浅谈深度学习技术在交通态势预测中的应用

随着区域经济的增长, 公路通行需求呈爆炸式增长。 高速公路作为区域的主干道和大动脉, 路网通行能力和通行需求之间的矛盾越来越突出, 拥堵成为高速公路运营管理最大的痛点之一。 高速道路运营单位、 政府管理部门亟需一种实时性强、 可靠性高的路况分析技术为拥堵治理提供服务。 传统的分析技术 (如机器学习、 统计学方法等) 无法满足处理海量的多源异构数据的需求。 随着近十年来大数据技术和 GPU 计算能力的发展, 深度学习技术这门新信息技术日益成熟, 拥有强大的数据处理能力。 在交通态势预测领域, 借助深度学习技术处理海量的交通数据可以实现道路通畅度的高精准、 高可靠性预测, 再辅以主动管控和车路协同技术来提升高速路网的通畅性和安全性。 文章首先简要介绍深度学习技术的发展历史和交通态势预测领域的发展现状, 再浅析深度学习在智慧高速中的应用场景, 最后分析深度学习技术面临的隐患并进一步对深度学习进行展望。     

基于键图理论的汽车平顺性仿真分析

探讨键图理论用于汽车平顺性仿真分析的方法,将所建立的汽车四自由度振动键图模型与Matlab的Simulink仿真工具箱仿真方框图相连接,直接利用Simulink的可视化功能,实现汽车平顺性可视化仿真。键图模型和Simulink仿真工具箱的连接可使键图理论在汽车系统仿真分析研究中更为简便、快捷。     

长江干线电子航道图全线贯通

<正>本刊从长江航道局获悉,以长江干线电子航道图成果通过专家验收为标志,长江干线2687.6km航道实现了电子航道图的全线贯通。电子航道图全面应用到航运生产后,在长江上驾驶船舶将能够像在陆地上开     

山区航道数字化测图探析

随着国力的增强,国家信息与电子技术飞速发展。贵州内河航道测图技术也得到很大的提高,投入人力、物力大大减少,工作效率却大大提高。     

基于维特比算法的卷积码译码器设计

卷积码的状态转移规律可以用网格图来描述,网格图是一种能清楚显示状态转移的时间依赖性状态图。文章在介绍卷积码原理的基础上,对维特比译码实现过程中的状态网格图的规律进行了深入研究,采用了状态路径度量的＂加、比、选＂运算方法、保存路径转移的回溯译码方法等,有效的提高整个卷积码译码器的性能。最后进行了编程仿真,结果显示维特比译码的效果比较理想,满足了设计的要求。     

基于模糊神经网络的内河船体结构智能审图系统的开发研究

依照<钢质内河船舶入级与建造规范>(2002),在内河船体结构规范审图系统的基础上,利用模糊神经网络原理和可视化编程工具VB,开发内河船舶船体结构智能审图系统.     

中海达海洋导航软件的数据处理方法

在水深测量监理的工作中,水深数据的处理是工作的难点。文章通过对常用的水深测量导航软件＂中海达海洋测量导航软件＂的数据处理方法研究,开发出了该常用导航软件的数据处理方法程序,解决了水深测量监理中的关键难点。     

内河电子航道图制作质量控制

文章介绍了内河电子航道图的定义及主要特点,并以柳江电子航道图制作为例,重点阐述了内河电子航道图的质量控制措施及电子航道图的发展前景。     

基于Ginigram和CHMR的列车轴箱轴承早期故障自主识别方法

为解决列车轴箱轴承故障诊断技术面临的多信号源混叠和早期故障程度无法量化的问题,首先,将经典Kurtogram方法采用的峭度改用基尼系数（Gini Coefficient）,并将1/3-二叉树滤波方法与基尼系数结合形成Ginigram信号预处理方法,从多源混叠的轴承振动信号中快速提取微弱故障特征;然后,基于预处理信号的平方包络谱,提出一种新的统计指标循环谐波中值比（Cyclic Harmonic-to-Median Ratio,CHMR）,有效量化轴承故障部位和程度的信息,并根据西格玛原则完成轴承故障程度的自主分级。为验证方法的有效性,通过列车轴箱轴承试验台进行正常轴承与自然磨损轴承的对比试验。结果表明：相比于采用峭度的经典Kurtogram方法,采用Ginigram对多信号源混叠的故障信号处理效果更优;在故障部位识别方面,CHMR能够精准诊断轴承故障部位;在故障程度量化方面,CHMR相较于现有的循环分量比、二阶循环平稳指标和故障出现率,能更清晰地量化区分轴承的故障程度。     

基于高斯回波包络模型的悬索桥索夹螺杆轴力识别

为有效评估悬索桥索夹螺杆轴力的损失程度,提出一种可实现数据自诊断的索夹螺杆轴力超声识别方法.该方法对螺杆超声回波包络进行高斯建模,提取回波声时,并根据模型确定系数剔除异常信号;进行螺杆标定试验,确定标定螺杆应力系数和温度系数,得到螺杆轴力计算公式,并进行螺杆轴力识别.结果表明:回波中心频率为3.5～4 M Hz时高斯回...