多相流试验台测控系统的现场调试

介绍了多相流试验台的测控原理和调试的工作内容,结合多相流试验台的安装与调试过程,阐述了现场调试中出现的主要问题及其相应的解决步骤,对现场调试人员在调试中应注意的问题提出了一些建议.     

固定检测器和移动检测器的交通信息融合方法

固定检测器和移动检测器在检测参数、数据精度、覆盖范围、采集成本等方面存在较大差异,具有很强的互补性.分析了固定检测器与移动检测器进行信息融合的必要性,提出了交通信息融合的总体框架.在分别阐述了基于固定检测器和基于移动检测器的区间平均速度估计方法基础上,采用BP神经网络对区间平均速度进行信息融合.以上海市南北高架道路为对象,利用Vissim仿真软件对基于BP神经网络的交通信息融合方法进行了实例分析,结果表明,该方法可以明显提高区间平均速度的精度.     

铁路工程勘察断面数据接口标准研究

在铁路工程设计中,断面设计占了相当大的工作量,通过对断面数据的分析、分类,制定了勘察断面数据的接口标准,建立断面数据的统一格式——Schema格式,设计相应程序实现及解决了勘察设计一体化中标准、数据共享、功能共享等问题,并通过海东线进行了应用验证。     

基于矢量道路栅格化的海量浮动车数据快速处理

针对海量浮动车数据特点和快速处理要求,提出了一种基于矢量道路地图栅格化的海量浮动车数据方法,该算法的关键是矢量道路栅格化过程中包括了道路缓冲区和属性信息。道路缓冲区的宽度由一个与浮动车数据位置误差和道路宽度相关的置信区域决定;矢量道路缓冲区转换成栅格图后,栅格图中像素的位置对应着实际地理坐标,而像素值的灰度值表示道路的等级、名称、编号等属性或方向等信息;然后将海量浮动车数据与栅格道路地图进行叠加处理。这种方法不仅可以精确地计算出城市道路地图坐标系与浮动车数据坐标系之间的变换参数,而且还能够快速地获取区域路网以及特定道路的行驶速度。最后,通过超过一千万个真实的武汉市浮动车数据,并与经典的浮动车数据处理算法进行比较,验证了矢量道路栅格化方法处理海量浮动车数据的可行性和有效性。     

面向不同管理需求的交通基础设施养护数据平台建设

为了掌握交通基础设施技术状况、服务于养护技术经济指标分析,基于不同层级管理目标的信息化需求,通过详细分析不同层级需求的数据及其来源,设计了可服务于不同管理层级并用于管理主体交互的基本数据组成、获取和更新路径。此外,以数据设计为基础,展示了数据平台应用于申嘉湖高速公路的管理案例。     

通用某新能源车型总线数据获取策略研究

随着车联网以及智能驾驶概念的提出及实施,车辆的总线数据安全变得越来越重要,因此通用汽车广泛采用设置车辆网关模块以及防火墙用以隔绝汽车内部总线数据与外界的直接联系以保证车辆安全性,但是在车辆的开发测试阶段,无法直接获取总线数据对问题的分析与解决造成了很大障碍;本文基于通用某新能源车型在开发测试阶段总线数据获取困难的问题,对各种获取总线数据的方法进行了分析与比较,提出了使用跳线人造工程接口的方法获取车辆的总线数据。     

基于自然驾驶数据的分心驾驶行为识别方法

大量证据表明,驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式（如脑电波等）或半侵入式（如视频等）检测驾驶人分心的方法,不仅对驾驶任务造成一定干扰,且受多种环境因素的制约,误报率较高。基于此,只考虑非侵入式车辆运动特征,提出一种基于深度学习的驾驶人分心状态识别方法：首先,从自然驾驶数据集中获得大量的跟驰片段,采用态势感知方法,提取典型的分心驾驶片段,并建立仅包含车辆运动学特征的分心判别指标集;其次,利用梯度提升决策树-递归特征消除算法（GBDT-RFE）和随机森林-递归特征消除算法（RF-RFE）对特征进行重要度排序,得到重要度较高的分心监测指标;最后,采用长短时记忆神经网络（LSTM-NN）实现分心驾驶的分类识别,并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明：LSTM-NN在判别分心或正常状态时F₁分别为89%、91%,高于SVM和AdaBoost对应二分类结果;进行多分类任务时,判别分心情景的平均F₁较SVM和AdaBoost分别提升了12%和7%,不同类别分心识别的误报率在15%以下,说明LSTM-NN能够有效学习分心序列的前后信息,有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。     

产品数据管理系统在离散型制造企业中的应用

为了解决多品种、小批量的生产模式为离散型制造企业带来的诸多管理难题,提出通过建设信息化管理平台帮助企业提升管理水平。阐述了中交西筑公司建设“产品数据管理系统”(一期)的实际建设内容及应用情况,为即将建设信息化管理平台的制造企业提供参考。应用效果表明,该产品数据管理系统可以降低生产成本,提高效率。     

Freeway path travel time prediction based on heterogeneous traffic data through nonparametric model

Providing reliable travel time prediction is very much needed for commuters for their upcoming trips to reduce travel time and relieve traffic congestion. This article proposes an integrated model for path and multi-step-ahead travel time prediction on freeways using both historical and real-time heterogeneous traffic and weather data. The model's performance is investigated in a case study under various traffic scenarios. Results indicate that the proposed model provides satisfactory prediction results in various performance tests. For practical purposes, general guidelines for selecting the model's parameter sets as well as the efficient size of historical data are also presented.     

非道路用柴油机瞬态行为分析和试验循环开发

针对车辆在水泥路、石块路、起伏路、沼泽路行驶采集的柴油机道路载荷数据,对齿杆位移与扭矩进行转换,设计了表征原始载荷数据总体瞬态特征的7个参数,包括转速变化率、扭矩变化率、功率、功率变化率、转速和扭矩、转速和扭矩变化率、扭矩和转速变化率,划分区间计算相对发生率确定了总体特征.采用x2校验和移动筛选的方法,从原始数据中选取了代表每种路面形式瞬态特征的微历程,进一步工程调整微历程中的部分数据段,确定了表征总体瞬态特征的最佳微历程.最后对微历程按任务比例组合形成了适合柴油机的瞬态加载试验循环.