基于深度CNN-LSTM-ResNet组合模型的出租车需求预测

利用海量的离线GPS数据进行出租车需求预测是智能城市与智能交通系统的重要组成部分.本文提出了一种基于深度学习的出租车需求预测方法(CNN-LSTM-ResNet),将出租车GPS数据和天气数据等转化为栅格数据,输入模型获得预测结果.该模型先使用卷积神经网络(CNN)提取城市范围交通流量的空间特征,然后引入残差单元加深网络层数,并利用长短期记忆网络(LSTM)提取GPS数据的临近性、周期性和趋势性,最后通过权重融合以上3个分量,并与外部因素(天气、节假日和空气质量指数)进一步融合,从而预测城市特定区域的出租车需求.采用西安市出租车GPS数据进行实验验证,结果表明,该模型与传统预测模型(如ARIMA,CNN,LSTM)相比具有更高的预测精度.     

海洋油气平台油气分离中控系统仿真开发

从海洋油气平台油气分离中控系统的控制逻辑出发，简化抽取油气分离系统主要部件的控制模型，采用分段线性函数近似处理原本复杂的流量函数和容积函数，降低模拟仿真难度。在Unity3D中实现海洋油气平台油气分离中控系统作业仿真，可为海洋油气平台研发提供必要支持。     

多岸线下多式联运自动化集装箱码头总平面布置与装卸工艺设计

针对多岸线、大纵深的江海铁联运集装箱码头的特点，结合现有自动化集装箱码头工艺方案的突出特点和先进经验，提出一种多式联运自动化集装箱码头装卸工艺方案，并对其进行详细阐述。该方案总体布局采用双U形的垂直布置+侧面装卸的模式，实现了多岸线泊位下自动化集装箱码头江海铁联运的无缝衔接，并具备交通组织简单、车流周转效率高的优点，有效解决了典型装卸系统无法很好地适应该类型自动化集装箱码头工程的难题。     

基于FME软件的港口总体规划数据转换方法研究

原交通部于2006年印发《港口总体规划编制内容及文本格式》,明确了规划图纸的相关要求。港口总体规划图集是直观表现港口规划内容的手段，为满足港口总体规划图件绘制在“多规合一”新阶段下的要求，解决图集绘制中遇到的港口水域基础数据缺失、软件间数据转换等问题，提出基于FME软件的港口总体规划数据转换方法，利用FME将传统以AutoCAD为载体的港口规划数据准确无损地转换为GIS格式，以及将电子海图地理数据提取转化出来，使其弥补缺失的港口水域基础数据。经实际案例证明，基于FME的港口总体规划数据转换方法能满足港口总体规划图集绘制的新要求。     

考虑三方利益的车货匹配优化

为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题，在既往研究考虑车货双方利益的基础上，引入了平台方需求. 首先，在分析车货匹配活动参与方需求的基础上，构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型；其次，在模型求解方面，改进了带精英保留策略的快速非支配排序遗传算法（non-dominated sorting genetic algorithm Ⅱ，NSGA Ⅱ），一方面在子代种群更新过程中引入精英选择系数，提升种群的多样性，另一方面结合自适应的思想，在算法迭代过程中调整交叉变异的概率；最后，利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%，与传统的NSGAⅡ相比，平均收敛速度提升了45%左右；在算法稳定性方面，所提出的算法受随机初始化影响较低，多次实验的相对标准偏差值小于1%.