AI与车载物联的结合（人-AI-云-车）

物联网以及AI的诞生为我们实现智能出行的目标开启了一个阶梯。通过"人-AI-云-车"的物联,可以将汽车变成互联网的一部分,通过车辆数据收集,汽车网络物联直至客户、厂商乃至交通等多部门的结合,就可以为我们建立更加科学、更加安全、更加高效与智能的出行物流体系。     

基于IGM-BP算法的城轨越区切换研究

针对城市轨道交通列车在越区切换过程中因受到多径效应、同频干扰等因素的影响,引起接收到的参考信号接收功率(RSRP)值波动较大,导致乒乓切换频繁发生的问题,通过结合TD-LTE标准的A3事件,提出一种改进的GM-BP神经网络(IGM-BP)算法.根据车载数据终端(TAU)接收到的t时刻前4组RSRP值,建立灰色模型GM(...     

船舶异常行为的一致性检测算法

为了准确检测船舶的操纵异常行为和降低异常行为误报警率, 提出了船舶异常行为的一致性检测算法; 在船舶轨迹点中引入能够体现操纵模式的特征, 以转向行为与变速行为度量了操纵行为相似性; 将空间位置相似性与操纵行为相似性进行组合, 定义了船舶综合行为相似性, 计算了单个轨迹点与训练轨迹序列中的最近邻特征点, 构建了一致性检测的样本序列; 为克服样本重叠的类分布情形, 改进了一致性检测算法的奇异值度量, 并用综合行为相似性计算样本间的非一致性得分, 利用单个轨迹点的随机性检验值判断该轨迹点与样本序列的分布一致性; 以琼州海峡实测AIS数据作为正常数据, 以计算机模拟随机产生异常轨迹和人工自定义操纵异常行为作为异常数据, 分别进行异常检测试验。试验结果表明: 随机产生的异常轨迹检测正确率为100%, 但是轨迹评价集中有一部分正常轨迹被错误划分成异常轨迹, 在指定置信度水平分别为99.0%和99.7%的情形下, 误报警率分别为0.6%和0.2%, 分别低于显著性水平0.01和0.003, 因此, 利用一致性检测算法能有效检测计算机产生的随机异常轨迹, 并可通过指定显著性水平严格控制检测误报警率, 能有效检测人工自定义的船舶变速与转向异常行为, 而且检测结果能随船舶行为改变而变化。     

电气化铁道专业常用英汉词汇汇编（七）

consumedpower消耗功率consumptionofmaterials材料消耗量contactcurrent触点电流contactfault接触故障contactfinger触指contactfitting接触金具contactforce接触压力contactgap触点间隙contactlever接触杆contactlinesection锚段contactline接触网contactlossrate离线率conta     

LPM空心楼板芯模在银川建发现代城工程中的应用

LPM(Light Polystyrene Material),即轻质聚苯泡沫材料,用它可以作成空心楼板芯模.主要介绍了银川建发现代城工程中,空心楼板芯模的安装、混凝土浇筑等工艺和质量控制经验.