信息传递

车展年年有,各地有。旁观者看来,车展就是一台汽车人的舞台剧,看上去唱主角的是汽车,实际上拿红白脸示人的是厂商,汽车仅是个道具罢了。尽管有些道具几年如一日地不变,可照样被厂商不厌其烦地拿来,自唱自戏。当然,戏的内容可能会有变化,或日升级,或日降价,或日…．．没有新内容的干脆就是摆个场予,请个车模,放点音乐,赚个媒体镜头,混个脸熟。近日,2012年北京国际车展举行,国内汽车与国外差距仍大,我们该从根源上找出路了。     

智慧仓储 让物流仓储智能化——物流仓储的智慧性研究

智慧仓储能实现仓储信息的自动抓取、自动识别、自动预警,并以此实现物流仓储环节的智能化管理,提高货物的出库、入库和移库效率。传统仓储管理中存在诸多问题,主要是由信息产生、处理方式等所带来的成本、工作效率问题。人工录入数据的方式不仅繁琐,数据量大易出错,而且盘点周期长,货损货差不能及时被发现。同时,货物出入库检验仅限于相关单据校对及货物外包装查看,难达检验目标。     

“金龙龙翼杯”踏上激情征程

依托"龙翼"系统的创新科技,可实现对驾驶行为和车辆运转实况等有关安全信息数据的实时采集,并依据考评数据,自动生成相应电子文档,进行统计、计算、评比,将竞赛结果自动排名,做到科学、公平、公正7月17日上午,"金龙龙翼杯"驾驶员大赛用车出征仪式在厦门金龙厂区举行。大金龙副总经理徐向东宣布,"金龙龙翼杯"机动车驾驶员大赛用车正式出征。搭载龙翼系统的比赛用车将历时四个月,奔赴全国20多个省份,深入宣贯"主动安全,节能驾驶"两大行业主题,助力2013"道路客运安全年"的全面建设。"金龙龙翼杯"机动车驾驶员大赛将在全国分5条线路进行,每条线路覆盖3-4     

基于大数据的综合交通枢纽信息服务

在全国经济和综合交通发展的大背景下,大量的综合交通枢纽亟需提高自身服务水平。传统的枢纽信息服务基本能满足枢纽的管理需求,但在大数据概念和方法的引导下,综合交通枢纽的信息服务能力将有质的飞跃。本文探讨了大数据背景下的枢纽信息化发展方向,枢纽管理者可以从数据中挖掘交通需求规律与运行模式,建立更优的应急响应和协调联动机制,并为区域发展提供指导。     

硅基半导体的“桑巴舞” MEMS激光雷达技术篇

激光雷达能被业界公认为自动驾驶不可或缺的高精度传感器,皆因其能以高密度点云提供准确的三维信息。它上次出现在本刊,应该是三年前所刊发的《自动驾驶的天眼——激光雷达是个啥》技术科普文章。三年时间过去了,激光雷达技术已经日益成熟并走向多技术路线并存,看来是时候用几期文章,给大家更新一下它的近况。     

基于交通信息的电动汽车制动策略及仿真

为了提高滑行能量回收经济性和踏板制动安全性、舒适性,基于交通信息,提出了电动汽车(EV)制动协调策略。分析了滑行制动的经济性,由交通信息和汽车行驶状态确定滑行制动强度;由道路信息和前方车辆信息建立汽车安全距离模型和碰撞预警策略,利用预警信息对滑行制动和踏板制动强度进行协调。对本策略进行仿真验证。结果表明:利用交通信息的滑行策略,在通行良好工况下综合能耗减少1.1%,拥堵工况下减轻驾驶员的制动疲劳;预警和协调策略避免了频繁预警,减小了紧急避撞触发几率。因此,利用交通信息能够辅助驾驶员进行更加合理的制动。     

《汽车安全与节能学报》入编《中文核心期刊要目总览》

2021年3月8日,本刊编辑部收到了北京大学图书馆《中文核心期刊要目总览》2020年版编委会的通知,获悉本刊入编《中文核心期刊要目总览:第八版(2020-2022年)》。自此,本刊继2020年成为中国科学技术信息研究的“中国科技论文统计源”期刊(即中国科技核心期刊)、中国科学院文献情报中心“中国科学引文数据库(CSCD)”来源期刊和CNKI的“中国学术期刊影响因子年报”的统计源期刊后,又进入《中文核心期刊要目总览》。     

大众奧迪变速器常见故障码解析(五)

(接上期)4.常见故障码P176 D00和P173 E00常见故障码P176D00-挡位促动器4不可控制(4/6挡)和常见故障码P173 E00-分变速器1中的阀1电气故障(图37)其故障现象为变速器进入应急模式车辆彻底不能行驶。该故障现象说明变速器启动了高级别的应急模式,而且说明两个变速器中都存在相应的故障信息了。接下来我们分别分析这两个故障码。     

IFC标准下隧道智能管理系统建立与应用

建筑信息模型(BIM)是一种有效的复杂工程信息综合管理方法,为了实现隧道类岩土工程信息在BIM模型中进行清晰、规范表达的目的,将IFC标准文件针对隧道领域进行相应拓展,实现了不同平台之间信息无损交互传递.通过参数化族建模方式创建隧道构件族库,采用坐标定位的形式拼装隧道工程模型,并将所建立的模型参照IFC拓展标准进行实体...     

基于UWB定位的邮轮乘员伴随关系发现算法

准确发现邮轮内部空间乘客之间的伴随关系, 在室内环境安装UWB定位设备开展室内人员定位实验。根据UWB定位的位置数据特点, 提出结合室内位置语义的Hausdorff-DBSCAN算法以聚类邮轮乘员轨迹, 并利用LSTM神经网络对疑似伴随关系对象进行相似度变化趋势的预测。传统的Hausdorff算法在计算轨迹相似度时未考虑轨迹时序一致的问题, 引入位置语义序列能够较好地解决这个问题。改进后的Hausdorff-DBSCAN算法的输入为乘员轨迹数据集, 根据轨迹整体相似度阈值选定聚类半径, 输出具有伴随关系的乘员轨迹聚类结果; LSTM神经网络以定长时间窗口的点邻近度序列为输入, 预测后1个时刻点邻近度值, 结合轨迹相似度阈值和预测结果分析乘员伴随关系的时序变化。利用Anylogic建模单层邮轮室内环境进行乘员仿真得到的轨迹数据验证算法的有效性。改进的Hausdorff-DBSCAN算法的准确率为0.920, 召回率为0.950, F₁值为0.934, 准确率高出对比算法至少5.7%, 召回率高出对比算法至少8.0%, F1值高出对比算法至少6.7%。同时LSTM在预测邮轮乘员之间相似度变化时, 收敛后的误差值能保持在3%~4%左右, 预测结果具有较高的准确性。