铁路信号专业图形信息化处理的方法

介绍开发铁路信号技术设备图形信息化处理的技术方案及需要解决的问题,重点介绍图形、图符等设备属性描述信息的处理方法,强调知识库的作用,提出智能设计的概念及其实现方法.     

基于有向图的舰艇舱室火灾蔓延计算研究

针对舰艇舱室火灾种类多,危险度高,蔓延迅速,限制困难等特点,文中从有向图的原理和舰艇舱室结构特点出发,构建舰艇舱室有向图物理模型,建立舱室有向图矩阵数学表示,利用火灾学基本原理,按照回路内压力、温度平衡,建立舰艇舱室火灾蔓延数学模型,结合实例进行数值仿真计算.结果表明,舱室温度变化趋势符合外部条件影响,而且数值上和区域模拟软件CFAST计算误差不大,提出的方法适用于舰艇火灾蔓延规律研究.     

三色拉姆塞数R_3（C_8）研究

用r种颜色对图G的所有边着色,记着第i色的边构成的子图为Gi,如果存在一种着色方法使得每一个Gi（1≤i≤r）都不包含图H,则称图G对于H可以r着色.拉姆塞数Rr（H）是使得完全图Kn对于H不可以r着色的最小正整数n.令Cm表示长度为m的圈,Dzido等证明了R3（C2k）≥4k.本文对k=4的情形进行研究,利用计算机,通过大量的计算证明了R3（C8）=16.     

关于图的集控制数

设G是一个图,如果V(G)能划分为t个两两不交的控制集Dt(i=1,2,…,t),则称G有t-控制集划分.图G的集控制数定义为d(G)=max{ t|G有t-控制集划分}.该文主要研究乘积图与联图的集控制问题,给出其集控制数的界限,并确定一些特殊图的集控制数.     

关于图的谱半径的新的上界

主要得到了一个关于图的谱半径的新的上界,并举例说明在某些情况下我们的结果是好的.     

一种虚拟样机系统设计与研究

在介绍虚拟样机原理和分类的基础上，提出一种基于场景图的虚拟样机系统结构，同时讨论了该系统实现中样机描述与模型生成、场景图动态拆分和组合、人机交互、样机零部件模型准备等几个关键技术和处理方法，用这种方法开发出基于PC机的虚拟样机系统．．     

论《铁路箱梁预制场平面布置》通用参考图及其编制

作为铁路最大的大临工程的预制场,平面布置是其规划的基础工作,为实现预制场平面布置的规范化和标准化设计,中铁五院编制行业通用参考图《铁路箱梁预制场平面布置》(通桥2009-8301)。结合中铁五院主持的铁道部重点科技发展规划项目《客运专线预应力混凝土简支箱梁预制场工业化的研究》(2006G016)科研课题和对预制场的平面布置经验,对《铁路箱梁预制场平面布置》的主要内容及注意事项进行了论述,以期更好地对通用参考图进行宣贯和释义。     

基于图卷积网络的路网短时交通流预测研究

智能交通系统是缓解交通拥堵行之有效的手段,精准的交通流预测是其实现的关键所在. 本文考虑路网拓扑结构和交通流时空相关性,提出基于图卷积网络(Graph Convolution Network,GCN)的大规模城市路网短时交通流预测模型,具有较高的预测精度、预测效率和现实解释意义;采用真实大规模城市路网浮动车数据对GCN模型进行测试,结果表明,GCN模型相对于现有模型,在预测性能上有较大提升.     

关于Cm×Kn的邻点可区别全色数

一个图的正常全染色如果相邻点的点染色及其关联边染色集合是不同的,则称为图的邻点可区别全染色;其所用到的最少颜色数称为图的邻点可区别全色数.得到了圈与完全图的笛卡尔积图的邻点可区别全色数.     

基于异构图学习的交通场景运动目标感知

为了提高无人车在交通场景中的运行效率和运输安全,研究了基于异构图学习的交通场景运动目标感知; 考虑实际交通场景中运动目标之间的复杂交互关系对目标运动的影响,基于异构图学习提出了交通场景中多目标检测-跟踪-预测一体化感知框架; 结合YOLOv5和DeepSORT检测并跟踪运动目标,获得目标的运动轨迹; 使用长短期记忆(LSTM)网络从目标历史轨迹中学习目标的运动信息,使用异构图学习目标间的交互信息,以提高运动目标轨迹预测准确度; 使用LSTM网络对目标运动信息与交互信息解码得到目标未来轨迹; 为了验证方法的有效性,在公共交通数据集Argoverse、Apollo和NuScenes上进行了评估。分析结果表明：结合YOLOv5和DeepSORT可实现对运动目标的检测跟踪,对交通场景中的运动目标实现了75.4%的正确检测率和61.4%的连续跟踪率; 异构图能够有效捕捉运动目标之间复杂的交互关系,并且捕捉的交互关系能够提高轨迹预测精度,加入异构图捕捉交互关系后,运动目标的平均位移预测误差降低了63.0%。可见,考虑交通场景中运动目标之间的交互关系是有效的,引入异构图学习运动目标之间的交互关系可以感知运动目标的历史与未来运动信息,从而帮助无人车更好地理解复杂交通场景。