舍弗勒意图成为大陆集团一大股东

舍弗勒欲与大陆公司联合建立一个德国汽车零部件公司，预计其年销售额大于350亿欧元。大陆公司去年刚刚收购了西门子VDO汽车电子业务，而舍弗勒公司规模比大陆公司小得多。舍弗勒2007年销售额为89亿欧元，今年，大陆预期收益高达260亿欧元，其中包括西门子VDO的销量。     

基于距离信息的鱼雷攻击意图判别方法研究

编队作战是未来海上作战的基本样式,进行舰艇编队水声对抗研究具有十分重要的意义.如果舰艇编队能够通过数据融合等方式获取鱼雷距离和方位的报警信息,并根据这些信息判断出鱼雷对舰艇编队的攻击意图,即鱼雷攻击的具体目标舰艇,则有助于指挥员采取有效、合理的对抗方法,从而提高舰艇编队的生存能力.论文在建立声自导鱼雷攻击模型和舰艇编队运动模型的基础上,对鱼雷从不同区域来袭时的态势划分,提出了攻击意图的判断准则,并且通过仿真验证,分析了影响判断准确度的因素,为编队协同水声对抗指挥决策提供了必要参考.     

首都机场除冰效率大幅提高

2011年2月13日,北京迎来2011年初春的第2场降雪。据悉,2月13日凌晨,首都机场就启动了《航空器定点除冰雪预案》,共计投入机坪除雪车95辆、     

强化搜救合作 共建平安海峡——记2012年海峡两岸海上联合搜救演练

呼叫!呼叫!一架自台北飞往厦门的两岸直航客机,飞行途中发生引擎故障,在紧急迫降过程中擦撞1艘两岸直航客轮,客轮起火,飞机机身撞击海面激起涌浪造成附近两艘作业渔船翻覆。随着这次"事故"发生,2012年海峡两岸海上联合搜救演练也拉开了序幕。据了解,此次演练是首次模拟两岸直航客机遇险,并     

岸边集装箱起重机司机操作意图识别方法研究

以港口岸边集装箱起重机装卸操作过程为研究背景,基于隐马尔科夫模型（HMM）,建立双层HMM模型,运用修改后的Forward-Backward算法,计算操作层各个HMM模型的似然度,选择似然度最大的模型作为操作行为的识别结果,组成观察序列串后,送入意图层HMM模型集,进行桥吊司机操作意图的识别。最后,采用Matlab环境实现HMM模型,通过现场统计确定案例基础数据,验证了模型的有效性。结果表明,该模型可准确识别岸边集装箱起重机司机的操作意图,对于研究港口机械智能辅助驾驶系统具有一定的意义。     

智能网联车辆混行交通流中灯语意图识别模型研究

为使混行交通流下智能网联车辆(Connected and Automated Vehicles, CAV)实现对人工驾驶车辆(Human-driven Vehicle, HV)前照灯灯语意图(Vehicle Headlights Intention, VHI) 的识别,弥补车对车(Vehicle to Vehicle, V2V)和鸣笛意图识别技术的不足,更好地与HV交互沟通,提出CAV对HV的VHI识别模型.模型包括：灯光感知、光数据处理、VHI识别3个模块,灯光感知模块通过RGB(Red-Green-Blue, RGB)和HSV(Hue-Saturation-Value, HSV)颜色空间感知前照灯(Vehicle Headlights, VH),采用KLT(Kanade-Lucas-Tomasi Tracking,KLT)和车辆匹配算法定位跟踪发出灯语的HV;光数据处理模块采用光通道增益算法计算光辐射通量变化; VHI识别模块基于双层隐马尔可夫模型(Double-layer Hidden Markov Model,DHMM)辨识VH 闪烁次数和HV行驶状态,实现VHI识别.在3种灯语示意典型场景下的实验结果表明：1 s内 VH感知准确率为96.8%,定位跟踪精度小于1°,VHI识别率为96.6%,满足混行交通环境下 CAV对HV驾驶意图的识别要求,基本保证实时性,为混行交通流中CAV自动驾驶决策提供理论依据.     

关于航班延误问题的探讨

航班延误问题一直以来都是困扰各航空公司和旅客的一大难题。由于航空运输的特殊性，对天气、航空管制、机场设施与管理等条件要求很高，航班延误问题在航空运输业中就较为常见了。世界上再大规模的航空公司也不能保证自己航班的正点率是100％。对由于快捷、舒适等原因而选择乘坐飞机的旅客来说，延误是他们非常难以接受的事情，尤其是航班延误之后航空公司又未能拿出合理的解决方案之时，旅客的反应就会更加强烈。由此就产生了许多纠纷：旅客拒绝登机、抢占航空器、冲击机场安检区、辱骂殴打工作人员等恶性事件，并由此带来一系列的安全隐患，航空运输业的声誉也因此受到一定的影响，不利于我国航空运输的长远发展。本就此问题的解决进行探讨。     

民航二所三项国标通过审定

由民航局第二研究所承担编写的三项国家标准《航空器地面除冰防冰方法——液体法》、《隔热隔音材料燃烧及火焰蔓延特性试验方法》、《隔热隔音材料耐烧穿试验方法》日前在成都通过审定。据悉,《航空器地面除冰防冰方法——液体法》等同采用国际标准ISO11076,该标准的实施将为规范我国民用航空器地面除冰防冰技术提供依据,为保证飞行安全起到重要作用;《隔热隔音材料燃烧及火焰蔓延特性试验方法》和《隔热隔音材料耐烧穿试验方法》具有较强的实用性和可操作性,为确保我国自主研发的隔热隔音材料达到适航要求,规范舱内隔热隔音材料的使用和市场管理,保证民航的运输安全提供了有效的试验方法和手段。     

轨迹数据驱动的车辆换道意图识别研究

为实现准确识别车辆换道意图,提高车辆行驶安全性,综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度,提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先,筛选和平滑处理车辆轨迹数据,将车辆轨迹数据分为向左换道、向右换道及直线行驶3类,构建换道意图样本集。其次,构建融合注意力机制的CNN_GRU模型,识别换道意图样本集,考虑到行驶过程中车辆之间的交互性,将被预测车辆和周围车辆的位置和速度信息作为模型的输入,经过CNN层特征提取的特征作为GRU层的输入,经过注意力机制层对不同的特征增加不同的权重系数,利用 Softmax 层识别换道意图。最后,选用 NGSIM 中 US-101 数据集的轨迹数据验证融合注意力机制的 CNN_GRU模型性能,同时,与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明,所提模型车辆换道意图识别整体准确率达到97.37%,迭代时间为6.66 s,相比于其他模型准确率最多提高9.89%,最少提高2.1%。分析不同预判时间下的意图识别,模型可在车辆换道前2 s 内均能识别换道意图,准确率在89%以上,表现出良好的识别性能。