智能网联交通系统多层次映射关系建模

目前,学者在智能网联交通领域的研究主要集中于宏观的技术进展综述和微观某一特定问题分析,但对智能网联交通系统各组成元素之间相互影响作用关系的数学分析尚有欠缺.首先,将智能网联交通系统分为三层,分析智能网联交通中各子系统间的动态影响作用关系,以及子系统状态波动在横向和纵向上的影响,提出智能网联交通系统稳定性影响评价指标体系;其次,根据模型的协同联动思想,提出基于车速推荐思想的智能网联交叉口人、车、路、管控协同联动流程;最后,通过仿真模拟T型交叉口的人、车通行对该模型进行验证.结果表明,模型能很好地适应并说明智能网联交通系统在协同联动作用下提高交通流的顺畅性和稳定性.     

军事交通学院装备处组织车辆登记统计簿评比活动

为全面掌握车辆技术性能．加强车辆资料信息管理．根据《装备管理条例》规定和车辆年终普查安排．结合年终车辆普查活动．2007年11月27日．军事交通学院院务部装备处在学院电视电话会议室组织了“车辆登记统计簿检查评比”．各单位分管领导、车管干部共35人参加。评比活动由装备处韩世春处长主持，院务部孙彬南部长到场检查指导。检查评比采取相互检查、逐项扣分的方式进行。     

冬季安全行车“十要”

预热要充分冬季气温低,润滑油粘度增加,不易流动,因此启动发动机后应让发动机转速保持在1000转／分左右。待发动机预热、温度表的指针开始上升后再起步慢行．此间不可猛踩加速踏板而使发动机转速过高。     

军事交通学院组织开展年终车辆普查活动

为进一步贯彻落实军委关于从严治军、加强部队安全管理的一系列重要指示,进一步落实车辆管理制度,全面考察车辆使用管理情况、恢复车辆技术状况,消除事故隐患,提高车辆完好率,确保冬季行车安全,军事交通学院于2007年12月份组织了全院车辆年终普查。     

基于BERT-Bi-LSTM-CRF模型的自主式交通系统参与主体识别方法

自主式交通系统(ATS)的重要组成部分是参与主体，参与主体的信息通常依靠文本进行描述。为构建自主式交通知识图谱，需要从文本中准确地识别出大量参与主体。为此，研究了基于BERT-Bi-LSTM-CRF模型的实体识别方法，对自主式交通系统参与主体进行抽取。词嵌入模型BERT为预训练语言模型，用以捕获丰富的语义特征，将捕获的语义特征输入到双向长短时记忆神经网络(Bi-LSTM)模型中提取上下文双向序列信息，经条件随机场(CRF)处理得到最优序列预测结果。收集交通专业相关的原始语料，经过数据预处理与文本标注，形成了可用于自主式交通系统参与主体识别的语料库，基于此数据开展实体识别对比实验。结果证明:BERT模型显著提升了自主式交通系统参与主体识别任务的性能。相较于传统方法CNN-LSTM或Bi-LSTM等，所提方法可以得到最佳综合识别效果，各实体的综合F1值为86.81%，表明通过BERT模型提取参与主体的语义特征，可以增强识别方法的泛化能力。“使用者”“运营者”“提供者”“规划者”“维护者”类实体的F1值分别为90.35%，92.31%，90.48%，93.33%，95.00%。验证了所提方法识别自主式交通系统参与主体的有效性。      

去除新车异味六招

通风除味法 新车买来的半年内或是装饰后的一段时期，应养成适度开窗行驶的习惯，保持车内新鲜空气的循环流通。