基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。     

基于“1+3”的复合型人才课程体系的探索与实践——以新能源汽车技术专业为例

当前时期,针对复合型人才教学体系的创新,应当有对性地构建起更加完善的人才培养体系,并做好对于学生的专业性知识技能和专业性职业技能优化培养。结合现阶段的新能源汽车技术专业培养,要针对把握性教学标准和教学要求,做好有效性的更新和完善,本文主要结合基于"1+3"的复合型人才课程体系的探索与实践展开了研究分析。     

Daily activity pattern recognition by using support vector machines with multiple classes

The focus of this paper is to learn the daily activity engagement patterns of travelers using Support Vector Machines (SVMs), a modeling approach that is widely used in Artificial intelligence and Machine Learning. It is postulated that an individual’s choice of activities depends not only on socio-demographic characteristics but also on previous activities of individual on the same day. In the paper, Markov Chain models are used to study the sequential choice of activities. The dependencies among activity type, activity sequence and socio-demographic data are captured by employing hidden Markov models. In order to learn model parameters, we use sequential multinomial logit models (MNL) and multiclass Support Vector Machines (K-SVM) with two different dependency structures. In the first dependency structure, it is assumed that type of activity at time ‘t’ depends on the last previous activity and socio-demographic data, whereas in the second structure we assume that activity selection at time ‘t’ depends on all of the individual’s previous activity types on the same day and socio-demographic characteristics. The models are applied to data drawn from a set of California households and a comparison of the accuracy of estimation of activity types and their sequence in the agenda, indicates the superiority of K-SVM models over MNL. Additionally, we show that accuracy in estimating activity patterns increases using different sets of explanatory variables or tuning parameters of the kernel function in K-SVM.     

“1+X”证书制度下的汽车检测与维修专业“三教”存在问题研究

在教学过程中,"师资,教材,教法"是基本内容,教学质量指标也受到影响。本文以新能汽车检验维修专业为例,对职教二十条进行了分析。职业教育"三教一体化"改革的重要性,同时,针对教师,教材和教学方法等问题提出了切实可行的改革思路,仅供相关人员参考。     

高疲劳抗力钢桥面板的疲劳问题Ⅱ：结构体系抗力

为了深刻认识高疲劳抗力钢桥面板的疲劳特性，准确评估其结构体系的疲劳抗力，基于等效结构应力建立了考虑焊接微裂纹对钢桥面板疲劳性能劣化效应的结构体系疲劳抗力评估方法，并通过疲劳试验对所建立的评估方法进行了验证。在此基础上采用所建立的结构体系疲劳抗力评估方法对高疲劳抗力钢桥面板的疲劳开裂模式、疲劳抗力及其影响因素等相关关键问题进行系统研究。研究结果表明：焊接微裂纹的存在会显著降低钢桥面板的疲劳性能，导致主导疲劳开裂模式发生迁移；结构体系设计参数对纵肋与顶板双面焊构造细节和纵肋与横隔板新型交叉构造细节疲劳性能的影响有显著区别，其中纵肋与顶板双面焊构造细节的疲劳性能主要对顶板厚度的变化较为敏感，其疲劳性能随着顶板厚度的增加而显著提升，而纵肋与横隔板新型交叉构造细节的疲劳性能同时受多个参数的影响，其疲劳性能随着顶板厚度、横隔板厚度和纵肋高度的增大而提升，随着横隔板间距和纵肋底板与横隔板之间焊缝长度的增大而降低；传统钢桥面板的主导疲劳开裂模式为纵肋腹板与横隔板交叉构造细节围焊焊趾开裂，高疲劳抗力钢桥面板的主导疲劳开裂模式为纵肋底板与横隔板交叉构造细节纵肋焊趾开裂；相对于传统正交异性钢桥面板，高疲劳抗力钢桥面板结构实现了主导疲劳开裂模式的迁移，疲劳性能显著提高。     

2006年铁道养路机械展销会成果介绍

在卡卢加举行的第12届"2006年铁道线路机械"例行国际专业展销会上,100多家俄罗斯及世界各国的企业和组织展示出了在铁路轨道技术装备方面最新的研发成果。展览会用实物反映了在铁道线路运营方面的2个重要的发展方向,一是利用功能更多的机械采用先进的养路作业工艺;二是线路整体在科学技术进步方面有了进一步的发展。展览会向参加者和各方来宾介绍了各种现代化的高生产率机械、检查设备和线路诊断设备、机械化的工具、高效的技术研发成果等。     

"大科技"格局在中国铁路工程总公司的实践与发展

本文就“大科技”格局的内涵、定义、要素、原则及检验标准作出了准确定位 ,对“大科技”格局在中国铁路工程总公司 6年来的实践与发展情况展开深入地分析 ,并在此基础上进一步提出“大科技”格局的新时期发展要点和重点工作。     

新形势下中国物流业的发展策略分析

分析了我国与发达国家物流业发展的现状及差距,提出了我国物流业的发展策略。     

铁路旅客周转量的改进等维新息模型预测

铁路旅客周转量预测不仅影响铁路客运计划组织工作,它还体现了客运市场中铁路运输的市场控制力。针对灰色模型对数据的要求,采用滑动平均处理和对数化处理原始数据,并采用等维新息模型对铁路旅客周转量进行预测,通过与实际情况和GM(1,1)模型的预测效果的对比可以发现,该模型可以通过检验并且预测效果良好。