基于混合深度学习的地铁站进出客流量短时预测

针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络 (CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维 CNN 与 ResNet 组成深层神经网络,捕捉站点间的空间特征,同时利用一维 CNN捕捉客流量的时间依赖.最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证. 结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,ConvLSTM),本文 ResNet-CNN1D模型具有更好的预测精度.     

基于数据流集成回归的短时交通流预测

传统的交通流预测技术使用静态和离线算法,无法对模型的参数值和内部结构进行在线调整.然而,交通流变化具有明显的动态性,其内在模式会随时间发生变化,导致构建好的模型准确度下降.针对上述问题,提出了基于数据流集成回归的短时交通流预测模型.将不断产生的交通流数据划分成数据块,每个数据块训练1个基础回归模型,然后加权组合为集成模型.通过不断训练新的基础模型,并置换出集成模型中准确度最差的基础模型,实现在线更新.在实测数据上的对比实验结果表明,与静态离线的BN模型相比,模型的均方根误差降低了19.5%,运算时间降低了48.7%,并能够快速适应交通状况发生明显变化的情况,适用于城市主干道路的短时交通流预测问题.      

基于霍夫蕨的实时对象跟踪方法

基于霍夫变换方法难以在保持高检测精度的同时满足跟踪的实时性,且难以适应初始训练样例十分有限的情况,为解决上述问题,提出一种基于霍夫蕨的对象跟踪方法.该方法以随机蕨作为基础检测结构,将对象的局部表观作为学习数据,在其每个叶节点中计算并保存霍夫空间中属于目标对象的投票概率,在运行时通过在线学习该检测器和对象模型,适应对象表观的变化.结合对TLD跟踪框架的改进,实现了无约束环境下长时间的可视跟踪.在Babenko视频序列集上的实验结果表明,提出的对象跟踪方法在普通PC上的平均运行速率为3帧/s,平均准确率为87.1%,总体上优于现有的跟踪方法.      

基于零样本深度学习的码头表观剥落病害区域分割与定量计算

随着无人机与数字图像处理技术的发展,基于机器视觉的表面病害识别方法因具有安全与快速性,广泛应用于桥梁和道路等方面。由于码头剥落病害图像较复杂,目前该方法难以实现码头表观剥落病害的精确分割与定量分析。提出一种基于零样本深度学习模型SAM(Segment Anything Model)与图像透射变换矫正等技术相结合的码头表观剥落病害区域分割与量化计算方法。SAM算法能够有效克服混凝土剥落图像背景噪声多、灰度差异小的问题,分割方法精度更高、受噪声影响更小;进一步通过矫正、去噪、转换等图像处理操作,实现了对剥落病害关键几何特征的量化计算。经实验室模型与现场图像验证表明,新构建的方法泛化能力强、准确性高,能够实现对码头混凝土建筑表观病害的准确和快速检测,具有广泛的应用前景。     

列车车站停车的启发式自学习算法及仿真

利用北京亦庄线采集的大量实际停车数据搭建了列车仿真模型,基于站内安装的固定应答器提供的定位信息提出了启发式学习算法动态调整控制器输出.通过仿真表明,启发式学习算法相对于传统的PID算法和无学习算法有较强的适应能力.在仿真条件变化的情况下,能够将停车误差控制在±30 cm范围内.对比PID控制,启发式学习算法减少了控制输出在停车阶段频繁变化的次数,延长了制动系统的使用寿命.该方法计算量较小,在实际运用中有着广阔的前景.     

不确定时滞系统的PD型迭代学习控制算法

针对不确定时滞系统,在网络时滞范围已知情况下,采用改进PD型迭代学习控制算法补偿网络时滞.在初态是严格重复时,给出这类系统的极限轨迹和迭代输出收敛于该极限轨迹的充分条件.并与P型迭代学习控制算法进行比较.仿真结果表明改进后的PD型迭代学习控制算法能够有效地补偿此类时滞.当网络时滞范围变窄时,能够更加精确跟踪极限轨迹.在相同迭代次数情况下,PD型迭代学习控制算法比P型迭代学习控制算法能更快收敛于极限轨迹.     

个性化英语教学中的交互式形成性评价研究

教师在开展个性化英语教学时,往往忽略了对学生个性化学习过程的跟踪、考核.在个性化英语教学中,应该引进全面、客观、有效的交互式形成性评价体系.通过自我评价、小组评价、教师评价和社会评价,加强对学生个性化学习过程的监控、考核,培养学生的自主学习能力和合作学习能力,提高个性化英语教学质量.     

创建学习型组织是企业发展的新动力

建设“学习型社会”大厦,必须有许多“学习型组织”的基石才能建成.宇通十余年来的稳定、持续、快速发展,是一个不断学习、总结、提升过程.现代企业竞争实质上就是整个组织学习力的较量,谁能迅速提高组织的学习力,谁就赢得了发展的主动和领先优势,谁就会在市场竞争中长期保持发展的优势.宇通在这方面的多年实践,走出了一条学习创新、竞争发展的新路子.     

元认知策略对学生英语成绩的影响

元认知策略是学习策略重要的组成部分,掌握了元认知策略,学生便可以对自己的学习进行管理,其重要性不言而喻.本文通过进行为期一年的对照实验,发现元认知策略对学生英语学习成绩有一定的影响,并有可能对学生其他方面产生正面影响,大学里应该加强元认知策略的学习和训练.     

探寻英语“合作教学”之路

普通高级中学英语新课程标准中指出,合作精神的发展是基础教育阶段英语课程的主要任务之一。本文对合作教学在高中英语中的有关问题和实践应用上进行了探讨。