特别报道

地震无情人有情满载爱心送灾区——运输企业全力支援青海玉树抗震救灾工作 2010年4月14日7时49分许,青海省玉树藏族自治州玉树县（北纬33．1°,东经96．7°）发生7．1级地震．震源深度33千米。根据青海省抗震救灾指挥部通报,截至4月25日下午17时．玉树地震已造成2220人遇难．失踪70人。     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...     

基于差异时效的服务评价模型

针对KNN(k-nearest neighbor)方法在服务评价过程中存在的时效量化、评价窗口宽度以及反馈控制等问题,提出了具有差异时效的服务评价模型(WSEM-VTU).在WSEM-VTU中,采用系统动力学方法研究复杂时效量化方法,以获得差异时效量化结果;基于复杂时效量化方法得到的结果,自适应计算评价窗口宽度;根据评价统计特征,设计恶意评价反馈控制策略.通过实验,将WSEM-VTU与现有评价模型WSEM-E及WSEM-KNN进行比较,结果表明:WSEM-VTU的平均误差为0.877,比WSEM-E和WSEM-KNN分别降低了1.020和0.135;引入反馈控制策略后,WSEM-VTU出现恶意评价的情况平均降低67%.     

基于Kubernetes的铁路客运营销深度学习平台的设计与实现

为解决铁路客运营销深度学习平台Tensorflow框架存在的环境配置复杂,资源利用率低、模型设计周期长等问题,提出了基于Kubernetes容器的PaaS平台构建TensorFlow容器的统一资源调度管理及API访问控制服务架构.经平台实践证明,该架构为客运营销提供了可靠、稳定的分析环境,降低了模型的训练难度,提高了模...     

基坑工程悬臂式支挡结构嵌固深度计算方法改进建议

国内基坑设计规范对悬臂式支挡结构嵌固深度的计算规定有较大争议,安全富余不足;欧洲标准和英国标准中的计算规定虽然理论正确,但采用传统简化方法计算得到的嵌固深度偏于保守。对悬臂式支挡结构嵌固深度的计算原理进行总结,并对国际和国内基坑设计规范中相关规定存在的问题进行分析。建议采用分项系数法并考虑严格的力和力矩平衡条件,进行悬臂式支挡结构的嵌固深度计算,得到的嵌固深度大于国内设计规范的计算结果,小于国际上通用简化方法的计算结果。采用改进的计算方法在理论上更合理,可以保障悬臂式支挡结构的安全和经济性。     

公交人鏖战冰雪保冬运

11月15日晚,乌鲁木齐迎来了2019年入冬最大一场降雪,中心城区积雪深度17厘米,一夜之间乌鲁木齐被笼罩在白雪皑皑的世界里。雪情就是命令,公交集团第一时间启动特殊天气应急预案。公交集团党委书记、董事长康建军,总经理赵明杰及领导班子成员连夜奔赴各自包联的线路、站点,现场了解出车和线路运营情况,并要求在岗职工提前到岗,做好出车前准备工作,保证2207辆公交车、1975辆公交出租,100多辆专线车、通勤班车全部安全上线运营,让“不忘初心、牢记使命”主题教育更“接地气”、让公交服务更“亲百姓”。     

托运人在不同时空下的选择行为差异揭示

某一因素对托运人选择行为的影响会随着空间和时间变化. 既有研究多关注特定空间或时间的托运人选择行为,较少进行横向(空间)和纵向(时间)比较. 为探索托运人选择行为差异及变化规律,采集不同时空的5 个数据集,构建多类线性或非线性效用函数的多项 Logit 模型及混合Logit 模型. 结果表明：在空间维度,某一地区托运人选择行为与其他地区显著不同;在时间维度,伴随货运业快速发展,货运方式选择模型适用年限呈缩短趋势.     

深度残差神经网络在腹部平片检出小肠梗阻中的应用

目的通过深度残差神经网络(ResNet38)对腹部立位平片进行学习,从中检出小肠梗阻。方法本研究使用的训练集和测试集数据来源于西安交通大学第一附属医院及陕西省核工业二一五医院,独立验证集数据来源于陕西省核工业二一五医院。由2名经验丰富的影像科诊断医师依据腹部立位平片小肠梗阻的4种征象分别对来源于2家医院的3 298张腹部立位平片进行分类,意见不一致时讨论达到共识,其中小肠梗阻569例(17.3%),非小肠梗阻2 729例(82.7%)。对2组数据采用完全随机分组的方法组成训练集2 305张和测试集993张(训练集∶测试集=2.3∶1),其中训练集小肠梗阻405例(17.6%),非小肠梗阻1 900例(82.4%);测试集小肠梗阻164例(16.5%),非小肠梗阻829例(83.5%)。训练集和测试集小肠梗阻的诊断均以有丰富经验的影像科医师的评判为标准。验证集共861张腹部立位平片,其中小肠梗阻99例(11.5%),非小肠梗阻762例(88.5%),以手术结果及临床诊断为金标准。本研究使用ImageNet 2012年大规模视觉识别挑战赛数据集(ILSVRC2012)对深度残差神经网络(ResNet38)进行预训练;用训练集数据对深度残差神经网络(ResNet38)再训练建立诊断模型;测试集主要用于学习算法过程中,调整算法的参数来修正网络,从而使得网络模型效能更优。结果本研究开发的小肠梗阻诊断模型在测试集上敏感性为84.1%,特异性为65.0%,受试者工作特征曲线(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)为0.83(95%CI为0.82～0.92);在验证集上的敏感性为89.9%,特异性为68.0%,ROC曲线下面积为0.87(95%CI为0.82～0.92),AUC为0.87。结论对深度残差神经网络进行有限的数据训练,可以获得一个有效的用于在腹部立位平片上检出小肠梗阻的诊断模型。     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.