基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.     

多元融合岛屿城市空间和交通体系组织

为了更好推动生态文明背景下的岛屿城市空间和交通可持续发展,在对岛屿城市空间和交通特征分析基础上,结合国内外典型岛屿城市的案例分析,总结了不同岛屿城市空间的交通体系组织经验。在此基础上,以舟山作为实例研究对象,提出了复合型岛屿城市的交通需求特征和交通体系组织策略,并对多元融合交通需求下的岛屿城市空间和交通体系组织规划提出针对性建议,对新时期岛屿城市和其他类似地区的交通体系组织都具有参考意义。     

基于组合赋权-改进TOPSIS法的城市慢行三网融合评价方法

为解决城市绿道、滨水道路、市政慢行道路等城市慢行系统相互独立、衔接不畅的问题,针对现有研究缺乏三网融合水平评价的现状,研究了基于组合赋权-改进TOPSIS模型的三网融合评价方法。传统的TOP-SIS法采用理想解计算贴近度,没有考虑到异常值与实际情况,故运用基于高斯分布的离群点检测法处理极端异常值,建立了1个综合考虑三网融合水平的评价模型。以往路网评价通常是针对单个对象进行研究,而未考虑多个对象融合情况,因此在构建评价指标体系的过程中,根据三网融合因素、慢行道路网络出行特点、居民出行便利性等,并结合实地调查,选取网络连通性、可达性等相关的13个指标。为了避免单一赋权产生的偏重性,本文建立权重组合优化模型使层次分析法和熵权法确定的主客观权重与组合权重的偏离程度最小。本研究以朝阳区慢行系统网络为例进行验证分析,根据位置和功能,将其分成21个绿道段,得到21个评价对象的三网融合情况和综合排名。结果表明：相较于以往的慢行评价方法和经典的评价方法,该改进模型贴近度标准差为0.278,具有更好的区分度,能够更准确地识别影响三网融合程度的主要因素,并根据各个指标权重做出针对性的优化工作。该评价方法可作为提升绿道、滨水道路与市政慢行道路衔接效果的优化指导方法,促进三网融合与慢行道路网络优化。     

基于信息融合的车辆险态运行模式评价研究

提出了一种车辆运行状态识别体系.鉴于车辆行驶环境的复杂性,多作业工况条件的影响以及车辆行驶行为表现特征的多元性,采用BP神经网络技术与Dempster-Shafer证据推理技术相结合的信息模式分类及融合判断的解决方案.为验证所提出的方案,建立车载摄像机视频实时检测系统,以车道偏离信息和跟驰车间距信息作为车辆行驶的表征参量,实现车辆险态行驶特征表现的检测和评价.研究结果表明,模式分类和多源信息融合决策技术的综合运用提高了车辆危险行驶姿态表征信息甄别的自适应性和智能化水平.     

紧抓“双城”发展机遇共育汽车循环经济——1+X证书制度下报废汽车回收方向课程优化的思考

伴随我国经济迅猛发展,老百姓的生活水平逐步提高,对汽车的需求量也与日俱增。近年来我国汽车的产销量屡创新高,截止2019年全国汽车保有量达到2.6亿辆。按照近十年来我国汽车保有量增长数据和汽车报废时间规律推算,进入本世纪20年代后我国报废汽车回收行业将面临爆发式增长的机遇;预计汽车报废再回收、处置领域将达到万亿级别,成为经济增长的一个分支动力。报废汽车再利用渠道的打通,将对环境保护和资源循环利用、促进新车消费和保障道路安全都产生积极影响。借助成渝经济圈区位优势,成都工业职业技术学院将1+X证书制度融入汽车运用、检测、维修等方向的专业课程,将教育和产业结合、学校和行业结合、学校和企业联合,多方协同、多方收益共同打造具有成渝地区的绿色汽车循环经济模式。     

新能源汽车技术专业“1+X”课证融合思考

在《国家职业教育改革实施方案》当中,明确提出了开启"1+X"的证书制度,其主要目的是要利用把学历教育和技能培训进行有效融合,培养出符合时代需求的高素质技术技能人才。以新能源车技术专业作为实例,对"1+X"制度进行积极地探索,找到培养高品质应用型技术人才的新方式,从新能源汽车技术专业的课程内容、考核方式、师资力量等各方面进行探索,为"1+X"课证融合的有效开展寻找高效途径,从而提高人才的质量。     

新工科背景下江苏高职院校智能制造产教融合模式的研究——以无锡高职院校为例

中国要构建“工业互联网+智能制造”的产业生态,离不开产教融合,作为全国智能制造高地的江苏省很有建树。无锡作为江苏省的代表,其在锡高职院校在新工科智能制造产教融合方面,也出台了很多政策和措施,产教融合的模式呈现多维度全方位的特征。本文通过进一步研究无锡高职院校智能制造产教融合发展情况,就其融合的广度和深度提出一些合理化的建议。     

新形势下贵州省高速公路服务区发展模式探索与思考

随着贵州经济社会的发展,高速公路建设已从快速发展阶段进入高质量发展阶段。如何利用已有的交通优势,将高速公路服务区建设与文化旅游、现代农业、产业园区融合起来,发挥区域经济辐射拉动作用,已成为新形势下“路衍经济”发展的重要研究方向。本文通过分析,提出服务区开发利用的主要原则,并结合贵州发展实际提出服务区发展思路,总结出服务区打造文旅景观类、特色产业类、物流仓储类、桥旅融合类四个方向,从绑定产业和景区、引导消费需求、创新运营模式等角度探索服务区发展路径,最后分析目前贵州省已经实施的成功案例,为全国服务区发展提供参考和样板。     

基于迁移学习的桥梁表观病害检测技术研究

桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...