RFID技术在供应链中的应用

介绍了RFID的发展历程和关键技术,对电子标签的应用及工作原理、优点等进行了阐述.从信息与利润共享入手论述了电子标签对供应链产生的影响,对RFID技术在供应链中的应用做了分析和预测,并结合中国实际对如何发展RFID在物流供应链中的应用提出了一些建议.     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...     

基于动态栅格与隐马尔科夫模型前车换道意图识别

针对前车换道意图识别预测问题,提出基于动态栅格地图与混合高斯隐马尔科夫模型结合的识别预测方法,建立以自车车头中心点为零点的动态栅格地图描述前车的位置信息,基于语义分割的方法获取前方车辆的轮廓特征与车道线,并分析前方障碍车辆的相关运动状态信息.将动态栅格地图与混合高斯隐马尔科夫模型相结合,识别预测前车换道行为.利用可观测...     

大数据环境下舰船尾迹破碎图像高精度识别技术

针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%～60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。     

每月要闻

一月JANUARY新款福特野马Shelby GT350 Heritage Edition官图发布近日,福特官方发布Mustang Shelby GT350/GT350R Heritage Edition特别版车型的官图,该车基于Mustang Shelby GT350/GT350R车型打造,采用与初代Mustang Shelby GT350相同的车身颜色,添加双条纹勒芒车身涂装。车头/车尾的眼镜蛇徽章改为蓝色,与车身整体配色更加协调。采用特殊的前后蓝色的特殊徽章,以凸显其特殊身份。     

交通出行统一帐号的电子支付MaaS运营探索

交通出行已经定位为民生实事,要求2019年全国260个地级以上城市交通出行城际无障碍互联互通,同时交通出行在不断创新的服务推动下已经悄然升级到MaaS一体化智慧出行新时代,电子支付已经成为交通出行MaaS服务的强力推手,必须对各类电子支付实现集约化运营。提出了基于统一帐号的金融级安全+电信级通信能力的交通出行聚合支付体系架构,基于该体系架构交通运营机构可利用自身优势资源,向用户提供多种账户,多种接入方式的出行全业务聚合支付服务,在完成交通运输部城市交通出行互联互通的同时构建了基于资金信息流的出行“数据链”,向云计算和大数据的智慧服务和运营体系推进。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

基于支座反力的桥梁动态称重方法

为了解决传统基于应变的桥梁动态称重(BWIM)方法存在的精度不高和车轴探测传感器存在的可适用桥型有限、复杂工况下可靠度低的问题,提出了一种基于支座反力识别移动车辆行驶速度、轴距、轴重和总重的桥梁动态称重新方法。首先介绍了车桥耦合振动系统的建立和求解过程以及基于桥梁支座反力的车轴识别理论,建立了试验室车桥振动缩尺模型,并通过模型试验对提出方法的有效性和精度进行了验证。然后基于数值模拟,研究了路面不平整度、车辆行驶速度、噪声水平等重要因素对该方法识别精度的影响。最后,将此方法与既有基于桥梁弯曲应变的桥梁动态称重方法进行了对比。研究结果表明:该方法能够准确识别车辆的行驶速度、轴距、轴重和总重信息,模型试验和数值模拟结果均显示车辆行驶速度、轴距、轴重的识别误差能控制在5%以内,车辆总重误差能控制在2%以内;该方法的识别精度优于传统基于弯曲应变的动态称重方法,且车速越高时,该方法精度优势越明显;该方法在路面不平整、噪声等因素的干扰下仍然具有良好的稳定性。     

行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度,提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络,通过引入图像注意力机制与动态元融合,能够在卷积前向传递过程中补充低层图像视觉线索,有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题,增强对细粒度特征的识别能力;同时,引入外部神经知识的元选择网络,实现网络多阶段预测的自适应融合,以避免权重偏置现象。实验结果表明,文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难,有效提高识别准确率。     

铁路信息系统用户身份自动化管理及关键技术研究

铁路信息系统网络架构复杂、业务数据量巨大、系统关联交错,用户身份信息管理长期存在账号信息易泄露、账号违规提权、账号共享等安全风险。通过研究信息自动化管理技术,设计了用户身份自动化管理系统,实现对用户身份信息的自动检测、自动修改密码与验证、自动推送、安全备份、威胁分析检测等功能,解决铁路运行维护单位在用户身份管理过程中的问题和困难,更全面地管理和保护各类资源的身份凭证,避免因用户身份信息管理不当,造成资源信息泄漏或被滥用,降低用户身份相关数据安全事故的发生概率。