基于LeNet-5的编组站站内机车车号识别系统的研究

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。     

基于STAR-CCM+的螺旋桨水动力性能分析

文章运用公式将P4119螺旋桨二维坐标型值转换成三维坐标型值,导入Gambit2. 4软件建立几何模型。基于STAR-CCM+软件对该桨进行网格划分,设置边界条件和数值,仿真模拟不同进速系数下的转矩系数、推力系数、敞水效率和桨叶表面压力分布。经与试验值比较,误差均在10%以内,验证了计算结果的准确性,能够满足工程需要。     

基于TAM的通勤者出行方式选择影响因素研究——以天津市为例

本文在TAM中引入感知亲社会变量,通过实证研究,量化分析了态度和低碳相关的五个因素对于通勤者出行行为意向的影响及其内在关系。实证分析结果显示,功能因素、低碳意识、低碳习惯均通过感知有用性、感知易用性和感知亲社会性显著影响通勤者出行行为意向,其中的两个方面占据主导作用,分别是功能因素通过感知有用性和感知易用性对出行行为意向的影响以及低碳意识通过感知亲社会性对出行行为意向的影响;情感因素仅通过感知有用性显著影响行为意向;象征因素仅通过感知亲社会性显著影响行为意向。结论可为交通管理部门有针对性地制定政策措施,引导居民低碳出行,缓解城市交通问题提供参考和启示。     

基于量表型选择集的出行信息需求有序选择模型

研究了城市出行者日常活动和出行所需要的关键信息, 提出了一种针对量表数据的量化分析方法; 以出行者信息需求为研究对象, 设计了一项基于李克特5级量表的问卷调查; 总结了出行个体对各类出行信息需求程度的排名, 分别构建并标定了驾车线路、目的地位置和实时路况信息需求的有序选择模型; 与多项Logit模型在参数显著度、赤池信息量准则和对数似然函数值等指标上进行对比, 以验证有序选择模型的有效性, 并对影响信息需求的关键变量进行了局部效应分析。研究结果表明: 出行者在通勤出行前最需要公交运营变更信息, 而在通勤出行中最需要实时路况信息; 非通勤出行者最关注目的地位置信息, 在出发前和途中对目的地位置信息的需求概率较通勤出行前分别高出31.08%和29.25%;在职人员对信息的需求程度普遍高于学生和自由职业者, 说明时间价值高的人群更期望通过全面及时的信息获取来合理安排出行; 女性比男性对实时路况信息的需求概率高出10.23%, 说明女性对延误的风险规避意识更强; 20~40岁的人群出行信息需求最强烈, 随着年龄的增长该需求将逐渐下降; 各年龄段对实时路况信息都表现出了较高的需求, 说明人们对于有可能带来负面影响的信息更为敏感。可见, 采用有序选择模型能够精确分析量表型选择集。      

混合动力卡车

到目前为止，汽车行业混合动力传动系的应用主要集中在轿车上，卡车则不被注意。混合动力对城市轿车是一种很有吸引力的替代方案，这是由城市驾驶的低速和频繁刹车和起动的特点所决定的。这种方案应该同样适合城市货车才对。[编者按]     

消防巨擘——1：16美国通用汽车雪佛兰消防卡车仿真模型

通用汽车公司创建于1908年，其汽车产品销往200多个国家。2001年，通用汽车的轿车和卡车销售量高迭850万辆，占全球汽车市场逾15％的份额，超过其他任何一家汽车制造商。     

汽车制动试验台结构分析及其选用

汽车制动性能的检测通常分为路试检测和台式检测。路试检测能客观地反映车辆制动性能的情况,但由于受场地、环境、时间等因素的影响,存有较大局限性。而室内台式检测具有快速、方便、能测阻滞力以及左、右轮制动力协调时间等优点,广泛应用于汽车维修和性能检测行业。滚筒式制动