车机联控语音系统开发

随着铁路运输能力的不断提高,车机联控作为保证铁路运输安全的有效管理手段,已成为作业标准在全路推广。车机联控语音系统的开发不但使车站值班员从繁重的劳动中解放出来,还能使其将更多精力放在行车组织上,提高行车效率。从系统的功能、架构、设计过程等方面详细阐述了其实现过程,并在与编组站综合自动化（SAM）系统联调时达到了较为理想的效果。     

米其林在世界耐力锦标赛中再获佳绩

在第60届12小时美国Sebring耐力赛中，使用米其林轮胎的奥迪大获全胜，而在此之前奥迪已经占据了总积分榜及LMP1积分榜首位。米其林赛事技术总监NicolasGOUBERT说：“12小时Sebring耐力赛是新的世界耐力锦标赛及2012美国勒芒系列赛的开场赛，我们非常高兴在这场比赛中获胜，并希望能够在接下来一系列竞争更加激烈的赛事中，彰显米其林的性能和品质。由于大量新技术的使用，2012年度耐力赛赛季在提升汽车能源效率方面向前迈出了一大步，而我们也成功地提供了与之相匹配的轮胎技术……”     

中国交通运输效率评价体系研究分析

<正>交通运输效率水平的高低是衡量一个国家 或地区交通运输发展水平的重要依据,也是运 输经济学的研究重点之一。由于研究方法和相 关统计数据等因素的限制,目前国内对交通运 输效率进行系统性定量分析的研究还不多。本 文在专题研究的基础上,初步给出了评价交通 运输效率的指标体系和评价方法,并对中国和 部分典型国家的交通运输效率进行了测算。 一、交通运输效率的界定 交通运输效率是指运输活动中所消耗的劳 动量与所获得的劳动效果的比率,即要素投入 与有效产出之比率。 交通运输可概括地划分为城市交通与城间     

中国交通运输效率评价体系研究分析

<正>[接上期] 二、交通运输效率综合指标评价法及指标体系 1.交通运输效率综合指标评价法 （1）方法的引入 综合指标评价法指具有一定逻辑联系和一定度量功能,可以从不同侧面和角度较综合系统地反映和衡量某一事物本质特征的一个指标。 综合指标评价法用于评价交通运输系统的效率,即通过一些含义比较明确、具体的指标分类,计算影响交通运输效率的各分项指标值,然后通过各项指标所反映的与运输效率相关程度的大小,赋予不同指标以相应的权重,最后通过     

合金泡沫:商用车尾气后处理技术新选择

正由于材料和结构的特性,与目前普遍采用的陶瓷、粘土催化剂载体相比,合金泡沫的传热特性更好,反应速度更快,转化效率更高。2013年7月1日,重型柴油车国Ⅳ排放标准如期实施。虽然在推行的过程中遇到重重阻碍,但不可否认的是,排放控制升级已是大势所趋。与此同时,全国各地多次出现的严重雾霾天气也再次将治污减排推向了风口浪尖。作为机动车排放"大户"的商用车尾     

商用车辆与高效运输

影响商用车发展的因素和发展方向商用车的发展与很多因素有关。首先,商用车作为生产资料,直接与区域经济、国家经济和世界经济的发展水平相关联,因此保持经济的可持续发展和努力扩大市场范围是我们永远的方向。其二,商用车制造行业的政策、法规环境和管理模式是其发展的必要条件,如果我们把汽车制造厂比作一棵生长的大树,     

海洋放射性在线监测装置研制及效率校准

日本福岛核电站爆炸事故发生以来,海洋放射性监测比以往更加受到国内外海洋监测领域和国家有关部门的关注。本文研制了一套基于Na I(Tl)探测器的海洋放射性在线监测装置,并采用蒙特卡罗模拟和实验验证相结合的方式,对其效率校准方法进行研究。结果表明,蒙特卡罗模拟获得的探测器针对40K(1 462 ke V)的探测效率是1.73×10–4 cps/(Bq*m–3),与通过现场实验测量计算得到的值具有较好的符合性。     

山区公路路线设计及其质量控制

任何公路的路线设计都是公路建设的第一步，其设计的好与坏，合格与不合格直接影响公路施工的成与败。对于环境恶劣的山区公路而言，合格的路线设计显得更为重要。合格的山区公路路线设计可以有效的利用山区有限的资源，合理的控制成本、提高土地利用效率、保护山区环境、促进山区的经济进步。     

烽火6轮 Covini C6W Spider

C6W的6个轮子非常"雷人",这种6轮设计源自上世纪70年代的Tyrrell6轮F1赛车(附图),后来因为负载重量分布问题和FIA的限制,最后被停止使用。不过车头的4个轮子可减轻前轮爆胎漏气的危险性,有效提升制动效率,令车辆的循迹性更好,也令驾驶更舒适安全,是一举多得的特殊设计。     

基于深度学习的破碎带盾构施工沉降预测分析

为进一步提高复杂地层条件下盾构沉降预测的准确性，以广州地铁7号线1期工程谢村站-钟村站区间盾构工程为依托，针对破碎带盾构隧道沉降控制难题，提出基于深度学习的人工智能预测模型。通过分析开挖面破碎带分布规律，确定将破碎带面积比作为地层特性参数。采用相关系数矩阵分析不同施工参数与破碎带面积比的相关性，确定采用刀盘转矩代表破碎带面积比实时描述地层分布特性。以刀盘转矩、盾尾间隙与注浆量作为输入值，地面沉降作为输出值训练深度学习模型，并利用训练后的深度学习模型进行沉降预测分析。通过分析预测结果与沉降实测值的对比验证预测模型的有效性。