面向大数据节点的动态可信度评估模型

大数据处理平台分布式、大规模等特性,使得各个节点间的信任问题变得日益突出.针对现有模型中对节点进行评估时存在灵活性差、未充分考虑历史访问信息、固定权重等缺点,文中提出了一种基于大数据平台节点的动态可信度评估模型,考虑了节点交互中由于非恶意因素导致失败的情况,同时还兼顾当前时间片交互与历史交互次数的权重问题;提出了利用相似度为信任值赋权重,并且给出相似度计算方法.实验证明,文中提出的模型对节点的可信度评估具有一定的动态性,而且相较于其他模型具有更好的效果,更加适用于大型集群中节点的可信度评估.     

国际动态

<正>希腊新政府叫停向中国出售地中海最大港口计划据路透社报道,希腊新政府2015年1月27日宣誓就职当天叫停了该国最大港口比雷埃夫斯港口(Piraeus)的私有化计划,该港口多数股权原本将出售给中国国企,被视为希腊近几年最成功的私有化案例。希腊激进左翼联盟(Syriza)胜选组阁后负责航运的副部长Thodoris Dritsas表示,将中止上届政府启动的向中方出售港口股权的进程,希腊新一届政府将根据希腊人民的利益重新审核同中国中远集团的交易。之前,     

水位升降对库坡渗流场及稳定性影响

依托某库区边坡工程,通过现场水文地质勘察、室内试验,掌握库岸边坡岩土工程性质,结合干湿循环试验、理论分析及数值仿真软件,研究该工程蓄水期及运营后水位动态升降变化下的库岸边坡稳定性。结果表明:在高水位时,地下水浸润线呈"凹"形,低水位时则为"凸"形。库区水位在正常蓄水位30 m、最高蓄水位36 m之间可视为安全水位范围。本研究可为此库区边坡防护与库区水位调度方案提供参考。     

基于Multi-Agent的动态路径诱导系统

动态径路诱导是现代智能交通系统研究的一个重要领域。文章使用Multi-Agent技术思想,运用Java语言,结合动态路径诱导的实际需求开发动态路径诱导系统。基于各Agent间的实时交互信息,包括路段Agent提供的路况信息、路口Agent提供的交通信号信息、车辆Agent提供的车辆行驶及诱导需求信息,运用改造后的A*智能优化算法,实时计算诱导车辆当前位置下的最优路径。同时引入区域控制Agent与中心决策Agent对全局进行控制,避免局部最优及交通拥堵漂移现象的发生,从而达到整个路网的优化。完整地仿真了一个功能齐全的动态路径诱导系统,并且验证了该动态路径诱导模型的可行性及有效性。     

影响公交驾驶员安全心理的因素与疏导对策

安全是公交企业发展的基础,在公交的生产经营中,驾驶员起着主导作用,如何快速识别出影响公交驾驶员安全行车的心理因素并及时疏导,是个需要深思的问题。2020年7月7日,交通运输部发文要求“切实强化城市公共交通安全管理。要督促公交企业密切关注驾驶员身体、心理健康状况,严禁心理不健康、身体不适应的驾驶员上岗从事营运,严禁客运车辆带病运行,加强公交车运行动态监控,及时提醒和纠正不安全驾驶行为。”这是对公交车运行安全的关注和对公交驾驶员安全行车心理问题的重视。对此,本文围绕公交驾驶员的职业心理特点、影响安全的心理因素及对策展开研究。     

探讨基于微观交通仿真的动态交通管理优化问题研究

随着社会经济的不断发展,交通运输业进入了快速发展阶段,交通问题成为人们关注的重要问题。有效的交通管理能够有效减少交通拥堵的情况,提高交通路网的通畅性与安全性。利用微观交通仿真模型,对交通拥堵等各种交通现象进行分析,实现最佳的交通管理。阐述了在微观交通仿真系统上构建的动态交通管理双层模型,结合模型介绍了其主要的运算方法模拟退火运算法,并用案例证实了双层模型对动态交通管理优化的最佳效果。     

家庭光伏发电系统动态经济调度研究

随着光伏发电技术的快速发展,我国安装光伏发电系统的用户逐年增长,研究家庭光伏系统动态经济优化调度问题具有重大意义。以用户收益最大化为目标函数,设置上网比例和买电比例作为决策变量,充分考虑家庭光伏发电系统的并网收益、购电支出、政府补贴、光伏阵列和蓄电池系统维护支出等因素,确定了发电系统的经济效益调度模型。在MATLAB仿真环境中,以某家庭光伏发电系统24 h内的运行调度为算例,选取目前市面上实行的几种购电电价机制,采用改进型粒子群优化算法对所建立的模型进行寻优求解。分别比较了基本不同电价机制和不同的负荷情况下所得到的最优收益,最终为调度者提供了最好的调度策略。     

国内动态

<正>首个由中国主导制定的PSC检查技术标准在亚太地区试运行近日,东京备忘录秘书处发布《Note of Attention for PSCOfficers》(港口国检查官通告),要求各成员国试运行《船舶能效规则PSC检查导则》(以下简称《导则》)标志着该《导则》在亚太地区的正式推广实施进入倒计时阶段。作为首个由中国主导制定的PSC检     

基于CapsNet模型的过程故障识别研究

为了实现过程故障的识别诊断,文章使用CapsNet模型训练数据。首先,运用网络模型的空间特性,以向量的形式对训练数据进行特征表示、归一化处理。然后,进行卷积操作,在动态一致路由更新上进行故障分类。最后,增加重构模块来对输入数据矩阵反馈修正,降低损失误差,使网络快速收敛。同时,在每一层网络进行特征可视化,能清楚看到每一层网络特征图的变化。实验结果表明,文章模型的过程故障识别性能优于其他神经网络模型。