点云技术在散货专业煤码头三维可视化中的应用

为了实现安全、可靠、真实的三维煤码头监控,通过GENESIS64软件平台导入3D建模,实现三维场景的展示。3D煤堆由先进的激光点云技术,产生海量测量点,使用点云灰度算法处理,再通过C#点云生成灰度图,在GENESIS64中生成真实的立体堆场画面。     

基于粒子群算法的导弹初始备件优化配置

从备件的优化配置出发,建立了在费用和装备完好率共同约束下的备件优化模型。利用收敛速度快、全局寻优能力强、编程实现简单的特点,粒子群算法应用于该模型的求解,得到导弹初始备件的最优配置。案例分析结果表明了粒子群算法解决该问题的有效性。     

三维声呐在水下沉船姿态探测中的应用

研究采用多波束测深声呐与三维扫描声呐相结合,获取水下沉船姿态数据及附近海底地形点云数据的方法。通过实例阐述数据采集、数据处理过程的关键因素,并采用环境光遮蔽算法对点云数据进行了可视化渲染。结果表明,该种方式点云数据完整、沉船细节清晰,可为沉船清理作业中的风险评估和决策制定提供关键的技术支持。     

云南省民航客运发展预测

民航运输是云南省在进行综合交通运输建设的重点之一,也是该省在未来十四五(2021-2025年)和十五五(2026-2030年)规划期间的研究热点。本文以云南省为研究范围,以省内民航客运为研究对象,选取省内主要的社会经济因素为影响因子,运用主成分分析法(PCA)、反向传播神经网络算法(BP神经网络算法)和回归分析法,构建了省内民航客运的预测模型,得出省内各主要机场在十四五末和十五五末的预计旅客吞吐量,对省政府在进行机场改扩建上有一定的指导意义。     

公交惯常出行与随机出行的时空分布差异

差异化和精细化的公交服务要求城市管理者和公交运营者加深对公交出行变异性的认识。本文将公交惯常出行定义为乘客个体多次在同一时段或空间乘坐公交的行为,随机出行的定义与之相反。利用厦门市30天连续的常规公交数据,使用DBSCAN算法对出行天数在10天以上的高频乘客进行划分,用核心点来表征惯常出行,用非核心点来表征随机出行。结果表明有78.70%的出行在时间上具有稳定性,有72.32%的出行在空间上具有稳定性。研究结论凸显了公交高频乘客也具有随机出行,且随机出行的统计特征和时空分布与惯常出行有较大差异。研究结论可以应用于个体时空模式挖掘、乘客人群划分、定制公交线路制定、公交差异化服务设置等方面。     

管道支吊架布置优化方法

为在放射性废物处理系统设计时获得管道支吊架最优布置方案,提出了一种管道支吊架布置优化方法,建立相应管路参数化的有限元模型,以管道应力为优化目标,以相关标准为约束条件,采用全局扫描及零阶优化的组合算法确定支吊架最优位置,完成结果核算。使用算例对方法流程进行介绍,采用全面正交试验方法,使用CAESAR II软件进行对比计算,验证了所建的管路有限元模型的正确性。文中方法避免了在管道布置过程中大量的人工试算,提高了设计效率,并能够获得最大应力裕度,放射性废物处理系统安全性能得到提升。     

高速公路场景下的电子稳像技术研究

为了去除高速公路监控视频中自身位置不稳定的事物给全局运动矢量估计带来误差,先通过Canny算子检测图像中的直线,并根据车道边界的特征筛选出道路边界,确定道路区域。再检测道路区域内的Harris角点信息,并与背景图中道路区域内的角点位置进行匹配,从而得到全局运动矢量,并计算出稳定的图像。实验表明,该算法能够满足高速公路场景下的稳像需求。     

基于Multi-Agent的动态路径诱导系统

动态径路诱导是现代智能交通系统研究的一个重要领域。文章使用Multi-Agent技术思想,运用Java语言,结合动态路径诱导的实际需求开发动态路径诱导系统。基于各Agent间的实时交互信息,包括路段Agent提供的路况信息、路口Agent提供的交通信号信息、车辆Agent提供的车辆行驶及诱导需求信息,运用改造后的A*智能优化算法,实时计算诱导车辆当前位置下的最优路径。同时引入区域控制Agent与中心决策Agent对全局进行控制,避免局部最优及交通拥堵漂移现象的发生,从而达到整个路网的优化。完整地仿真了一个功能齐全的动态路径诱导系统,并且验证了该动态路径诱导模型的可行性及有效性。     

算法战争,车用芯片的下一道“地平线”

模式改变,从卖车到卖“迭代”2020年,全球汽车产业首次爆发芯片“断供”危机,一家名为地平线的中国芯片企业却迎来首次“上车”,成为继Mobileye和Nvidia后,第三个实现汽车智能芯片前装量产的AI芯片公司,也成为首个经过量产验证的中国车规级智能芯片供应商。如今,地平线已与包括长安汽车、上汽集团、奥迪等传统车企巨头,以及理想汽车等新造车势力,达成在智能座舱与自动驾驶等领域的多层次深入合作,包括芯片供应、软件算法协同、联合开发等。首个量产汽车AI芯片征程2截至2020年底,出货量已达16万片,AI算力高达96 TOPS的征程5将于2021年发布,支持L4+自动驾驶的征程6也已经在定义过程中。     

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中,考虑到部分城市道路存在限制大型配送车辆通行的现状,以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点,将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中。同时考虑到车辆的使用成本和行驶成本,以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型,设计了启发式算法来求解该模型,其中模拟退火算法确定需求拆分下的车辆配送路径,且在当前最优解判断时调用BLF算法检验物品的二维装箱约束,来减少频繁调用BLF算法的时间。数值案例验证了模型和算法的实用性,且所提出的算法的求解结果波动不大于0.8%,能在合理的时间范围内求解得到较好的配送方案,在车辆限行区域内采用双车型配送能节省15.17%~31.27%的总配送成本。