基于柔性车道管控算法的高速公路通行诱导系统

为提升高速公路在拥堵情况下的通行效率,解决在交通事故发生位置集中变道易引发二次事故的问题,以宁夏地区的高速公路为例,针对其通行诱导工作存在的问题,提出一种基于柔性车道管控算法的高速公路通行诱导系统。该系统通过综合应用多源的交通路况数据、突发事件数据和情报板信息发布技术,结合高速公路运营管理的需求和应急处置机制,实现智能化的通行诱导。实际应用结果表明,该高速公路通行诱导系统能有效提升高速公路通行诱导信息发布工作的效率和信息化水平,进而提升高速公路的通行效率。     

基于深度强化学习的平滑车速控制系统

为调整不同路段的限速值,平滑交通流,从而提升高速公路车辆通行的安全性和效率,针对交通瓶颈区设计一种基于深度强化学习的平滑车速管控系统。该系统主要包含动态限速启动、限速值确定与更新和情报板动态发布等3个模块。将深度强化学习算法DDQN(Double Deep Q-Network)引入系统中,提出一种基于DDQN的平滑车速控制策略,从目标网络和经验回顾2个维度提升该算法的性能。基于元胞传输模型(Cellular Transmission Model, CTM)对宁夏高速公路某路段的交通流运行场景进行仿真,以车辆总通行时间和车流量为评价指标验证该系统的有效性,结果表明该系统能提高瓶颈区内拥堵路段车辆的通行效率。     

不同预测算法在简单交通场景中的应用比较

为探讨不同趋势预测算法在简单交通场景中应用的有效性,以部分高速公路收费站数据集为研究对象,分别采用自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型、长短期记忆(Long Short-Term Memory,LSTM)循环神经网络和Prophet时间序列预测算法建立交通流预测模型.通过对比分析发现,3种预测模型在解决交通流预测问题方面均表现良好,相比之下,LSTM在模型拟合和预测精度方面表现更好,泛化能力更强,且在影响因素设置方面更为灵活.在以后的研究中,可采用LSTM,结合调参方法解决更多交通场景下的交通流预测问题.     

虎门大桥监控管理软件系统

简述虎门大桥监控管理软件系统的组成以及可变情报板计算机、可变标志计算机、彩色图形计算机、交通通讯计算机和通讯服务器的输入、输出内容,与某些功能的流程框图。最后介绍该软件系统的三大技术创新特点：首创高速公路交通地理的图形处理技术、首创ＷｉｎｄｏｗｓＮＴ与ＳＱＬＳｅｒｖｅｒ数据库在交通控制中的应用技术及创新交通控制设备间的通信技术。     

广深高速可变情报板改造

可变情报板在高速公路的信息发布、交通诱导等方面起着非常重要的作用.文章从广深高速公路可变情报板(CMS)系统故障的实际出发对其实行改造利用,重新编写协议,实行改造.目前系统稳定可靠,操作界面良好.为广深高速公路正常通行发挥积极作用.     

智能交通数据在物流路径规划中的应用

随着全球贸易的不断发展和物流需求的日益增长,物流路径规划成为了现代物流运营中至关重要的环节。本文首先介绍了智能交通数据与物流路径规划的概念,随后分析了物流路径规划存在的问题,包括实时性问题、不确定的交通状况和复杂的配送网络等。然后重点探讨了智能交通数据在物流路径规划中的三个关键应用及其优势,包括实时交通监测与路况预测、智能路线规划与优化、货车调度与车辆管理。希望通过本文的研究,为物流企业实现更加智能、高效的货物运输方式提供参考和借鉴。     

基于卷积神经网络及长短时记忆网络的短时船舶交通流量预测

由于船舶交通流具有非线性和复杂性的特征,传统交通流量预测方法的预测结果精度普遍不高,且需大量历史数据进行训练。在考虑船舶交通流数据时间特性的基础上增加了对数据空间特性的考虑,提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)和长短时记忆网络(Long Short-Term Memory, LSTM)的短时船舶交通流量预测模型,并引入动态时间规整(Dynamic Time Warping, DTW)算法构造损失函数,提升模型的预测精度。结果表明：通过与灰色模型(Grey Model, GM)、差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model, ARIMA)、小波神经网络(Wavelet Neural Network, WNN)、反向传播神经网络(Back Propagation Neural Network, BPNN)和CNN-LSTM等模型对比,所提出的CNN-LSTM-DTW预测模型的预测结果相对误差最小,可信度高,预测精度优于对比模型。     

