基于B／S结构的校园OA系统的设计与开发

基于C／S模式本身的不足，以及需要满足校园网中师生及工作人员在因特网上查询信息的需要，提出了基于B／S结构的校园OA系统。使用目前比较流行的技术方案（PHP＋MySQL）开发了Web服务器应用程序，使校园网络办公更加的高效、快捷、方便且数据信息安全可靠。     

基于模式设计的作战指挥系统测试环境的仿真

在简要介绍C^3I系统的基础上，结合系统仿真技术和软件设计模式思想，对海军作战指挥系统的测试环境中的功能测试需求进行分析，在此基础上提出了一个具体软件的实现过程，并比较了与目前方法的优劣。     

ODS用户接口实现技术

介绍适用于空中交通管制和指控系统开发的一套优秀开发工具-ODS Toolbox的适用领域及特点，并对ODS Toolbox基本编程概念进行了分析并阐述了各个对象间的关系，并详细讲解了ODS Toolbox提供的各种接口的实现技术，最后，提出了今后研究的方向。     

BTM辐射模式估计研究

在“轨道交通控制与安全”国家重点实验室应答器分析测试平台的基础上，参照UnisigSubset085规范，对测试应答器传输模块的辐射模式估计进行了xml语言规范描述，并基于Labwindows／CVI虚拟仪器开发环境，对测试系统中辐射模式估计功能进行实现，对模块的性能作出正确的评价有重要的指导意义。     

基于虚拟试验方法的气囊折叠方式对离位乘员损伤影响的研究

基于MADYMO软件建立了对称折叠和环向折叠安全气囊以及假人碰撞位置的虚拟试验模型。试验结果表明：环向折叠气囊对人体的主要损伤值都小于对称折叠气囊的相应值;试验中测得的所有损伤值都小于损伤评定参考值,并和有关实际试验的结果基本相同。虚拟试验是一种研究气囊折叠方式对离位乘员损伤影响的有效方法。     

华北高速公路交通事故的日迹变化与气象要素的关联分析

通过整理华北高速公路3年(2007年3月～2010年2月)逐时的交通事故资料,并与同步气象要素资料进行日迹变化分析,可以看到平均交通事故的日迹变化呈双峰型分布特征。由此,按交通事故双峰型的时间段(5:00～12:00和13:00～次日4:00),分别以年度、春季、夏季、秋季和冬季的平均交通事故与同步气象要素的日迹变化进行相关分析,其中平均气温、平均风速和平均相对湿度与交通事故的相关程度都通过了相应的统计学检验(R>Rα=0.05和F>Fα=0.05),而且在夏季5:00～12:00的交通事故高峰过程中,交通事故与风速呈指数相关的系数高达0.992 3,相当于平均风速每减小1m.s-1,交通事故的增加幅度为0.28次。为将自动气象监测的信息更好地服务于高速公路的交通安全,设计出了高速公路交通事故的气象风险等级指标。由此可见,华北高速公路交通事故的日迹变化与气象要素的分析成果,可为高速公路交通安全提供客观的科学依据。     

三峡库区变动回水区交通事故统计分析及对策研究

为更好地开展水上交通事故分析研究,提高我国水上交通安全水平,分别从船舶事故种类、时空分布等角度对2006～2010年三峡库区变动回水区水上交通事故进行统计分析,包括事故种类分布特征、事故时空分布特征等。统计结果表明：触礁、搁浅、碰撞、自沉4类事故占事故总数的85.43%;5月和8月为事故高发期,1月和12月事故数量较少。在此基础上进行了事故致因分析,并分别从船员、通航航行、船舶、管理几个因素出发,提出了改善对策。     

直觉模糊多特征融合目标类型识别模型

应用直觉模糊集完整描述目标识别特征与类型关系之间的模糊性和犹豫性,建立基于最大隶属原则的直觉模糊多特征模式识别的一般识别模型;针对战场目标类型识别问题中特征值不完全和识别特征之间独立的特点,定义了识别特征值识别价值测度和直觉模糊动态熵权,进而建立了基于最大隶属原则和动态熵权的多特征直觉模糊目标类型识别模型;通过应用实例计算与对比,说明提出的模型是有效的;所建立的模型对空中目标类型智能识别具有一定参考价值。     

Large-scale transit market segmentation with spatial-behavioural features

Transit market segmentation enables transit providers to comprehend the commonalities and heterogeneities among different groups of passengers, so that they can cater for individual transit riders’ mobility needs. The problem has recently been attracting a great interest with the proliferation of automated data collection systems such as Smart Card Automated Fare Collection (AFC), which allow researchers to observe individual travel behaviours over a long time period. However, there is a need for an integrated market segmentation method that incorporating both spatial and behavioural features of individual transit passengers. This algorithm also needs to be efficient for large-scale implementation. This paper proposes a new algorithm named Spatial Affinity Propagation (SAP) based on the classical Affinity Propagation algorithm (AP) to enable large-scale spatial transit market segmentation with spatial-behavioural features. SAP segments transit passengers using spatial geodetic coordinates, where passengers from the same segment are located within immediate walking distance; and using behavioural features mined from AFC data. The comparison with AP and popular algorithms in literature shows that SAP provides nearly as good clustering performance as AP while being 52% more efficient in computation time. This efficient framework would enable transit operators to leverage the availability of AFC data to understand the commonalities and heterogeneities among different groups of passengers.