基于特征子序列修正的公交刷卡滞后时间推算

针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差等特征子序列;利用两种子序列间一对一或一对多的对应关系分别进行初步搜索和二次修正,兼顾匹配过程的效率和精度。将推算流程应用于山西省大同市公共汽车系统,结果显示,抽样车辆的刷卡匹配率均达到99%以上,并且针对不同类型的公共汽车线路具有较强的适应性。     

亚轨道游览飞机

亚轨道游览飞机在距离地面大约100公里处的大气层边缘飞行,那里的空气极其稀薄,同时又远离地面,受地球的引力作用较小。由于其飞行速度小于第一宇宙速度,不能像人造卫星和宇宙飞船那样围绕地球轨道飞行,故被称为亚轨道飞行。亚轨道飞行时间短暂,冲出大气层后很快返回。可以感受几分钟的失重,目视长达4827公里的地球弧线表面。美国私营旅游飞机"太空船1号"和俄罗斯计划研制的"C-XXI"旅游飞船就是从事这种飞行的典型。它们都能在火箭发动机熄火和再入大气层期间,让游客体验几分钟的失重感觉。     

自主创新下的汽车电子产业如何发展

“加强自主创新,用15年时间建立创新型国家”是党和国家领导人向全国人民发出的庄严号召。我们要满怀强烈的危机感、紧迫感、使命感、责任感来积极响应这个伟大号召,完成历史赋予我们的使命。为此,本文从三个方面入手,谈谈汽车电子产业如何坚持自主创新,实现可持续发展。     

『骑式芯』农村用户的建设情怀——与建设JS125-6B(骏将)车主冯祥礼面对面

在2007年建设摩托销售及用户大会讲台上,一位身材瘦高、皮肤黝黑,身着红色"建设摩托"防寒服,操着浓厚的"老表"口音,用朴实无华的话语不时打动、开启着上千名听众的心扉,博得阵阵哗啦啦潮水般热烈的掌声!他,就是来自远方、风景秀丽的庐山脚下,与瑞昌、武宁交界的江西省九江县涌泉镇锣鼓岭村村民、建设摩托"骑式芯"用户冯祥礼.用其亲身经历与感受,激情地诉说着购买建设JS125-6B(骏将)摩托车(发动机号为06380953,车架号为LAPPCG295600056)前前后后的故事.会后,记者抓住机会,在第一时间采访了他.     

满眼是诗的凤凰

2004年初我在一次车祸中受伤,伤势颇为严重,造成颅骨骨折.康复后虽然伤势已无大碍,但是发现戴头盔的时间稍长,头部就会有剧烈的疼痛感.这一年的夏秋之际去了西藏等地,又于2005年春天用了3个月的时间驾着车独自游走于西南各省,但是因为前面提到的原因,在受伤之后的一年里只进行过几次往返只有1000多公里的短线旅行.     

摩企重生需打破"潜规则"

我国摩托车产业发展到今日已经进入一个瓶颈,国内市场萎缩、出口门槛提高、出口退税下调、知识产权纠纷层出……,各种问题集中爆发,使企业一时间疲于应对,虽然间或也有诸如消费税下调、摩托车生产企业新车注册登记免予安全技术检验等消息传来,可仍难解摩企之困.     

注视点与行车安全

我们在乘坐高速行驶的列车时,常会产生这样的感觉:车窗外静止的景物都与奔驰的列车形成一种相对运动(移动),且景物愈近,其相对运动的速度亦愈快,景物轮廓也越发显得模糊不清.     

强者恒强——2007年"嘉陵杯"全国越野摩托车锦标赛西安站综述

在春夏之交的五月,八百里秦川中部的古城西安迎来了2007年"嘉陵杯"全国越野摩托车锦标赛第二站赛事,由于本站比赛与已结束的首站比赛之间的时间过紧,所以大部分车队都是直接从江苏泗阳直奔西安.     

一种基于交通态势算法的交通预警系统设计

为实时监控高速公路的交通状况,设计并实现一种基于交通态势算法的交通预警系统,该系统主要由态势计算、异常拥堵预警和交通迁徙计算等3个模块组成。采用Van-Aerde模型表征交通流的状态和变化规律,得到密度、速度和流量之间的关系;综合考虑交通预测的时空性,采用基于图卷积网络(Graph Convolutional Network, GCN)和长短期记忆(Long Short-Term Memory, LSTM)单元的时间图进化网络(GCN-LSTM)模型对未来交通流异常拥堵情况进行预警。试验结果表明,该预警系统能通过实时计算当前交通流的密度、速度和流量评估交通状态,并确定密度和速度阈值,警示当前道路在该阈值附近时通行效率高,帮助改善交通状况;相比传统的基于神经网络方法和机器学习方法的预警系统,该预警系统在预测精度方面表现良好,能有效降低误报率,且具有一定的鲁棒性。     

考虑周期性的城市道路车流量预测模型

为提升城市车流量预测结果的准确性,基于某条道路的车流量数据,引入车流量的周期性特征,建立考虑周期性的差分自回归移动平均(Autoregressive Integrated Moving Average, ARIMA)模型。将该模型与不考虑周期性的ARIMA模型相对比,结果发现：不考虑周期性的ARIMA模型的拟合效果较差,模型中忽略了道路车流量可能存在的周期性规律;考虑周期性的ARIMA模型的拟合优度相比原模型有很大提升,能达到0.573,且预测的4 d车流量变化趋势与实际车流量较为吻合。由此可知,在建模时引入车流量的周期性特征,能提升车流量预测结果的准确性,从而为交通管理提供更可靠的数据。