基于机器学习的船舶能耗智能预测方法验证分析

船舶能耗智能预测是实现船舶能效智能评估与优化决策的基础和前提。大数据、人工智能、机器学习等新兴技术促进了船舶能耗预测方法的不断发展,为分析不同基于机器学习的船舶能耗预测算法的预测精度与效果,进行了不同预测算法的实例验证分析。结合船舶油耗及其影响因素实船采集数据,通过采用不同机器学习算法对船舶能耗进行预测分析,验证了各算法的特点和优势,从而为选择合适的船舶能耗预测算法提供参考。     

基于实测数据的高速公路车速特征分析

为了补全目前车速特征的研究漏洞,找到对高速公路交通安全影响较为突出的车速特征。以实测数据为基础,采用多特征分析法分别分析了高速公路车速的离散性、协调性和线性一致性及其对高速公路交通安全的影响。分析结果表明,对高速公路交通安全起到关键性作用的车速特征是离散性和线性一致性,控制好高速公路车速的离散性和线性一致性,可将恶性交通事故遏制在萌芽状态,提升高速公路的交通安全等级。     

高速公路收费站出入口交通流量分析及预测

为充分掌握高速公路收费站的交通流特征,助力智慧高速公路建设,以宁夏回族自治区银川南收费站为研究对象,分别采用图像观测法和科学计算法对其出入口交通流量进行相关性分析,得到二者的相关系数和显著性水平,表明出口流量与入口流量具有极强的相关性。通过傅里叶变换得到收费站交通流量的周期性特征,并运用自相关系数对周期性进行检验。将周期性特征加入长短期记忆(Long Short-Term Memory, LSTM)网络模型中,并基于整年的收费数据和跨年度的收费数据对收费站出入口交通流量进行预测,验证该模型的有效性。结果表明该基于周期性特征的交通流量预测模型能取得良好的预测效果。     

虎门大桥监失管理软件系统

简述虎门大桥监控管理软件系统的组成以及可变情报板计算机,可变标志计算机,彩色图形计算机,交通通讯计算机和通讯服务器的输入,输出内容,与某些功能的流程框图章了后介绍该软件系统的三大技术创新特点：首创高速公路交通地理的图形处理技术,首创Ｗｉｎｄｏｗｓ ＮＴ与ＳＱＬ Ｓｅｒｖｅｒ数据库在交通控制中的应用及创新匀通控制设备间的通信技术。     

基于智能融合的船舶交通流预测系统

船舶交通流量预测的研究为水道的规划、设计和船舶通航管理提供基础性依据。将智能融合算法应用于船舶交通流量预测系统,较好地解决了现有船舶预测算法中存在的预测精度不高,依赖于经验等不足。以长江江阴大桥2007年船舶流量观测数据为例进行分析,实验结果表明,融合预测能够对多个数据源进行预测,并可以减缓单种预测方法单独预测的不确定性,从而增加了预测的准确性和整个预测系统的鲁棒性。     

基于Stacking的机舱设备剩余寿命预测方法北大核心CSCD

[目的]在参考中国船级社《智能船舶规范》中智能机舱定义和要求的基础上,探索机舱设备故障预测与健康管理相关技术,开展轴承剩余寿命预测方法研究。[方法]针对常规数据驱动的轴承剩余寿命预测存在预测精度不佳的问题,利用集成学习Stacking融合策略,优选极限梯度提升(XGBoost)与人工神经网络(ANN)为基学习器,岭回归(ridge regression)为元学习器,构建R-A-X(Ridge-ANN-XGBoost)融合预测模型。选用IEEE PHM 2012 Prognostic Challenge同工况下的全寿命周期数据作为数据集设计预测性能对比实验,以MAE和R2为性能评价指标,对比研究基于单一算法、简单平均融合方式以及R-A-X融合方法的轴承剩余寿命预测性能。[结果]结果表明,基于Stacking构建的R-A-X融合预测模型的绝对平均误差(MAE)与决定系数(R2)评价值均优于文中涉及的其他方法,预测精度最高可提升20%。[结论]所提出的方法可提升轴承剩余寿命预测精度,对智能机舱中设备健康管理的实现具有一定的参考价值。     

