AIS信息服务平台上线运行 公众可免费获得船舶实时动态数据

<正>2月4日,交通运输部海事局船舶自动识别系统(AJS)信息服务平台上线运行,标志着我国沿海及内河船舶实时动态权威数据正式对社会开放。社会公众可免费通过平台了解航行于我国沿海和内河水域船舶的实时动态数据。初步估算,社会公众可通过平台掌握日均3.5万艘船舶的动态数据,了解船舶交通流密度,并可按需以单船或组合方式查询船舶相关信息,包括船舶实际位置、航速等。同时,平台还集成了船舶劳氏数据信息、港口基本信息,潮汐预测信息、气象信息等综合数据,为用户     

基于BP人工神经网络的滑坡预测分析

文章以汶川地震引发的滑坡为研究对象,以震中距、地震烈度、坡度、前缘高程、坡高和岩性等影响坡体稳定性的因素为切入点,利用BP人工神经网络对实际坡体的稳定性进行了预测分析。结果表明,BP人工神经网络方法能有效预测坡体的稳定情况。     

基于桥梁挠度长期监测值的动态预测

文章针对重庆高家花园嘉陵江大桥实时健康监测系统的挠度长期监测数据,根据监测信息的时间序列呈季节、循环等非平稳状态特点,介绍采用ARMA时间序列预测模型,对挠度监测数据中所包含的外荷载的变化趋势及结构抗力的衰变信息进行动态预测,同时建立了结构外效应的预测函数。结果表明,采用低阶模型能对挠度监测值进行较好的动态预测。     

基于相空间重构的水资源时间序列混沌预测模型研究

针对水资源时间序列非线性预测难题,建立了基于相空间重构的混沌预测模型。通过将原始时间序列非线性映射到一个高维特征空间中进行相空间重构,获得输入向量和期望输出向量,选择统计学习理论中的SVM模型进行预测,经实证分析,文中模型比ANN模型和AR模型具有拟合效果好,预测精度高,泛化能力强等优点。     

电动汽车剩余续驶里程估算准确度分析

基于技术调研分析了电动汽车剩余里程估算相关影响因素及行业主流应用算法,结合实车测试对不同算法对应的剩余里程估算准确度进行对比分析,剖析当前行业技术现状及存在的问题,最后从提升用户体验的角度提出相关行业建议以及对未来技术发展的展望.     

基于自相关分析的交通流预测输入步长研究

目前的交通流预测研究中,输入步长主要取决于人为的选择,容易受到干扰,并且缺少从理论方面选择输入步长的方法。为了能够自适应地选取输入步长,基于交通流历史时间序列的自相关分析,以机器学习中典型的最小二乘支持向量机（LSSVM）、随机森林（RF）以及长短记忆（LSTM）3种算法进行多输入步长的交通流预测,探究以自相关系数值选取最佳输入步长的方法可行性。实验结果表明,在输入步长的自相关系数为0.80～0.91时,LSSVM能获得较优的预测精度,当自相关系数为0.47～0.51时,LSTM能有较好的预测精度,而RF交通流预测的最低误差对应的输入步长自相关程度较低,自相关分析方法 可能并不适用。     

上海市松江区现代有轨电车交叉口交通组织案例分析

上海市松江区现代有轨电车示范线由T1、T2两条线路组成,总长约31.269 km。在项目设计过程中大部分路段采用独立路权及交叉口通行优先的方式来保证有轨电车的营运速度、行车舒适度及安全性。由于其中的交叉口是有轨电车与其他社会车辆及交通方式互相影响最为突出的节点,为解决该节点上各类交通方式的冲突,保障交通安全畅通,针对有轨电车典型交叉口的交通组织进行了细致的分析与研究,并进行了交叉口流量预测,提出了合理的交通组织方式。     

基于模型预测控制的无人艇VO避障

在高速行驶中,无人艇速度快、反应时间短,为了达到安全避障的要求,避障算法必须实时性好、稳定性高。同时,在高速场景中,无人艇的静浮力较小,流体升力较大,风浪流对无人艇的影响较低速场景更加显著,稳定的航迹跟踪与避障控制面临挑战。为了达到良好的避障效果,无人艇必须要满足控制量的约束,同时要削减外界扰动带来的不利影响。无人艇控制系统是一个多输入多输出系统,而模型预测控制则是处理多变量约束优化问题最有效的方法之一。本文提出基于模型预测控制的无人艇VO避障算法,通过仿真实验实现了该算法的避障功能,并将该算法与传统的VO算法避障效果作对比,验证了该算法的有效性,同时,通过分析模型不确定性对该避障算法性能的影响,证明了该算法的鲁棒性。     

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。