城市老城区健康道路交通模式探讨

为解决城市老城区交通压力持续增大的问题,从道路系统、公共交通系统、慢行交通系统三个方面进行研究,基于健康城市理念,并借鉴国外城市老城区交通发展模式,提出国内城市老城区健康道路交通模式应具有道路网络"高密度、小街区、微循环",公共交通全覆盖、高效率,慢行交通空间连续、设施完善、与公共交通无缝衔接等特征,为老城区健康道路交通规划设计提供参考。     

珠三角科技型小微企业协同创新网络的构建

珠三角地区作为我国重要的城市群之一,拥有众多的小微企业,这些企业的发展模式受到大家重视和关注。文中首先分析了珠三角科技型小微企业协同创新存在的问题,提出协同创新网络的构建是解决当前一些问题的有效措施;其次,在协同创新网络的构建中,分析了构建的主体要素、构建的模式、构建的过程和具体的构建框架;最后分析了构建后的协同创新网络的特征。     

基于网络学习空间的S-ISAL教学方法在《旅游英语》课程中的实证研究

以云计算为依托的现代信息技术带动高职课程资源整合方式和教学方式改革。本文依托网络学习空间平台,以《旅游英语》课程为例,详细阐述S-ISAL整体教学设计、空间课程资源建设和创新实践,旨在探寻S-ISAL基本要素配置规律,进一步验证S-ISAL教学方法在日益普及的网络教学中的应用及推广价值。     

基于SOM的我国民用机场分类研究

科学准确地对民用机场分类可以将机场自身定位,为机场发展及评估提供可靠依据,具有重要的现实意义。本文选用了15个影响我国机场分类的关键因素,运用神经网络技术中的自组织映射(Self-Organizing Map,文中简称SOM)将我国民用机场进行了细分,并分析了各类机场的特点。结果表明,SOM能很好地应用于我国民用机场分类,是一种科学、有效的分类方法。     

考虑多人相互影响的舰船通道最短路径规划

将时间维引入既定舰船通道网络,把考虑多人相互影响的动态最优路径规划问题转化为时间依赖网络中的最优路径搜索问题。首先,论文的算法为所有人员随机生成走行路径,为了预测网络中的弧(路段)的走行时间,按人员速度从慢到快的顺序依次计算并记录人员到达路径中的各路段首节点的时刻,先记录到的人员将成为后记录到的人员的动态障碍。然后,将遗传算法与网络中弧的走行时间预测方法相结合,借助遗传算法的个体多样性天然地解决了人员走行任意性问题,因而获得了全局动态最优路径算法,并仿真计算了两人以及三人的最短时间路径;经与不考虑人员间相互影响时获得的最优路径相比较,论文的算法获得了人员遇到障碍时(或跟行或绕行)的最优走行路径。最后,借助时间依赖网络中的最优路径充要条件定理,说明了算法的有效性。     

基于贝叶斯网络的海上交通系统设备投资风险决策

随着航海科技的发展而相继出现的一些比现有交通系统设备更智能先进的设备可以提高船舶航行的安全性,进而提高船舶乃至船舶公司和航运公司的收益,但是投资这些智能先进设备会导致整个系统的成本增加.因此,为降低决策风险,基于贝叶斯网络方法,通过分析海上交通设备所影响的相关因素及其对海上船舶事故的影响,建立海上事故的贝叶斯网络;通过调研和专家问卷获取相关数据,并对其进行处理得到相关的先验概率和条件概率;将这些数据输入到贝叶斯网络得到后验概率,通过计算得到使用现有设备和智能设备的期望收益,进而做出风险决策.     

基于贝叶斯网络的车辆目标功能毁伤评估模型

应用贝叶斯网络在解决不确定性事件方面的推理优势,根据车辆目标的毁伤特征分析建立了贝叶斯网络功能毁伤评估模型。在目标物理毁伤信息分析的基础上,通过实例演示了评估过程,验证了用贝叶斯网络进行功能毁伤评估的可行性与有效性。     

基于无线传感器网络的运动目标检测动态聚类图

有效的目标跟踪需要积极的传感器节点对运动目标群实行跟踪。与单目标跟踪相比,聚类在效能上有显著提高。本文提出准确的相干和非相干运动模式下目标的聚类,采用隐式动态时间框架来评估在创建连接组件加权图的目标关系史。该算法采用目标跟踪中定位算法的关键特征,即估计当前和预测的位置来确定移动目标的方向和距离的关系。模拟结果显示,通过动态调整历史窗口大小和预测目标之间的关系,可以显著提高聚类的准确性并减少运算时间。     

LonWorks分布式控制网络技术在轨道列车中的应用

LonWorks作为一种成熟的控制网络技术,己在列车通信网络中得到广泛的应用,但因不能实现自动编组,且与车辆总线的连接也有问题,使其运用受到限制。现提出了初步解决方案,并通过实验进行了验证。     

基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析

为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明：影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。