人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。     

“以赛促学”在大学英语写作教学中的应用——以“外研社·国才杯”全国英语写作大赛为例

“外研社·国才杯”全国英语写作大赛为外语教学方面影响力较大的比赛，其促进英语写作教学的正面反拨效应受到足够重视。学生在备赛练习以及正式比赛中，文章的谋篇布局、词汇应用、写作内容等方面均有可能出现一系列问题，对于这些问题以及其原因的分析可以为教师提供改进教学的方向。教师可从学生备赛习作中的问题反观自身教学，从英文写作的内容与形式等方面提高大学英语写作教学的效果，从而达成“以赛促学”。     

地铁吊环拉手的人机关系研究

文章对人体手部关节运动范围、手部肌肉结构、手部尺寸因素及手部触觉感受进行分析,并对吊环的受力情况、手部接触吊环拉手时的姿势做了分析,以此研究吊环的材料、连接方式和形态,归纳人、物因素对吊环形态的影响,为形态设计提供可参考的理论依据。     

中国航海学会磁罗经技术服务工作会议在京召开

中国航海学会于2000年4月12日至14日在北京召开磁罗经技术服务工作会议。13个有关学会的主管领导和分部负责人出席了会议，中国航海学会理事长林祖乙和国家海事局副局长刘德洪专程到会并发表重要讲话。会议进一步强调了强化内部管理的重要性并制定了具体措施；决定在试点的基础上实施计算机管理；确定今年8月再次举办罗经员培训班。会议期间，9个分部和总部签定了磁罗经技术服务委托协议书。此次会议将对该项工作管理的制度化、规范化和程度化，对进一步促进该项工作的开展以及为以后争取政府更多的分流职能具有积极意义。     

《航海学》课程体系和课程内容改革方案

分析了《航海学》课程体系和课程内容的现状以及新时期对高等航海教育的要求，为解决航海类专业毕业生高分低能的问题，从提高学生动手能力出发，提出了《航海学》课程体系和课程内容的改革方案。