长江中游生态护岸工程的岸坡植被分布特征研究

近年来长江中游河道治理和航道整治工程中采用大量的生态护岸技术,且取得较大生态效益,但是经过现场调查发现在生态护岸岸坡存在一条明显的青黄线.针对此问题,以长江中游航道整治工程新厂护岸工程和桃花洲护岸工程为例,以青黄线为界将岸坡分为青绿带和青黄带,分析岸坡上青绿带和青黄带狗牙根分布特征及其形成的原因,并通过统计水位累计频率...     

BIM与GIS融合技术在航道整治工程中的应用

针对航道整治工程中BIM技术无法管理条带状工程、难以表达工程周边地理信息等难点,通过梳理BIM与GIS数据特点,研究探索BIM与GIS融合技术,提出了通过格式转换、坐标转换和数据关联实现BIM与GIS融合的方法。将研究成果应用在蕲春水道航道整治工程,验证了BIM与GIS融合方法的可行性,实现了BIM与GIS数据一体化浏览、显示、管理、分析等功能,解决了BIM无法管理大范围工程、无法反映工程周边环境的不足,为BIM与GIS技术在航道整治工程中的应用提供了技术支撑。     

基于BIM的数字建造工业化平台中业务管理的多源数据集成关键技术研究

随着BIM技术的不断发展,BIM平台在施工全过程的应用逐渐丰富。集成整合平台背后全生命周期的工程数据,并将数据传递至工程建造各个环节当中进行应用,是BIM平台发挥作用的本质。如何在工程的全生命周期收集和整理工程数据库,并传递至各个工作流程中发挥作用,是开展BIM平台建设的重点。以乌鲁木齐市东进场高架道路工程为实例,重点研究BIM平台中工程数据库的建立,分析如何在项目的设计阶段和施工过程中采集工程数据,并将工程数据库应用于项目管理。     

基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型.首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BM...     

铁路客车轮对踏面硌伤自动分析系统的研究与实现

为了解决客车轮对踏面硌伤人工分析效率低且质量不高的问题,基于大数据关联分析技术,构建了一套硌伤自动分析系统.从硌伤排查、自动分析、故障定位、统计分析4个方面分析系统的主要组成和功能,探讨了实现系统的关键技术.系统的应用提高了对客车轮对踏面硌伤分析和故障排查的效率.     

汽车线控转向系统的初步研究

线控转向是汽车未来转向技术的发展方向。简单介绍了汽车线控转向系统的结构和工作原理：重点分析汽车线控转向系统的安全性,阐述线控转向系统的失效原因及失效模式,提出一种安全结构,并对该结构硬件和软件设置进行分析;最后指出当前发展汽车线控转向系统的关键技术。     

客车侧翻试验及评价方法研究

针对国内某型客车的实车侧翻试验,通过采集、处理试验数据,探讨客车侧翻试验及评价的方法和内容,为其他客车侧翻试验提供经验。     

车架平面度检测方法与原理

详细地介绍了平面度检测方法和误差评定,选用水准仪及特制标尺,用水平面作为车架平面度进行检测的模拟基准。分析了自制专用标尺的检测方法及原理。     

基于北斗短报文的船舶连续轨迹传输压缩方法

本文开展基于北斗短报文数据传输压缩方法的研究.该压缩方法通过设计的短报文压缩编码规则,实现利用北斗卫星系统的短报文功能传输远离海岸船舶的连续轨迹.方法设计合理、简单易行、使用方便、传输快捷有效、性能稳定可靠、应用广泛,应用效果非常显著.     

Efficient missing data imputing for traffic flow by considering temporal and spatial dependence

The missing data problem remains as a difficulty in a diverse variety of transportation applications, e.g. traffic flow prediction and traffic pattern recognition. To solve this problem, numerous algorithms had been proposed in the last decade to impute the missed data. However, few existing studies had fully used the traffic flow information of neighboring detecting points to improve imputing performance. In this paper, probabilistic principle component analysis (PPCA) based imputing method, which had been proven to be one of the most effective imputing methods without using temporal or spatial dependence, is extended to utilize the information of multiple points. We systematically examine the potential benefits of multi-point data fusion and study the possible influence of measurement time lags. Tests indicate that the hidden temporal–spatial dependence is nonlinear and could be better retrieved by kernel probabilistic principle component analysis (KPPCA) based method rather than PPCA method. Comparison proves that imputing errors can be notably reduced, if temporal–spatial dependence has been appropriately considered.