5G NR地铁专网综合承载方案探讨

为应对地铁无线专网多网并存,?单个网络无法综合承载的情况,分析了地铁应用系统的通信需求和地铁专网综合承载的现状,提出了5G新空口(5G?NR,5G?New?Radio)地铁专网综合承载方案,重点研究了基于5G?NR网络切片的业务适配和网络隔离方案.为满足地铁复杂的应用需求和安全隔离要求,提出了5G?NR网络切片的扩展即...     

多分类转导支持向量机

为了完成分类学习,传统的支持向量机基于带标记信息的经验数据归纳出一个通用的决策函数。而转导支持向量机则不同,它考虑包含测试集在内的所有数据信息并致力于最小化测试样本的分类错误数。在已有的2类分类方法的基础上构造了直接求解多类分类问题的的转导支持向量机。     

建构主义与多媒体和网络辅助下的英语听说实践策略

首先阐述了建构主义基本理论,指出建构主义学习理论是多媒体、网络辅助下的大学英语听说实践的理论基础.进而探讨了如何在建构主义理论的指导下,利用丰富的网络资源开展听说实践活动和教师在此过程中角色的转变.     

环境荷载作用下盾构隧道断面变形特征分析

研究目的:城市地铁盾构隧道在环境荷载作用下容易诱发衬砌结构变形.为分析城市盾构隧道结构变形成因及变形基本形态特征,基于向量基本概念,提出定量分析隧道结构断面变形特征的描述方法,并结合有限元数值分析方法,模拟盾构隧道在不同环境荷载作用下的结构变形形态,以验证隧道变形描述方法的正确性. 研究结论:(1)盾构隧道处于无软弱滑...     

城市轨道交通5G公专网无线覆盖方案研究

[目的]城市轨道交通5G公专网是5G公网在城市轨道交通行业的垂直应用,其无线覆盖方案与5G公网仅需满足公众乘客对移动通信的需求存在较大差异。因此需研究城市轨道交通5G公专网无线覆盖方案。[方法]以城市轨道交通无线通信业务需求为前提,针对城市轨道交通的复杂应用环境,明确了5G公专网无线覆盖范围,提出了不同应用场景下无线覆盖技术指标要求;设计了隧道区域、地面区域和室内区域不同场景下的无线覆盖方式;探讨了无线网络容量优化和覆盖优化措施。[结果及结论]所形成的以业务需求为导向的城市轨道交通5G公专网无线覆盖方案是全场景、连续性的解决方案。城市轨道交通5G公专网无线覆盖方案还应统筹考虑运营商不同制式、多频段无线系统共建共享及系统之间干扰问题,以为城市轨道交通用户提供良好的5G公专网服务。     

基于Faster R-CNN的接触网吊弦故障检测方法

针对接触网吊弦故障图像样本较少,现有方法检测准确率较低的问题,提出了一种高效率、高准确率的接触网吊弦故障检测方法.以Faster R-CNN模型为基础,通过引入能够提取深层次图像特征并实现特征重用的密集连接卷积神经网络(dense convolutional network model, DenseNet)替代原始的特征提取模块提取吊弦图像特征,并在实验中利用图像旋转、增强等数据变换操作扩充样本集提升检测效果.通过对接触网吊弦图像的测试,以DenseNet为主干网络的Faster R-CNN模型能够检测接触网吊弦故障,检测准确率比原始检测模型提高4%以上,且加入数据变换对吊弦故障检测的准确率和鲁棒性均有显著提升,均值平均精度(mAP)可达98%以上.     

退化环境中全向移动机器人位姿鲁棒修正算法

全向移动机器人定位算法在退化环境中通常会产生较大的定位漂移或失效,为此提出一种鲁棒的全向移动机器人在退化环境中的位姿修正算法。首先,通过全向移动机器人的结构、动力学分析确定定位误差产生来源;其次,对机器人的各运动状态进行受力分析,结合机器人的运动环境和机器人的运动状态建立打滑误差模型;再次,通过预试验得到的位移与定位误差,运用非线性加权拟合方法计算得出加工装配误差模型;最后,在轮式里程计中插入误差补偿模块,提高机器人定位精度。试验表明：算法位置平均误差为1.36%,姿态平均误差为0.75%,较传统算法分别提高了3.14倍和5.15倍。算法在保证定位精度的前提下具有很强的鲁棒性。     

老年人驾车出行转移行为影响因素分析

我国老龄化进程不断加快,公安部于2020年发布取消小型汽车驾驶证申请70周岁上限,老年人群的驾车出行行为备受关注。提出结构方程模型与贝叶斯网络的综合分析方法：以结构方程模型验证老年人转向驾车出行意向的社会认知理论因素,结合机器学习领域的贝叶斯网络计算输出关键决定因素并量化因素间的关系强度。研究结果表明：约16%的老年人有高水平的驾车出行转移意向;态度、主观规范与自我效能感对驾车出行转移意向产生的影响力最大;当老年人的自我效能感和态度由低状态变为高状态时,转移意向的高状态发生概率呈现约185%和265%的增长幅度。这有助于了解老年人的驾车心理需求,为预测未来高龄驾驶群体规模提供思路。     

建成环境对城市交通事故严重程度影响研究

针对城市交通事故分析中缺少建成环境因素的系统考虑,以密度、多样性、交通设计、可达性及公共交通临近度等5个维度表征建成环境,同时考虑个体行为、道路情况、事故类型及自然环境4个方面,运用机器学习算法建立融入建成环境因素对城市道路交通事故严重程度影响分析模型;并以重庆市某区的事故数据进行实证分析。研究结果表明：建成环境变量对事故严重程度有较大影响;从变量重要度排序来看,土地利用混合度(14.29%)、快速路及主干路密度(12.43%)、次干路及支路密度(11.54%)、人口密度(11.35%)与可达性(10.96%)的影响程度较高,累计重要度达60.57%;同时各变量与事故严重程度呈现出非线性关系。     

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。