长江航道主缓流判别算法研究

船舶航行时充分地利用主缓流航道可以节约能源。为了更加准确地划分长江航道的主缓流航道,提出了利用 k-近邻算法和 P 分位数法的划分方法。改进后的 P 分位数法采用动态选择 P 值的方法避免了主流区域可能过小的问题,k-近邻算法利用了测点的水深、流速等多种航道水文信息来划分主缓流。利用长江航道金口处和岳阳处的11个截面的实测数据对 k-近邻算法和 P 分位数法进行了对比分析,其中有10个截面的主缓流区域相近。进一步对比长江航道中典型的龙口水道和杨林岩水道,发现根据算法得出的主流区宽度和实际的相比,误差在12%以内,可以满足船舶航行的需要。     

基于模型预测控制的船舶纵向航速协同控制方法

多船协同航行在海事搜救、资源勘探、极地航运等领域中具有显著优势,其中纵向航速协同控制是实现船舶协同航行的关键。通过分析船舶螺旋桨转速、加速度与航速之间的关系,构建了考虑风力影响的船舶纵向动力模型,为实现前后船加速度与跟驰距离的关联,引用基于变时距策略的船舶间距模型。设计了考虑航速、加速度等多约束的多船航速控制目标函数,并利用模型预测控制方法实现了最优化问题的实时求解。通过Matlab进行仿真验证,结果表明,提出的基于模型预测控制方法的船舶纵向航速协同控制方法在前船加速、减速、匀速等工况下,后船均能实现对前船的精确稳定跟驰,其距离跟踪误差分别为0.092 5 m,0.192 8 m,0.166 2 m,与PID方法相比具有更好的收敛性、跟踪精度和抗干扰能力。     

道路标志标线养护管理先进技术

道路标志标线养护管理系统包括养护信息采集、信息管理、性能评估预测、养护管理决策等。章介绍了道路标志标线养护信息自动采集系统的组成，在道路标志标线养护信息采集和管理中应用的关键技术，包括机器视觉、语音识别、全球定位系统、光学字识别。讨论了在标志标线养护信息采集中需解决的问题，叙述了地理信息系统、多媒体网络数据库、条形码技术在标志标线养护信息管理中的应用概况。综述了标志标线可见性预测技术研究现状，提出了开展道路标志标线养护管理技术研究内容。     

基于标准C++的MySQL数据库访问新引擎剖析及应用

从开发应用软件的角度出发,介绍了一种新的基于标准C＋＋的MySQL数据库访问引擎MySQL＋＋,并比较其与MySQL C API接口和MySQL ODBC的优劣,剖析了如何使用MySQL＋＋对MySQL数据库进行本地与网络连接,以及对MySQL数据库进行数据的查询、更新、插入、删除等一系列操作,并给出实际的范例.     

基于压力变送器的桥梁挠度监测系统研究

挠度反映了桥梁结构的整体刚度，是评价桥梁安全性的重要依据。参考国内外桥梁挠度监控系统的最新发展状况，对钢桁架拱桥的挠度监测系统加以研究，提出挠度监测系统的方案一为桥梁挠度的实时监控及桥梁结构状态的健康监测提供第一手依据。     

基于嵌入式计算机技术的超速视频检测系统设计

现代交通中,车辆速度检测在实时性、准确性等方面存在不足,故引入了一种基于视频的车速测量方法。在嵌入式技术的支持下,通过高速CCD传感器采集视频信息并实时量化,然后在DSP的支持下以相对小的系统规模,高速准确地抓拍超速车辆视频,再经过视频图像分析和算法处理。准确得出车辆速度。该系统以ARM作为主控,以FPGA作为数据堆栈,实时性强,满足了高速视频信息处理的速度要求,有利于快速检测出车辆的即时速度,进而准确判断车辆超速情况。     

基于深度学习的水面无人船前方船只图像识别方法

建立基于图像识别系统的水面无人船感知平台,采集内河船舶图片数据库建立船只检测单层多尺度深度学习（Single Shot Multibox Detector,SSD）框架,通过使用预训练模型参数调优并微调分类框架实现较高的内河船舶检测准确度。试验结果表明,不同天气状况下的识别算法的查全率和查准率均能保持在70%以上     

基于S57的内河船舶导航系统研究

为了保障船舶航行安全,减小导航系统在内河导航的误差,综合利用GIS技术、DGPS技术、AIS技术以及计算机技术,研究符合S57标准的内河船舶导航系统。分析了系统的构成和功能,并研究了该系统的关键技术。在VC++环境下实现了该系统并应用于工程项目。实践证明:系统符合IHO海事标准,导航定位精确,实时高效显示,占用系统内存小,并具有较高的稳定性。     

基于 CMEM 模型的武汉市轻型机动车平均排放因子研究

运用GPS和OEM收集了武汉市主要道路上的车辆行驶与实时排放数据.得到了武汉市机动车平均排放因子.根据车辆参数信息和行驶信息,运用CMEM模型模拟了武汉市机动车微观尾气排放,并与实测数据进行了对比.数据分析表明,用CMEM模型计算的武汉市机动车实时排放数据与实测数据总体趋势是一致的,并对CMEM在武汉市的适用性和应用进行了探讨.     

AIS报文异常动态信息甄别方法

针对船舶自动识别系统(AIS)报文中的异常动态信息, 提出一种基于概率推理的包括先验知识提取、证据建模、证据合成与权重系数优化4个步骤的识别方法, 运用似然度建模方法将经过人工识别的AIS数据中的速度、航向角和轨迹位置信息转化为0~1之间的证据信度, 并用证据推理(ER)规则合成, 以验证过的AIS数据作为输入, 采用非线性优化方法修正证据权重系数, 利用武汉天兴洲大桥水域轮渡与武桥水域货船的AIS数据进行验证试验。试验结果表明: 在优化权重系数下武汉天兴洲大桥水域轮渡的正确数据、错误数据、总体数据识别准确率分别为91.67%、97.62%、92.63%;以总体偏差最小为目标时, 武桥水域货船的正确数据、错误数据、总体数据识别准确率分别为91.79%、89.87%、91.65%;以正确数据偏差最小为目标时, 武桥水域货船的正确数据、错误数据、总体数据识别准确率分别为93.18%、49.95%、90.03%。可见, 基于ER规则的AIS动态信息甄别方法能针对不同的优化目标灵活调整证据权重系数, 具有接近人工水平的识别准确率。