地铁闸机扇门机构故障时间序列预测研究

基于CNN+ LSTM混合神经网络构建故障时间序列预测模型,利用某型号地铁闸机扇门机构的故障数据进行实例分析,并与ARIMA、CNN和LSTM 3种单一预测模型对比。结果表明:CNN+LSTM混合神经网络模型的预测准确性较高,具有良好应用前景,研究成果可用于支持地铁闸机维修计划的制定和优化。     

基于客流需求的城市轨道交通动态时刻表优化模型

为使城市轨道交通列车运行时刻表更贴合客流需求,依据不断变化的客流需求确定每列车的发车时刻和停站时间,采用多目标优化方法构建以乘客出行时间费用和列车运行时间费用最小为目标、列车发车时刻和停站时间为决策变量的城市轨道交通动态时刻表优化模型,并采用粒子群算法求解。以广州地铁13号线为例进行验证,结果表明优化后的时刻表更满足客流需求,能有效地提高乘客出行效率,具有更好的动态适应性。     

春运之“归心”

眼看就要过年了,回家的心从来没像此刻这样热切。“家”这个字,仿佛也只有逢年过节或者伤心难过时提起才更有感觉。那种家特有的温暖感、归属感,伴随着一声“回家”滚滚袭来,一股热流之后好像穿越时间,妈妈的唠里唠叨、爸爸沉默不语的脸庞,爷爷倚在老家的石头墙上晒太阳的场景全都浮现眼前……仿佛瞬间就回到了那个家,那个小时候盼望着快快长大、早日离开的家,那个布满成长足迹的家乡。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

疫情期间延长船员在船服务时间的应对建议

分析新型冠状病毒肺炎疫情(COVID-19)对船员正常换班和遣返的影响,介绍2006年海事劳工公约关于船员在船服务时间的相关要求以及疫情期间部分船旗国延长船员在船服务时间的临时措施,结合东京备忘录发布的港口国(PSC)指南,就如何应对船员在船服务时间的延长提出相关建议,供航运公司和船舶参考.     

航空兵协同对海打击时间协同模型研究

时间因素在协同作战中作用日益凸显。首先对简单时间约束网络进行了分析,而后根据时间约束网络,对航空兵协同时间约束进行了定量化,将定量时间约束转化为 STCN要求的不等式形式,给出了时间协同STCN模型建模的具体流程,最后,建立了基于 STCN的d个协同动作时间约束模型。     

快速公交系统站台停靠时间模型研究

快速公交系统停靠站台停车延误是影响快速公交运行车速的关键因素之一,因此构建快速公交系统站台停靠时间模型是提升快速公交服务水平的基础理论研究。本文选取盐城BRT-1号线的起始站、中途站、客流离散站等三类站点为研究对象,综合运用数理统计法与数据挖掘法,构建快速公交系统站台停靠时间模型,并对该模型的合理性进行了检验。研究表明:盐城市BRT-1号线三类站台的快速公交车辆停靠时间与上下车乘客人数呈线性关系,即快速公交车辆停靠时间与上下车乘客人数的检验参数R2均大于0.8。