最争议超车秀 2012 F1德国大奖赛

对于一场赛车比赛而言,最激动人心的莫过于超车的瞬间,两车交错中,速度决定一切。超车,似乎理所当然。然而在霍根海姆,超车,绝没有那么简单。超还是不超,这是一个难题,至少,在霍根海姆它是。我们无法揣测,在决定是否超车的万分之一秒,汉密尔顿和维泰尔是否与我们一样纠结,但不可否认的是,这两起极具争议的超车事件,并不会因为方格旗的挥动而停止。争论,仍在继续,阵营也逐渐分化,有人说超得有理;有人说罚得应该。     

2011年我国专用汽车领域重要事件回顾

受国家宏观经济政策影响,2011年卡车、专用汽车和挂车市场开始降温,甚至是负增长,专用汽车（挂车）行业企业度过了较为艰难的一年。但专用汽车领域仍不乏亮点。本刊编辑部专门筛选了一些对行业有促进、对企业有深刻影响的重要事件,与读者一起回顾。     

TRW开发多轴加速度传感器,满足汽车安全法规升级要求

汽车安全系统的领先供应商——TRW(天合)汽车控股集团正在开发能从多个方位同时检测碰撞情况,感应能力更强的远程加速度传感器(RAS)。常规碰撞感应加速计仅可从1个角度测量加速度数据,即正面碰撞时的纵向加速度(X轴)或侧面碰撞时的横向加     

10月广东省各类海（水）上报警同比下降

10月,广东省海上搜救中心值班室共接报各类海上报警事件42宗,其中：海（水）上遇险事件25宗,误报警13宗,其它事件4宗。接报海上遇险人员106人,经全力组织救援,获救102人,救助成功率96．2‰获救船舶128艘,船舶遇险沉没3艘。协调组织派出国内参与救助船舶111艘次,国内救援飞机4架次。     

基于双线阵相机的高铁CPⅢ自动测距系统

本文设计了一种高速铁路CPⅢ的自动测距系统,该系统以双线阵相机作为CPⅢ的图像采集设备,运用HALCON软件对采集到的CPⅢ图像进行自动识别得出CPⅢ中心的像素坐标,利用交汇测量原理计算出CPⅢ在相机坐标系中的位置,再经过坐标系的变换得出CPⅢ到铁轨中心的距离,通过Visual C++2008编程将图像采集、自动识别、计算等集成一体,实现了CPⅢ的自动测距,与全站仪、经纬仪等仪器比较显的方便许多。     

基于CNN的城市道路交通事件检测算法

交通事件检测是预防和缓解城市路网偶发性交通拥堵的重要手段.基于卷积神经网络(CNN)和浮动车数据(FCD),提出1种改进的城市道路交通事件检测算法,形成城市道路交通流的时空特征与交通事件之间的映射关系.将道路按照交叉口分段设置,重构具有时空特征的多维信息输入张量,通过时空矩阵来描述完整的道路交通流时变信息.在隐藏层和输...     

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域，研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络，通过学习交汇水域船舶的历史轨迹，以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征，LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择，从而形成船舶轨迹与航行意图识别模型。同时，引入Dropout网络结构描述该模型的预测不确定性，采用随机关闭CNN+ LSTM核心网络部分神经单元的方式，以相同轨迹序列作为输入获取多组相近的预测结果，根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验，创建了该交汇水域船舶航行轨迹数据集，以输入时长60 min，采样频率3 min作为输入条件，Dropout值取0.5，实验结果表明:所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile，航行意图识别准确率达87%，不确定性估计覆盖率达85.7%。与LSTM预测方法相比，当船舶操纵性发生改变时，所提CNN+LSTM模型的轨迹预测误差降低了31.6%，而且兼具船舶航行意图识别及预测不确定性估计能力，有利于智能航行与海事监管技术发展。      

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

突发公共卫生事件下公交调度时刻表优化方法研究

在新冠疫情等突发公共卫生事件下,公交调度在保障出行的同时如何应对疫情防控要求是一个新的课题,本文分析了公交车内环境特点、防控措施等影响病毒传播的主要因素,基于SEIR传染病模型,以降低病毒传播风险和社会经济运行损失为目标,考虑疫情期间乘客出行需求和公交企业提供服务水平相匹配,在乘客满载率不超过安全阈值、发车时间间隔等约束条件下,构建突发公共卫生事件下公交发车时间间隔非线性规划模型.使用matlab求解该模型,并结合实例予以验证,为公交企业在突发公共卫生事件下的发车时刻表编制提供理论依据.