根据观测数据求拟桥拱轴线

针对某三孔拱桥缺乏设计及施工资料的情况,提出了根据拱桥的观测结果拟合拱桥轴线的一种简便有效的方法.     

汽车车道循迹辅助系统的故障诊断策略

汽车车道循迹辅助系统的故障检测是汽车检修人员需要掌握的必备检测技能。该系统一旦发生故障,想要快速锁定故障点,就必须事先熟悉汽车车道循迹辅助系统的原理、零件功能、故障症状、诊断策略等。结合汽车车道循迹辅助系统的故障诊断案例,阐述其完整的诊断策略。结果表明,汽车车道循迹辅助系统故障诊断的关键是掌握该系统的原理与故障数据设置条件,在诊断时需要具备系统认知的整体意识,而多次实践操则作有利于汽车检修人员快速掌握对应的诊断策略。     

基于ARIMA模型的极端事件下铁路货运量预测研究

合理预测货运量是铁路部门制定列车开行方案及组织管理的基础,在类似突发疫情这种极端事件时,准确预测铁路货运量的数据与变化趋势对铁路工作的开展有重要的参考意义.建立ARIMA模型,利用2010年1月—2020年1月的铁路货运量正常数据与疫情突发后2020年2月的异常数据,对2020年3—10月的铁路货运量进行预测.结果表明...     

船舶自动识别系统(AIS)装船和检验要求

1 AIS概念和意义船舶自动识别系统(AIS)是一套应用于船与岸、船与船之间的海事安全导航和通信的重要技术设备。该系统为船舶安全航行和海事安全管理提供了一种新型而有效的手段。若所有的船舶都安装有AIS,则本船     

现代图书馆的数据维护

对数据维护的意义进行简要概述,并提出现代图书馆工作应设立数据维护岗位,其目的是为保证馆藏数据的规范化,依据工作实践总结数据维护内容与方法,对与其他类似工作进行扼要的比较。     

面向公路超限审批的智能数据治理与关键技术研究及应用示范

随着社会的进步和发展,交通运输管理的难度也在不断增加.从目前各地的交通数据统计情况来看,其中存在各种各样的问题,由此给人们的数据分析和决策带来了阻碍.而传统的人工核验方式已经无法满足当前的需要,本文将重点阐述面向公路超限审批的智能数据治理技术,进而为相关部门提供更准确的数据服务,提升办事效率.     

3D声呐在海上风电场水下桩基和海缆检测中的应用

依托某海上风电场水下桩基和海缆检测工程,针对其验收精度高、图像获取难等问题,采用3D声呐技术对水下桩基和海缆进行扫测,获取水下桩基和海缆的三维影像.通过影像输出、软件量取、输出三维点云数据等方法,可一次性获得海缆裸露长度、桩基周围海床冲刷坑深度和桩基周围海床修复所需土石方量等数据,使海上风电场水下桩基和海缆检测的精度和...     

考虑多身体部位的二轮车骑行者事故伤害严重程度研究

现有针对二轮车事故后果的研究主要侧重于讨论骑行者总体伤害,少有针对骑行者具体身体部位的受伤情况相关研究。为揭示各身体部位受伤之间的关联性及致因,基于中国深度事故数据(CIDAS)中2 799起二轮车事故,以二轮车骑行者头部、胸部、上下肢等7个主要部位伤害严重程度为因变量,选取44个主要自变量以表征碰撞前行为、碰撞位置等信息。采用带随机参数的多变量模型进行研究,以更好解释各受伤部位严重程度间的关系及数据中未能观测到的异质性。结果表明：二轮车骑行者性别及年龄、车辆属性、碰撞前二轮车驾驶行为及二轮车被撞位置均会对二轮车骑行者不同部位的伤害造成显著影响;头部、胸部及下肢在二轮车事故中是最脆弱的3个部位,值得进一步研究;中年二轮车骑行者在头部伤害模型服从正态分布的随机参数,即中年二轮车骑行者会对二轮车骑行者头部伤害严重程度存在异质性影响;加强汽车及二轮车的安全设计从而保护二轮车骑行者胸部和腹部极有必要;佩戴头盔不仅能够保护头部伤害,对于保护上肢伤害也有重要作用。     

基于多源数据的城市群枢纽间多模式交通系统异常状态影响研究

为探究城市群多模式交通系统异常状态的影响范围,从需求端非常态客流变化和供给端运输能力下降两方面对多模式交通系统异常环境进行分类,提出了基于手机信令数据、意向出行调查及客票信息等多源数据的异常状态影响范围识别流程和分析方法;以京津冀城市群为例,确定强链接枢纽间通道客流动态安全阈值,提出了基于贝叶斯预测的通道客流异常检测方法;利用提升度、余弦相似度及其标准化值来区分枢纽关联规则的有效性,提出了基于强关联规则确定异常状态影响范围的方法。研究表明：基于贝叶斯预测的通道客流异常检测方法具有实时性,提高了客流安全阈值精度;基于实际手机数据和假定异常情况下的意向调查数据并结合关联规则确定枢纽影响范围,可为利用数据挖掘技术分析突发异常状态的影响和对策提供借鉴。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。