公交热线到市民服务热线参观学习

为了提升济南公交热线服务质量和整体服务水平，总公司客服中心工作人员到12345市民服务热线参观学习。     

基于强化学习的平行航班动态定价

由于平行航班之间的竞争越来越激烈,为提高航空公司收益,对机票销售系统中的航班和旅客分别建模。将航班的动态定价问题建模成马尔可夫博弈过程,对混合类型旅客建立Logit选择模型。利用多Agent的强化学习算法对实例进行求解,结果表明WoLF-PHC算法收敛所需迭代的次数大于Nash-Q算法,但在计算速度上WoLF-PHC算法优势明显,且具有较强的适应能力。此外,航空机票的定价策略与其他易逝品有所不同,整体呈现上升趋势。而旅客环境参数的变化,也会影响定价策略。基于WoLF-PHC算法得到的定价策略对于收益提升具有积极作用。     

基于深度学习的机器视觉技术在造船中的应用

近年来,以人工智能为代表的新兴技术日渐成为了传统行业生产力提升的增倍器.在船舶建造领域,为了实现高质量发展,智能制造技术的推广势在必行.由于其显著的特性,基于深度学习的机器视觉技术正应用于越来越多的造船工艺流程中,为提高生产效率、提升产品质量做出越来越重大的贡献.     

公铁联运是大物流的必然选择

近年来，随着省级公路的改造、高速公路网络的逐步形成，道路运输业得以快速发展。路网建设的日趋完善带动了综合运输体系内各种运输方式之间的市场竞争，其中道路客货运与铁路客货运在客源与货源上的争夺更为激烈。     

客车捎带模式下高铁快捷货物输送方案研究

以提高高铁快运当日达产品的时效性、收益率为核心,对既有载客动车组捎带模式下的快捷货物输送方案进行优化。借助时空网络以列车运行成本与时间惩罚费用之和最小为目标,同时满足货主时限、列车容量以及列车停站方案等约束,建立输送方案优化模型,通过匈牙利算法,并借助Matlab的Yalmip工具箱求解模型。以兰州西站至天水南站、宝鸡南站及西安北站部分时间段的快捷货物运输需求为背景进行算例分析,验证模型的有效性。结果表明合理估算列车装载容量及货物的延迟时限对输送方案的选择起重要作用。     

多模式船舶物流信息自动化监控系统

因为存在大面积的网络区域影响,传统船舶物流信息监控系统存在数据延迟问题,很容易影响物流监控效果,造成数据滞后。为了解决这一问题,设计基于当前无线网络技术,制备新型多模式船舶物流信息自动化监控系统。搭建物流终端信息收发器作为物流信息监控底端硬件设备,及时采集物流信息,基于无线网络传输协议,制备CDMA数据核心网络传输模块,连通物流数据终端收发器和当前局域网络,构件不同局域网络之间的入网协议,利用监控信息随机代码确保局域网络载波同步,降低数据传输阻隔,实现多模式船舶物流信息自动化监测。实验数据证明,应用该监控系统,船舶物流信息读入速率提高了20%,读出速率提高了17%,有效降低数据传输延迟。     

基于半监督SVM的交通方式特征分析和识别

为解决基于手机信令数据识别大规模用户交通方式问题,多维度分析出行方式特征,提出结合主动学习和Tri-training的半监督支持向量机算法。以手机信令出行链为基础,将出行特征划分为距离、时间、速度、出行者属性等四类,并进一步研究多维度特征及其计算方法 ,基于有向无环图设计一种结合主动学习与基于Tri-training的半监督多分类支持向量机。运用HY市手机信令数据构建样本集并训练该分类器,与多种监督学习分类算法进行比较。结果表明主动学习构造的富含信息的已标记样本集可以减少半监督学习的迭代次数,Tri-training半监督支持向量机可以通过大量未标记样本提升分类器准确率,结合主动学习与Tri-training半监督支持向量机算法可以有效地识别手机信令数据出行链的交通方式。     

EOP子博弈精炼模型在海上无线传感器网络中的应用

随着海上无线传感器网络技术的广泛应用,无线传感器网络在海洋环境监测、海洋环境保护等领域发挥着越来越重要的作用,由于无线传感器网络中节点的能量有限,如何降低网络数据传输能量消耗,延长无线网络寿命,是该领域的研究重点。本文利用博弈论解决无线传感器网络中节点路由选择和冲突平衡的问题,对EOP子博弈精炼模型在海上无线传感器网络中应用的可行性进行研究,提出由簇头选举模型和簇间路由选择模型组成的路由算法。