智能船舶发展现状及我国发展策略研究

近年来,智能船舶的发展呈加速趋势,智能船舶已成为未来船舶发展的主要方向.本文对当前国内外智能船舶发展现状进行系统梳理与比较分析,为我国智能船舶的发展提出若干建议.     

智能船舶集成设计技术

针对符合CCS《智能船舶规范》入级符号的船舶设计开发,研究分析智能船舶集成设计技术的设计思想、设计要素、设计框架和关键技术,设计目标船解决方案,并讨论了未来需要突破技术方向。     

我国船舶行业智能制造的新内涵与应用

加快推动新一代信息技术与先进船舶制造技术深度融合,将对我国船舶行业的发展带来重大影响.本文从分析智能制造的内涵人手,研究探索把人工智能、物联网、大数据、云计算等新技术与智能制造相融合的思路,尝试提出新一代信息技术条件下智能制造的新内涵,并对其在我国船舶行业的应用进行分析,进一步讨论目前发展所面临的问题,最后结合现状提出建议.     

ITS Ͷ����Ŀ�����з���Ч��Ͳ�ȷ���Է���

通过对ITS 投资项目的费用效益分析的系统研究，提出了建立ITS 投资项目费用效益分析的框架和技术流程的具体步骤，阐述了评价指标的计算方法、方案的可行性评价和方案选优等内容，研究了费用和效益的划分和估计方法. 另外，本文提出了不确定性分析的概念和方法，并对敏感性分析和概率分析进行了重点研究. 结合IDAS 软件，通过示例论述了上述方法的技术实现.     

�й����ܽ�ͨϵͳ��չս���о�

概要地介绍了“十五”国家科技攻关计划项目“中国智能交通系统发展战略研究”的主要内容和结论，该研究站在全局的高度，围绕国家综合交通的发展目标，深入地分析了我国交通运输的需求和必须解决的重大问题，客观评价了国际和国内智能交通的发展水平以及我国的差距，提出未来10～15年我国智能交通发展的指导思想、战略目标、各阶段的重点战略目标及保障措施和建议等。课题的研究成果将为编制我国智能交通的发展规划提供科学依据。     

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...     

带有最优流量记忆时间差的一类新格子模型

为了分析最优流量记忆时间差对交通流稳定性的影响,本文基于考虑驾驶员估计得到的最优流量信息,同时考虑驾驶员在驾车过程中受到记忆时间的影响,给出了一类新的格子流体动力学模型.首先,基于线性稳定性理论,获得了新模型的稳定性条件;随后,通过非线性分析方法,给出该模型的mKdV方程;然后,基于求解上述方程所得到的扭结-反扭结孤立波可用于描述交通拥挤的转化和传播过程.最后,通过仿真算例验证了上述理论分析的结论,即驾驶员的记忆时间和最优流量记忆时间差能够显著影响交通流的稳定性,同时增大记忆时间步长和强度系数可以有效地增强交通流的稳定性.     

未来城市交通技术发展与创新 ——“交通7+1论坛”第五十二次会议

随着移动互联网、大数据和人工智能等技术发展,城市交通系统中涌现出“共享交通”“需求响应式出行服务”“无人驾驶”“城市交通大脑”等新兴的交通工具、服务模式和管理手段,未来交通系统将面临创新发展的机遇,并对传统交通行业带来巨大挑战.本次论坛以“未来城市交通技术发展与创新”为主题,分析了预约交通系统的发展前景,探讨了超级交通仿真系统的相关核心技术,分析了无人驾驶的发展、挑战及仿真技术,说明了大数据和人工智能技术在城市智慧发展中的作用与运用要点.     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力,提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中,根据运动目标与道路背景统计特性的差异,基于贝叶斯概率准则,提出一个自适应背景更新算法,检测分离运动车辆目标前景,采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪,并对在重庆某交通干道的交通流视频进行检测。试验结果表明:该方法在常规视频分辨率下能实现实时处理视频,平均检测准确率为94%,具有较好的实时性与鲁棒性,能够实现城市交通环境中各类运动车辆的检测与跟踪。