资源配置，依托人口迁徙大数据，建立量化分析城市对外交通客运方式优势出行距离的方法. 提出用绝对优势出行距离和相对优势出行距离来表征优势出行距离，分别构建城市对外客运方式的绝对优势出行距离模型和相对优势出行距离模型；利用人口迁徙大数据，绘制基于出行距离的客运方式分担率曲线，对优势出行距离模型进行求解. 结果表明，我国城市对外交通中公路、铁路、航空客运方式的绝对优势出行距离分别为[8, 119] km、[119, 1 594] km和[1 594, 3 000] km，相对优势距离分别为[8, 463] km、[318, 983] km和[2 477, 3 000] km.     

基于新型冠状病毒传播机理的交通出行易感度研究

为科学判断各交通方式出行过程中人群感染病毒的风险概率进而有效控制病毒传播，借助空气传染病模型，根据已发布的新型冠状病毒传播机理，构建了交通出行的病毒易感度评估模型，模型包含对病毒传播有重要影响的通风、载客密度、暴露时间等主要参数。选用各种运输方式中有代表性的运载工具进行不同假设情景下的易感度评估，结果表明，在各种有效防控措施均得以采用的情景下，乘坐交通工具的易感度相比高危情景降低97%以上，相比基准情景降低93%以上。研究可为交通领域的科学防疫、精准施策提供依据。     

基于分区优化的高铁车站通过能力提高方法

车站通过能力是铁路能力的一个关键制约点，本文通过降低咽喉长度对车站作业间隔时间的影响，扩大高铁车站通过能力. 分析车站分区的划分原则及方法，研究车站进路关系模型及作业间隔时间的计算方法. 以通过列车数量最大化为目标，考虑车站作业间隔时间，不同作业类型列车比例等约束条件，建立基于分区划分的车站通过能力优化模型及算法. 案例分析表明，不同作业类型列车比例及组合方式对能力的影响较大，分区划分车站咽喉区可有效减少列车作业间隔时间，提高车站通过能力.     

基于数据驱动的机场水泥混凝土道面性能退化预测

针对机场道面性能退化过程的精确预测问题，本文采用数据驱动的机场道面预测性维护方法，通过指示变量将两种数据集进行联合分析，考虑机场道面性能退化过程受飞行交通量和道面面层厚度的影响，以机场道面性能状况指数衰变的非线性函数为期望函数，建立一种机场道面性能退化双参数预测模型；根据模型的参数估计结果，采用边际效应分析结合预测性能曲线图示，对不同飞行交通量水平和不同道面厚度等级的道面性能退化过程预测进行分析。结果表明，采用数据驱动和非线性混合效应方法，搭载联合估计技术，能较为显著地提高机场道面性能退化预测的精度和效果。     

需求响应的集装箱班列时刻表优化及 Benders分解算法

充分考虑集装箱货物与集装箱班列在时间和数量方面的匹配关系，以集装箱货物送达目的站的总延误最小为目标，构建集装箱班列时刻表优化的线性混合整数规划模型.采 用Benders分解算法将原问题分解为确定集装箱货物与班列匹配方案的主问题，以及优化班列时刻表的子问题，通过求解子问题的对偶模型不断产生主问题的割平面.为克服割平面有效性较低的缺点，设计改进策略，使每次迭代产生多个割平面同时添加至主问题中.最后，通过算例验证模型和算法的有效性.结果表明：改进策略的运用有效提高了算法的计算效率，利用模型及算法得到的班列时刻表与集装箱货物的数量、时间分布之间具有较好的匹配性，制定的班列时刻表很好地响应了用户需求.     

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题，提出基于环境车辆偏离车道程度识别运动模式的方法；构建动态环境车辆横纵向轨迹预测模型，并求解；构建保持、先行、避让在内的决策集，提出基于预测轨迹的单个车辆决策方法，并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11，0.29，0.80 m，预测精度较高；复杂动态环境下，本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.