福田欧V定义高端豪华客车新标准

近几年中国的客车行业得到快速发展,但是在产品的可靠性、安全性、人性化等方面,与国际高端豪华客车产品相比,还有一定的差距.以"技术创造价值、质量赢得市场"为经营理念的福田欧V客车公司,立志改写这样的局面.近日,该公司针对国内外快速发展的高端旅游客运市场,精心打造出国际水准的12m系列豪华城间客车新品.     

论城市轨道交通 运营管理创新体系的构建

城市轨道交通行业已经进入集中跨越式发展 阶段,逐步升级的乘客需求与尚处于转型阶段的运营 管理之间的矛盾逐渐显现。为缓解这一矛盾,城市轨 道交通企业需要构建运营管理创新体系。可持续发展 的创新管理体系涵盖理念创新、体制创新、机制创新、 服务创新。理念创新的核心是坚持“以人为本、网络统 筹、安全第一”; 体制创新是由网络管理体制、公益性管 理体制、城市公共安全管理体制来决定企业管理体制; 机制创新是站在大规模网络运营的角度,通过管理集 约化、扁平化、社会化,提升管理效率; 服务创新就是通 过鼓励特色运营服务、主动管理乘客需求、突出公益性 服务等,提升乘客的满意度。理念创新是思想先导,通 过体制创新和机制创新营造创新的环境,实现服务创 新的目标,从而最大限度地满足乘客的出行需要。     

追求更经济合理的列车运营速度

<正>宁杭城际铁路于2013年7月1日正式通车,其设计速度为350 km/h。运营初期最高运营速度为300 km/h。这一速度乍看没有什么新的突破;细思之,则其设计理念已悄然发生了变化,那就是"追求更经济合理的列车运营速度"。这是值得肯定的。2010年8月开通的沪宁城际铁路全长300.33 km,设31座车站,平均站间距约10 km,最高运营速度为350km/h;2010年10月开通的沪杭城际铁路全长160 km,设9座车站,平均站间距20 km,最高运营速度为350km/h;而宁杭城际铁路全长248.96 km,设11座车站,平均站间距约25 km,最高运营速度为350 km/h。在这3条城际铁路中,如从经济合理的角     

浅谈原生态设计理念在公共艺术设计中的渗透

在对公共艺术以及原生态设计理念做出概述的基础上,对空间环境与原生态设计理念的交融之美,人文情怀与原生态设计理念的交融之美,材质与原生态设计理念的组合之关,原生态设计理念在公共艺术设计中的表现进行研究,同时对公共艺术设计中原生态设计理念的发展作出思考与展望。     

新一代动车组司机控制器研发设计

以新一代高速动车组司机控制器为主要研究对象,分析了司机控制器在动车组中的应用,从结构、原理、设计方法等方面阐述了其主要控制方式及与动车组逻辑匹配的闭合关系逻辑输出,从试验方面阐述了司机控制器在动车组上运用的性能要求,并针对避免司机误操作提出了动车组司机控制器的设计理念,用以实现动车组运营过程中司机控制器的良好运用.     

替代缩缸强化趋势的节油高效柴油机

AVL公司与Renault公司合作开发了所谓的“高效柴油机”,以替代众所周知的缩缸强化柴油机。这种新理念由于具有适度的功率密度,降低缸内最高燃烧压力,有时甚至比增压汽油机的最高燃烧压力还低。因此,与常规的和缩缸强化的柴油机相比,可明显降低机械摩擦和燃油耗。     

地铁可维护性防水新理念

针对目前地铁防水现状,提出地铁应进行可维护性防水的理念,主要通过采用一系列工艺措施,达到对衬砌背后地下水的控制,使渗漏部位可诊断、易修复,实现对地铁防排水系统的维护,从而使地铁防水可靠、系统维护简易.     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。