关于提升天津港东疆保税港区集装箱业务竞争力的探讨

集装箱物流是吸引制造业资本跨国转移的重要条件,是港口城市参与国际经济大循环的有效途径,已成为促进港口城市经济发展的重要动力.世界各主要经济体都十分关注本国外贸港口在国际集装箱运输中的地位和作用,近年来国际集装箱运输市场的不断成熟为港口集装箱业务带来了前所未有的机遇和挑战.基于对国际集装箱运输市场发展趋势的分析,探讨影响港口集装箱业务竞争力的因素和天津港东疆保税港区发展集装箱业务的竞争优势,为制定提升东疆保税港区集装箱业务竞争力的策略提供建议.     

加速战略转型 实现码头运营商服务集成化

基于全球码头运营商面临重要战略转型的认识,本文分析了全球码头运营商服务集成化的必要性、优势、基本模式和实施条件。研究表明:全球码头运营商在后金融危机时代应依托其在港口网络、要素整合和集成能力等方面的综合优势,实施服务集成化,这是适应新竞争环境的重要战略转型;其集成化的实现方式取决于集成的成本与收益比较。     

TCP包状态检测系统的硬件设计与实现

提出了一种利用硬件实现的TCP包状态检测系统模型,与传统的状态检测系统的区别在于：1）提出established状态时的数据匹配,以防止包数据的攻击;2）利用哈希算法快速存放、查找信息的特点实现状态信息的存储和转换;3）采用时间地址循环超时管理策略来管理超时的连接。实验结果表明,该设计在能防止一些网络数据攻击的基础上快速准确地实现TCP状态转换功能。     

基于壁面加热功率回归模型的车用电子水泵控制策略研究

为了提高车用电子水泵对发动机温度控制效果的稳定性,提出了一种基于温差的PID控制与壁面加热功率回归模型补偿的控制策略.通过对影响发动机当前工况产热量的相关参数进行分析,建立非线性回归模型作为水泵转速的实时补偿值,以改善温度响应延迟的缺点,在AMESim中建立整车和冷却系统模型并进行了仿真验证,结果表明:相比于单一的温差...     

基于演化博弈的违章停车动态罚金策略效用仿真评价

为研究改进后的动态罚金策略对违章停车现象的抑制作用及策略最优解，本文以驾驶员和执法者两类群体作为博弈主体，在改进的复制动态方程基础上，以社会总成本最小为目标建立动态罚金最优控制模型。讨论了该模型的均衡点及其稳定性，并通过庞特里亚金极小值原理求解该模型的最优解。并对改进前、后动态罚金策略的违章抑制作用和策略成本进行数据仿真检验，仿真结果显示：改进后的动态罚金模型能够找到违章停车问题的合理演化方向，在不断降低违章概率的同时还能减少执法力度；在临界状态下，即动态罚金系数趋于稳定值、执法者保持短时间的持续执法状态，改进的动态罚金策略通过改变常用的罚款方式，即降低罚款金额实现对违章停车问题的治理(在治理违章停车的效率上，临界状态与敏感度最高状态相比，即连续执法与动态执法相比治理速度提高了1倍)；改进后的动态罚金策略较改进前的违章抑制性更强、策略成本更低、执法效力更持久、所需执法力度更低，且短时间内不会出现违章停车周期复现的情景。     

产业导向下的轨道交通站点开发策略研究

近年来,在城市轨道交通站点周边土地开发过程中,出现了诸多“开而不发”的现象。本文以产业为切入点,在研究城市轨道交通站点开发模式及其对产业集聚影响等理论的基础上,结合站点周边开发的典型案例,提出了将产业导入与开发建设统筹考虑、以服务业或生产性服务业为主导产业、合理配置产业结构并紧凑布局、采用政府与企业协作的发展模式、以TOD理念进行规划设计、优化开发时序与合理分区分期等开发策略,为城市轨道交通站点周边开发提供参考和借鉴。     

基于注意力机制的CNN-LSTM剩余寿命预测研究

机械设备剩余寿命的准确预测可以降低昂贵的维护费用,提高机械设备的安全性。随着深度学习的发展以及注意力机制被广泛应用于各个领域,基于数据驱动的剩余寿命预测方法为机械设备寿命预测提供了众多的方法。文章提出了一种基于注意力机制的CNN-LSTM剩余寿命预测方法,该方法利用不同的注意力机制包括通道注意力、CBAM机制和自注意力等进行剩余寿命预测试验。注意力机制可以向CNN-LSTM提取的特征信息分配不同的权重,突出关键的特征信息,过滤无用信息,进而更准确地表示设备的退化特征信息,最终得到设备的剩余寿命。文章对NASA发动机数据集进行了剩余寿命预测试验,同时研究了不同注意力机制影响,试验结果表明,基于注意力机制的方法可以有效地进行剩余寿命预测,所提方法具有一定的应用价值。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于视频图像的公路隧道火灾烟雾检测

为有效检测公路隧道火灾烟雾并预警，针对公路隧道传统火灾烟雾探测器存在的反应慢和功能单一等问题，通过分析研究火灾烟雾视频图像的颜色和纹理特征，提出一种基于烟雾图像特征的公路隧道火灾烟雾检测方法。首先，通过改进后的Vibe算法模型提取图像运动区域；然后，在YUV色彩空间中确定疑似烟雾区域后利用颜色滤出方法分割出疑似烟雾区域；最后，用从疑似烟雾区域图像中提取的颜色矩和均匀局部二进制模式（ULBP）与灰度共生矩阵（GLCM）构成机器学习分类器的输入向量进行隧道火灾烟雾识别。为满足复杂的隧道环境，对比分析BP神经网络、支持向量机、随机森林3种机器学习分类器的烟雾识别效果，选出最优算法作为公路隧道烟雾识别分类器。通过模拟公路隧道火灾烟雾试验视频和某实际公路隧道火灾视频对分类器进行试验测试，结果表明： 基于BP神经网络算法的检测系统识别性能最优，选取的烟雾特征具有较高识别精度，能够在隧道复杂环境中识别火灾烟雾。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.