基于神经网络算法的船舶间距快速预测

保证船舶航行的畅通性是船舶海上交通智能化发展的关键。本文利用BP神经网络自适应能力强、自组织学习等优点进行船舶间距快速预测,通过船舶间距预测可以提高海上交通信号控制的效率,保证船舶航行的稳定性和安全性,最后的实验结果表明本文算法误差小,可靠性高。     

基于SVM的电子装备故障预测方法研究

探讨了支持向量机时间序列预测模型的应用。将支持向量机时间序列预测技术应用于电子装备故障预测中,对某型电子装备的数据传输插件板进行了故障预报,通过实验证明了该方法的有效性和实用性。     

服务引导,创新为魂

立足于高速公路智能交通领域规划设计,为行业决策与企业管理者提供针对性的技术咨询服务.通过探索服务的定位、原则、方法,在服务模式上寻求创新,依靠整合项目资源和创建内核力量在服务内容上拓宽思路,通过构建学习型团队,在工作模式上突破求新.为交通信息化的发展提出创新性的见解.     

长平高速公路养护管理措施与模式

随着高速公路建设迅速发展,高速公路的养护管理工作显得更加迫切和重要。高速公路的养护管理比一般公路养护管理要求标准高、管理严,且高速公路承受较大的交通负荷,路况不断变化,因此,我们务求不断采用新技术、新工艺,以最经济的方式保证路面平整、畅通,各种设施完好,提高高速公路的耐久性和舒适性,使高速公路养护维修达到高标准、高质量、高效率、高机动性的要求。下面通过对长平高速公路K0+141～K0+187段养护工作的实践,浅析高速公路的养护管理措施与模式。     

船舶通信网络非线性流量预测的数学建模分析

为了提高船舶通信网络非线性流量预测的精度,设计一个船舶通信网络非线性流量预测数学模型。首先对船舶通信网络数据采集,然后对采集的数据进行预处理,最后应用神经网络算法建立船舶通信网络非线性流量预测模型,以此完成了船舶通信网络非线性流量预测。实验对比结果表明,此次研究的船舶通信网络非线性流量预测数学模型有效提高了流量预测的精准度,并减少了船舶通信网络非线性流量预测时间,具备一定的实际应用意义。     

基于回声状态网络的船舶交通事故预测

船舶交通事故的预测结果对船舶交通智能管理具有指导性意义,针对当前船舶交通事故的预测误差大,建模过程耗费时间长等难题,设计基于回声状态网络的船舶交通事故预测模型。首先对当前船舶交通事故预测研究现状进行分析,指出各种船舶交通事故预测建模方法的局限性,然后收集大量的船舶交通事故历史数据,并进行一定预处理,构建船舶交通事故预测样本数据,然后通过回声状态网络的学习建立船舶交通事故预测模型,并采用具体船舶交通事故预测仿真实例分析其性能,回声状态网络的船舶交通事故预测精度超过95%,预测结果十分稳定,缩短了船舶交通事故预测建模过程耗费的时间,是一种高精度、速度快的船舶交通事故预测方法。     

基于智能预测控制的鱼雷状小型无人艇轨迹跟踪研究

[目的]针对无人艇（USV）在狭窄湖泊、涵洞作业时存在精度保持难和航迹控制难的问题,以自主研制的一款鱼雷状小型USV为对象,提出一种轨迹跟踪智能预测控制方法。[方法]首先,构建自主研制的欠驱动USV非线性状态空间模型;然后,设计智能预测控制器,该控制器基于模型预测控制的设计思想并结合改进的粒子群算法,在线决策、优化每一时刻的性能指标并纠正预测状态;最后,开展仿真和湖试试验测试系统对参考轨迹的跟踪性能,并与线性模型预测控制器的跟踪性能进行比较。[结果]结果表明,所设计的智能预测控制器超调小、抗干扰性好。[结论]所提方法不仅能运用于鱼雷状小型USV跟踪系统,也能对其他USV跟踪系统起到很好的借鉴作用。