基于空间信息服务的城市轨道交通应急管理

随着轨道交通建设项目不断增多,由此引发的公共安全问题日益引起重视。围绕为城市轨道交通安全应急管理提供决策信息服务支持这一目标,论述了地理空间信息在轨道交通应急协同管理中的重要作用。从应急管理信息共享服务的角度,基于空间信息服务,设计了面向城市轨道交通应急管理的系统架构,实现了多角度、多维度的协同信息处理和协调应急资源能力,可有效提高城市轨道交通安全管理水平。     

航运中心复合型人才现状分析及对策

航运复合型人才是武汉航运中心建设的重要支撑,随着科技的进步,航运业对人才的要求越来越高,通过走访调研多家航运企事业单位,从企业、院校、行业三个角度梳理目前航运业人才现状,分析目前航运业对航运复合型人才的需求定位,提出加强长江航运复合型人才培养与发掘的总体思路及相关对策,以此提高武汉市航运复合型人才的综合素质,促进长江航运产业更好地发展。     

主动配电网保护研究综述

考虑到主动配电网控制方式灵活、复杂、分布式电源渗透率较高、潮流双向流动等特性,依据主动配电网保护研究现有成果,对主动配电网保护技术做了综述,结合主动配电网的结构特征,提出对主动配电网保护的基本要求,讨论分布式电源和储能设备、故障时的隔离策略、控制方式、运行方式对主动配电网保护的影响。并分析主动配电网保护的关键问题和研究现状。     

基于改进RepVGG网络的车道线检测算法

为提高自动驾驶系统中车道线检测的速度和精度,提出了基于可解耦训练状态与推理状态的车道线检测算法。在结构重参数化VGG（RepVGG）主干网络中引入注意力机制压缩-激励（SE）模块,增强对重要车道线信息的特征提取;同时设计并行可分离的辅助分割分支,对局部特征进行建模以提高检测精度。采用行方向位置分类车道线检测方式,在主干网络后加入逐行检测分支,减小计算量的同时实现对遮挡或缺损车道线的检测;设计偏移补偿分支,在水平方向上细化局部范围内预测的车道线位置坐标,以恢复车道细节。通过结构重参数化方法解耦训练状态模型,将多分支模型等价转换为单路模型,以提高推理状态模型的速度和精度。对比解耦前后的模型,本研究算法速度提高81%,模型规模减小11%。利用车道线检测数据集CULane对算法进行测试,与目前基于深度残差神经网络的车道线检测模型中检测速度最快的UFAST18算法相比,其检测速度提高19%,模型规模减小12%,评价指标F1 -measure由68.4增长到70.2;本研究算法的检测速度是自注意力蒸馏（SAD）算法的4倍,空间卷积神经网络（SCNN）算法的40倍。通过城区实车实验测试,在拥挤、弯道、阴影等多种复杂场景下车道线检测结果准确稳定,常见场景下车道线漏检率在10%~20%之间。测试结果表明,结构重参数化方法有助于模型优化,提出的车道线检测算法能有效提高自动驾驶系统的车道线检测实时性和准确性。