高速铁路道岔异构数据在Hbase上的云存储方案

实现健康预测管理（PHM）可以提高信号设备的运行安全性、系统可靠性和可维修性，道岔设备的数据对其PHM的研究有重要意义。目前，高速铁路道岔监测数据存储架构难以满足PHM海量异构历史数据存储问题，结合道岔监控数据以及道岔缺口监测图像等异构数据，引入大数据技术中的Hbase非结构化数据存储理念，提出高速铁路道岔设备海量异构数据的云存储及查询管理方案。针对图像数据尺寸不一致的问题，提出基于MapReduce的优化图像分块存储算法，实现高速铁路道岔异构数据的Hbase云存储，在实验室环境搭建平台对方案进行验证。结果表明:从MySQL到Hbase迁移10 GB历史数据约为15 min，在数量到达20万条以上时Hbase查询性能优于MySQL。通过MapReduce优化图像数据分块算法，存储速度得到提升。该方案对高速铁路道岔设备PHM中海量异构数据的存储提供了理论和技术支撑。     

大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

浅谈湖南省高速公路路径识别技术

分析了在高速公路环网中,存在路径二义性问题,如果不能将车辆路径信息识别出来,就只能按最短路径收费,收费额流失度相当庞大,总结了目前的一些路径识别技术的优缺点,阐述了湖南省现在采用路径识别技术的构架;指出了湖南省未来发展的路径识别技术方向。     

随机梯度遗传算法在船舶尾流目标识别中的应用

通过识别船舶尾流可以有效地反映出船舶的自身参数,从而能帮助海军航空兵的侦察工作。随机梯度遗传算法是在传统的遗传算法的基础上,融合了局部搜索,这样更有利于种群的收敛性。本文将此算法应用于船舶尾流识别,通过最后的实验结果可以看出,随着迭代次数的增大,不同航速下的船舶尾流目标识别率会增大,但是并不是匀速的增大。     

船舶自动识别系统中的计算机视觉技术应用

船舶自动识别系统(AIS)是一种新型的数字助航系统。AIS的发展和应用可有效地解决海损事故,避免生命和财产的损失。计算机视觉是近年来迅猛发展起来的技术,将计算机视觉技术应用到AIS中,可以弥补AIS不可使用时的不足,完善AIS的功能。本文主要介绍计算机视觉技术在AIS中船舶识别和船舶跟踪的2个重要应用。     

高速公路收费站高清视频车牌识别系统的研究

针对现有高速公路收费站标清视频车牌识别系统,研究了高清视频车牌识别系统方案及特点,高清视频车牌识别系统方案实现对每一辆车的车牌进行自动识别,通过智能化处理,缩短收费口的停留时间,从而提高服务水平。     

船载卫星定位系统的差分算法计算研究

近年来,船载卫星通信系统发展迅速,在海洋通信和抗震救灾等方面作用显著。船载卫星定位系统作为船载卫星通信系统的重要组成部分,受到了越来越广泛的研究。本文针对当前船载卫星定位系统存在的问题,基于GPS定位系统的误差来源,对当前主流的几种GPS差分算法进行了研究,并利用载波相位差分算法进行精确定位,利用Matlab对该系统进行仿真可知,该方法具有较高的精度和较快的速度,具有进一步推广应用的潜力。     

低碳环境下车辆路径问题研究

车辆路径问题(VRP)是供应链管理中的关键问题,同时环境问题又是物流领域亟待解决的主要问题之一,所以在研究VRP过程中结合当前环境是研究低碳运输的重要方式。为实现低碳运输,文中计算油耗时考虑了车辆的载重和车速,并以最少成本作为目标函数对VRP进行研究,建立数学模型,对传统的人工蜂群算法进行改进,最后通过matlab软件进行仿真实验。     

考虑收益管理的高铁平行车次动态差别定价

基于RP(Revealed Preference)和SP(Stated Preference)调查数据，利用潜在类别模型对高铁旅客进行细分，得到旅客对平行车次不同服务属性，如列车运行时间、发车时段和舒适度的偏好程度，并对其进行量化；引入收益管理，以多列车整体收益最大为目标，构建平行车次动态差别定价模型，并设计模拟退火算法进行求解；最后，通过京沪高铁进行实例验证.结果表明：与固定票价进行客票销售相比，所提方案能够适应高峰期和平峰期不同客流特点，提高铁路客票总收益，为高铁平行车次灵活定价提供参考.     

云计算聚类挖掘算法在船舶海上信息平台中的应用

海洋数据量快速增长,如何获取有用的数据已经成为海上信息平台处理中的关键问题之一。本文在搭建的海上信息云平台上,利用Canopy算法实现海上数据的聚类分析,对云平台中的并行计算进行说明。最后进行与K-均值聚类的对比实验,从运行时间、加速比、聚类识别率等方面说明本文算法运行效率高,聚类识别效果好。