基于移动Agent的供应链订单跟踪系统研究

分析了订单履行流程与供应链管理其他关键业务流程的关系,给出了订单跟踪系统功能需求,并结合移动Agent技术,构建了基于移动Agent的供应链订单全生命周期跟踪系统框架结构.设计了原型系统,并在一个家电企业进行了验证.     

�����˹�������ļ�ʻ��Ϊ��̬����ѧϰ�㷨

针对传统驾驶决策模型难以体现驾驶员驾驶过程中对交通环境的感知、判断、决策、动作等环节存在不确定性和不一致性,提出了一种基于神经网络的驾驶行为动态集成学习算法——DNNIA.首先训练多个个体网络模拟驾驶行为,然后动态选择泛化误差E最小的个体网络进行集成,采用拉格朗日函数法求解最优集成权系数ωi,并引入agent联盟的思想,把联盟中的个体网络对应的神经元输出做加权平均后,取最大值作为输出.在标准数据集上验证了该算法的有效性,仿真实验中得到的驾驶员踩踏踏板的习惯行为仿真结果与实际采集的样本数据总体趋势基本吻合.     

铁路客运信息交互系统双服务通道传输协议的研究

铁路客运信息交互系统是采用移动通信网络作为数据通道的业务系统,由于移动链路存在丢包和断线等不稳定因素,为保证业务数据的完整性和安全性,必须采用有效的传输协议,并实现科学的应用和控制.文章从传输协议特点、应用类型、链路检测与协议切换等方面,研究铁路客运信息交互系统的双服务通道传输协议.     

基于iGMLC移动定位平台LB接口的研究与实现

针对传统定位方案中通过网络定位的局限性,提出一种通过实现基站控制器与服务移动位置中心的LB接口的方法,使定位系统具有独立性,可与不同网络环境的网元进行交互.基于iGMLC定位系统和3GPP的标准,研究并实现了LB gateway,使得iGMLC与GSM网元相独立.基于LB gateway的实验结果表明本文方法具有较高的适用性.     

危险品运输关联网络级联失效建模及耦合特性

为研究危险品运输关联网络级联失效机理及耦合特性,在提出一个包含物理网络、服务网络和关联边的危险品运输关联网络模型的基础上,通过构建危险品运输关联网络级联失效模型,利用基于节点度的级联失效平均规模作为网络抗毁性评估测度,基于此对比研究了危险品运输网络关联网络级联失效机理及耦合特性.仿真结果表明：危险品运输物理网络和服务网络间关联边的“传导”特性并不相同,相同失效节点数目下,物理网络的级联失效节点数总大于服务网络,通过改变网络模型参数可提升关联网络抗毁性,且提升服务网络的参数比提升物理网络见效更快.上述结论对危险品运输关联网络的风险识别和应急管理具有一定的理论指导意义.     

多方式交通网络的时间可靠性分析

面向小汽车和公交组成的多方式交通网络,建立公交到站时间迭代表达式,分别给出公交及小汽车的时间可靠性计算方法,构建包含时间可靠性的多方式交通网络均衡模型并设计求解算法.计算结果表明,开辟公交专用道及增加公交发车频率这两项措施,均能提高公交自身的时间可靠性及分担率,同时也能改善小汽车的时间可靠性,但是后者还会增加公交积聚概率;而增加公交站点间距,将降低公交分担率,同时也将增加公交集聚的发生概率;随着乘车站数的增加,公交时间可靠性及分担率降低,特别是下游公交线路分担率降低更为显著.     

公交到站时间预测研究现状与发展趋势

实时的公交到站时间预测是智能公交的重要组成部分,准确的预测有利于帮助居民进行出行规划和减少等待时间.通过研究公交到站时间预测的原理和方法,系统总结了基于GPS、APC等数据的统计学方法和分析模型.对历史平均法、神经网络、卡尔曼滤波、支持向量机和基于概率的预测模型等几种典型方法的预测原理进行了介绍,从预测精度、实时性、计算复杂性等几个方面对模型的优缺点进行了比较.分析了公交到站时间预测发展趋势,提出了该领域需要进一步研究的问题.      

水上交通安全监管系统设计及应用的思考

以海事安全监管应用为背景,结合 GIS 和移动通信技术,提出建立水上交通安全监管系统,实现面向多用户、多应用的水上安全动态监控及预警综合服务平台。      

基于LM BP算法的隧道爆破振动灾害预测的应用

为了对隧道爆破振动灾害的危险状态进行有效地预测,实验采用基于Levenberg Marquardt（LM）算法改进的BP算法,建立以实测隧道爆破掏槽眼装药量、爆心距和爆破振速为主要爆破影响因素的神经网络模型,对振速进行预测分析,预测结果与实测数据吻合良好;继而引用GB 6722-2014《爆破安全规程》所规定的临界安全振速反向预测掏槽装药量,通过反向预测计算得出满足安全振速要求的临界掏槽装药量。预测结果表明： LM BP算法相比传统的经验模型在振速预测上表现更好,通过反向的预测运算,能有效预知临界装药参数,对爆破振动安全预测及控制有积极的意义。     

融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型

山区高速公路事故严重程度预测对保障交通安全具有重大意义.针对现有事故严重程度预测模型存在准确率低、泛化性差等问题,考虑到深度卷积神经网络可以高效处理图像问题,为此将事故影响因素图像化,提出一种融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型.该模型首先采用相关性分析确定影响交通事故严重程度的因素,依据严重程...