浅谈青藏线转辙设备的养护与维修

本文根据CTS2轨枕式转辙机本身的特点以及青藏铁路的管理模式，从养护、维修的角度，简要说明了CTS2轨枕式转辙机需要的养护工作量、故障处理方法、维修特点及在施工中要注意的问题。     

基于危货指数的省级水运安全监管系统研究

受建设时间跨度大、技术条件等限制,加上机构改革,水运安全监管系统存在着展示不系统、覆盖不全面、数据不规范等问题,面对严峻的安全形势、复杂的内河水网和海量的船舶动态信息,现有的安全监管系统不能满足需求。本文分析了省级水运安全监管的内涵,提出危货指数的定义,并以危货指数为核心设计了省级水运安全监管系统,涵盖了运行监测、安全监管、应急处理、数据交换等内容,可支撑水运安全监管系统的业务协同,推广和应用前景广阔。     

ZYJ7型电动液压转辙机控制电路故障判断与处理

根据ZYJ7型电动液压转辙机启动、表示电路原理,结合日常处理故障经验,从室内到室外阐述了判断ZYJ7型电动液压转辙机启动电路、表示电路各种故障方法,为我们日常处理ZYJ7型电动液压转辙机启动电路、表示电路故障提供了准确、快捷的处理方法。     

荧光磁粉探伤裂纹智能识别图像处理研究

磁粉探伤的发展趋势是自动化、智能化,而工件表面状况、真伪裂纹、工况条件等使得现有的检测识别方法难以满足工件表面裂纹缺陷自动检测识别的需要。在分析工件表面荧光磁粉图像特征及裂纹缺陷特征的基础上,研究表征裂纹邻域像素空间相关度的二维直方图分布,提出基于多重分块极值的图像边缘检测算法。根据裂纹邻域像素空间相关度参数,以及裂纹缺陷的长宽比、圆形度等特征,设计了基于Fisher线性判别方法的工件裂纹识别算法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术,应用于列车轮轴检测线实时检测,裂纹缺陷的有效检出率达99%。     

智能车辆机器视觉发展近况

简要回顾了机器视觉的早期发展，从简单的特定场合应用到模拟人眼的复杂系统设计，介绍了机器视觉产品在智能汽车上的应用情况，分析了世界各国在车用机器视觉技术领域研究开发情况以及未来发展趋势。     

灰色预测方法在沥青混合料永久变形研究中的应用

通过高温下沥青混合料蠕变试验发现,加载30min时滞后弹性变形基本完成,可以近似认为其后发生的变形为粘性变形,从而利用灰色预测模型,对加载过程中30min至60min的变形数据进行逆向拟合,得到整个加载过程中的永久变形方程。然后利用坐标变换,得到了时间序列下沥青混合料的永久变形规律。相比于常规的数据拟合方法,由于采用了加载后段的数据进行拟合,避免了开始加载过程中虚假变形的影响,使得拟合的结果更加准确。     

基于视觉的前方车辆探测技术研究方法综述

对国内外关于车道上本车前方车辆检测方法进行了综述。根据探测车辆所采用的传感器不同,分别对采用单目视觉、双目视觉、视觉与其他传感器融合以及非视觉传感器的几种探测方法进行了比较与分析。同时,针对每种探测方法,进一步阐述了目前车辆识别的一些具体算法。最后,指出了每种方法存在的优点和一些不足。     

太阳能游船光伏逆变器控制系统EMC设计

从船舶环境和光伏逆变器的基本原理和功能出发,分别对太阳能游船EMC干扰源和干扰路径进行分析,通过信号滤波与保护、工艺设计和试验测试,实现高可靠性的太阳能游船光伏逆变器控制系统研究和设计,为太阳能游船的光伏逆变器控制系统研究提供基本EMC设计思路与实现技巧。     

载人潜器人因工程研究

对载人潜器人因工程的研究现状、研究范畴、技术手段和发展趋势进行梳理和总结,旨在为指导载人潜器设计总体集成优化、提高潜器综合效能、节省全寿命周期费用及缩减潜器人员编制提供参考。     

Identifying tourists and analyzing spatial patterns of their destinations from location-based social media data

Reliable travel behavior data is a prerequisite for transportation planning process. In large tourism dependent cities, tourists are the most dynamic population group whose size and travel choices remain unknown to planners. Traditional travel surveys generally observe resident travel behavior and rarely target tourists. Ubiquitous uses of social media platforms in smartphones have created a tremendous opportunity to gather digital traces of tourists at a large scale. In this paper, we present a framework on how to use location-based data from social media to gather and analyze travel behavior of tourists. We have collected data of about 67,000 users from Twitter using its search interface for Florida. We first propose several filtering steps to create a reliable sample from the collected Twitter data. An ensemble classification technique is proposed to classify tourists and residents from user coordinates. The accuracy of the proposed classifier has been compared against the state-of-the-art classification methods. Finally, different clustering methods have been used to find the spatial patterns of destination choices of tourists. Promising results have been found from the output clusters as they reveal most popular tourist spots as well as some of the emerging tourist attractions in Florida. Performance of the proposed clustering techniques has been assessed using internal clustering validation indices. We have analyzed temporal patterns of tourist and resident activities to validate the classification of the users in two separate groups of tourists and residents. Proposed filtering, identification, and clustering techniques will be significantly useful for building individual-level tourist travel demand models from social media data.