自动化集装箱码头集卡周转效率影响因素研究

外集卡周转时间长短是衡量码头生产服务能力的主要指标之一。针对自动化码头集疏港作业效率低的问题,研究外集卡作业模式和影响外集卡周转时间的因素。将影响外集卡平均周转耗时的因素归纳为集疏运箱量、堆场盘存量、海侧作业繁忙程度、集港时间安排和场站集疏运能力等10类。结果表明,协调集港时间,避免场站集中压车;平衡海陆侧生产,减少作业冲突;加强周边场站集疏运管控,减少闸口堵车;加强部门间协同,提升系统、设备稳定性等措施能够有效降低外集卡周转时间。     

BIM与GIS融合技术在航道整治工程中的应用

针对航道整治工程中BIM技术无法管理条带状工程、难以表达工程周边地理信息等难点,通过梳理BIM与GIS数据特点,研究探索BIM与GIS融合技术,提出了通过格式转换、坐标转换和数据关联实现BIM与GIS融合的方法。将研究成果应用在蕲春水道航道整治工程,验证了BIM与GIS融合方法的可行性,实现了BIM与GIS数据一体化浏览、显示、管理、分析等功能,解决了BIM无法管理大范围工程、无法反映工程周边环境的不足,为BIM与GIS技术在航道整治工程中的应用提供了技术支撑。     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k 值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.     

区块链在智能交通领域中的应用研究

由于区块链具有难以篡改、异构灵活、智能合约自动执行、协作机制透明、安全可靠的特点,在诸多领域得到应用和推广。结合智能交通领域的业务需求和区块链的技术特点,对区块链在交通领域中的应用研究进行了初步探讨。     

北京市旅游交通方式选择行为研究

为防止北京市旅游高峰期间景区周边交通混乱以及城市交通路网负荷增加,选取北京市三 处景点进行问卷调查,将游客的年龄、是否有车、月收入、同行人数及同伴类型等数据作为影响游客交通方式选择的因素。与此同时,对所需数据进行有效性检验,进而分析不同游客的出行方 式特性,利用非集计模型对游客的交通方式选择行为进行研究。结果显示：游客的年龄、是否有车、月收入、同行人数以及同伴类型这几类因素对游客的交通方式选择的影响均显著,并得到游 客对私家车、出租车、地铁及公交车这四类交通方式选择的比例,分别为17%, 7%, 54%, 22%。研究表明,北京市旅游交通方式的需求以公共交通为主,尤其是对轨道交通的需求,为此建议进 一步加大北京市旅游公共交通系统建设,提高旅游交通的服务质量。     

基于大数据的大学校园停车系统规划 ——以大连理工大学凌水主校区为例

为解决大学校园停车系统混乱以及用于相关规划的基础数据样本量小、精度不高、时效性 差等问题,应用大学校园停车调查数据、各出入口车辆记录数据以及各院系教职工信息数据进行多源大数据分析,提出了一种基于大数据的大学校园停车系统规划方法。以大连理工大学凌水主 校区收集到的数据为例,首先从静态角度利用各出入口车辆记录数据和校园停车调查数据获取校园整体停车需求,进而利用各院系教职工信息数据分析各部门的停车需求。然后,从动态角度考虑停车位的周转问题,利用各出入口车辆记录数据分析校园出入车辆停车时段分布状况。最后,根据多源大数据分析所得校园停车系统现状,得出相应的校园停车系统规划结果。研究结果表 明：基于大数据的大学校园停车系统规划方法可有效解决传统方法中基础数据样本量小、精度不高、时效性差等问题,提高了规划结果的实用性和科学性。     

基于部分集卡到达信息的码头进口箱翻箱优化

集装箱码头进口箱提箱作业过程中,由于外集卡到达时间的不确定性,存在外集卡提箱顺序与目标箱的堆存位置不一致,从而产生大量翻箱.为了解决这一问题,本文以期望翻箱量最小为落箱位置的选择原则,提出最小化二次翻箱启发式算法,利用算例验证算法的有效性,分析集卡到达的信息质量对进口箱提箱翻箱的影响,根据集卡到达信息质量的不同选择最佳翻箱规则.结果表明:提出的翻箱策略可以在获得部分集卡到达信息下有效地减少翻箱,针对不同的集卡到达信息质量,采取相应翻箱规则进行翻箱作业能有效减少翻箱,提高码头堆场的作业效率.     

基于移动导航数据的信号配时反推

在交通管理和评价时,信号配时对监测评价路口运行状态,评价路口配时方案至关重要.但是,大范围的实时信号配时方案的获取尚缺乏简明有效的途径.本文提出两种基于移动导航数据计算固定配时路口信号配时的方法.第一种方法是在不考虑驾驶员驾驶行为差异性时,得到路口红灯和车均延误的关系模型,从而计算某相位的红灯时长.另外一种方法是基于车辆通过停止线的时间,结合本文提出的上升梯度法,得到某阶段红灯时长.本文通过实际的路口案例计算,将预测结果和已知路口的信号配时比较,表明此方法计算得到的红绿灯时长准确度较高,为后续进行路口运行状态和通行能力研究提供了数据支持.     

新能源公交车辆大数据决策支持平台的研究

新能源汽车具有能源利用效率高、环境污染小、适用清洁能源种类多、噪声低、方便保养、安全性高等优点,成为未来公共交通发展的重点方向。为了实现更高的信息化程度,为国内大型城市的新能源公交车辆的规模化应用提供便利,相关的信息化系统平台的建设非常重要。大数据技术为新能源公交车辆决策支持平台建立了数据分析与应用基础,该大数据决策支持平台能够存储、处理来自不同数据源的多维数据,利用联机分析处理实现多维度数据分析,运用数据挖掘技术利用新能源公交车辆信息,提供新能源车辆充电决策、充电场地建设决策、电池容量及衰退分析等功能。     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.