高空滑移安装桥梁检修车新技术

为解决通航受限、设备受限及场地受限等条件下桥梁检修车安装难题,通过厦漳同城大道三标项目西溪主桥检修车安装工艺比选,优化研究了高空滑移安装的新技术。结果表明:对于水上受限条件下的检修车安装,该方法具有较强的可行性和优越性。     

理查德·布兰森航空展上首次体验万米高空之旅

在世界上最大型的个人航空展——威斯康星州奥什科什EEA休闲航空展2009（EAA Airventure 2009）上，理查德·布兰森爵士（Sir Richard Branson）首次乘坐维珍银河公司（Virgin Galactic）生产的太空母船进行试飞。不久的将来，这架太空母船将成为开展个人太空之旅和太空科学研究的主力机型。     

深植中国,印证承诺——特雷克斯高空作业平台落户常州

2011年3月9日,在一派喜庆的氛围中,作为全球第三大施工设备制造商,特雷克斯公司高空作业平台部,在常州市高新技术开发区正式落成开张。特雷克斯集团董事长兼首席执行官罗纳德·笛福、特雷克斯集团高空作业平台部总裁蒂姆·福特、特雷克斯集团中国区总裁肯·罗斯勃格、特雷克斯集团亚太区高空平台作业部副总裁顾贤铉等公司高层,以及常州市副市长韩九云、常州市政府领导等参与了盛大的开幕仪式……     

多次函数拟合法高精度转换传真天气图坐标

在舰艇航行气象保障中,用到很多传真天气图资料,而且常常需要将传真天气图叠加在电子海图上,两者叠加的关键步骤之一是将传真天气图的图像坐标转换成经纬度坐标,由于常用的坐标转换计算方法误差通常在1°以上,叠加后天气信息在海图上的显示有较大偏差.为了提高坐标转换精度,提出多次函数拟合方法,在投影方程基础上,采用了结合多次函数拟合的数值来校正误差.计算后,经度平均误差±0.1°,纬度平均误差士0.2°.利用这个计算方法,可以比较准确地数字化传真天气图,能够应用于气象信息与地理信息系统融合以及舰船数值预报释用计算等领域.     

沈阳消防支队购置进口高空泡沫消防车

近日,沈阳消防支队斥资594．8万新购置的俄罗斯原装进口PP-37高空泡沫消防车已经到位。该车主要用于将消防人员、消防设备及其他装备运送到火灾地点。该车工作环境温度为-40-40℃,适用于扑灭高达37m的石油产品贮存器及重点化工企业火灾,还可用于为建筑物和技术设备降温,以及有毒和放射气体、烟雾及尘土的沉淀。     

某大型条形封闭煤仓的网架安装技术

惠州荃湾煤炭码头建设2座大型条形封闭煤仓,单座长500 m、跨度118 m,上部展开约7.45万m2的网架+檩条+高强压型钢板结构。网架采用正放四角锥双层三心圆柱面弧形网壳结构,主次檩条双层先后布置。结合项目特点及现场条件,为加快安装效率、提高安装精度,网架采用整体顶升工艺、分条分块顶吊工艺和高空散装工艺相结合进行安装。檩条采用地面预拼成榀、高空榀装工艺。通过对网壳上部结构进行全面、系统、全过程应力自动监测,同步进行网壳施工测量,确保安装质量和安全。可为水运工程类似项目提供范例和经验借鉴。     

百米高空大吨位塔吊整体移位施工新工艺

介绍了百米高空中塔吊整体移位的施工工艺、安全技术措施及效益分析.该工艺填补了国内高空中塔吊整体移位的空白.     

特雷克斯将加大中国市场投入

特雷克斯作为全球第三大建筑机械与矿用设备制造商．在本次展会上共展出了13台来自各个事业部的设备。其中包括3台起重机、2台专业矿用自卸车、6台高空作业设备以及2台液压挖掘机。     

基于高空视频图像的山地城市信号交叉口到达车辆运行特征分析

为明确山地城市信号交叉口到达车辆的运行特征及其影响因素,通过无人机采集4个位于山地城市的道路信号交叉口的高空视频图像数据,利用基于DataFromSky云平台的AI视频分析技术,获得车辆运行参数。基于车辆运行时空图,得到了交叉口直行道停止线前车辆停滞延误特征、停止线位置车头时距和车头间距统计特征,分析车头间距、停止线截面处速度及道路平均坡度之间的相关性。结果表明：不同路段同一排队位次和同一路段不同排队位次的车辆运行特征均有所不同,排队位次越靠前的车辆,停车点分布区间越集中,下坡路段整体停车位置分布范围比上坡路段大;无论是上坡、下坡,还是缓坡,排队位次越靠前的车辆停滞延误分布范围越大,而靠后的车辆停滞延误分布范围小,最大值出现在下坡路段;不同路段类型车头时距分布均集中于1.5 s,上坡路段的车头时距离散程度最大,但峰值比下坡路段和缓坡路段小;不同路段类型的车头间距分布均集中于10 m,上坡路段和下坡路段车头间距分布出现左偏现象,而缓坡路段车头间距分布更为集中;车头间距在上坡、下坡和缓坡路段均和车辆经过停止线位置处时的速度存在较强的正相关性;道路平均坡度与相邻2车车头间距存在正相关性。     

基于3DCNN-DNN 的高空视频交通状态预测

为使用高空视频识别和预测道路交通状态，提出基于三维卷积神经网络-深度神经网络(3DCNN-DNN)的交通状态预测方法. 将道路切分为D 个路段，每个路段视频片段时长 m s，基于典型3DCNN结构C3D识别路段视频片段交通状态；建立道路? 个历史时段、D 个路段的交通状态矩阵Φ ，将道路交通状态预测问题转化为以Φ 为输入，有限交通状态为输出的分类问题，构建基于DNN的短时交通状态预测模型原型；建立交通视频数据集，对DNN预测模型原型的隐藏层数量、神经元数量及训练批大小进行测试优化，提出有4 隐藏层，各层神经元数量为64/128/128/64，训练批大小为64 的优化模型DNN*.测试结果表明：C3D视频交通态识别平均F1 值为95.71%，DNN*道路交通状态预测准确率为91.18%，比DNN线性分类、KMeans 、KNN、SVM和线性分类分别高6.86%、57.85%、62.26%、26.47%、43.14%；C3D能提供准确的交通状态矩阵，3DCNN-DNN可有效识别和预测道路视频交通状态.