危险化学品运输罐式装备智能监测系统

介绍“危险化学品运输罐式装备智能监测系统”。该系统通过传感和网络通信技术实现对危险化学品在运输过程中的物理量（压力、液位、温度等）、机械量和状态（碰撞、倾覆、刹车等）、化学量和变化（成分、泄漏、等级等）的本地监测与跟踪的同时,结合GPS／GSM／GPRS网络,USSD,卫星网络和Internet等通讯技术,通过危险化学品运输远程监控中心实现危险化学品运输全过程的远程监测与跟踪,确保危险化学品运输安全。     

基于改进Apriori算法的铁路网络安全预警方法研究

随着大数据技术的飞速发展,基于大数据技术的安全隐患事前感知技术日趋成熟,为分析海量数据和挖掘事故规律提供了有效手段.文章优化、改进数据挖掘技术中经典的Apriori算法,基于改进的Apriori算法,研究提出一种铁路网络安全预警方法,并结合网络安全等级保护要求,构建铁路网络安全指标体系,通过仿真实验,验证算法的正确性和...     

高桩码头加固技术研究综述

随着码头货运量的增长和靠泊等级要求的提升,旧码头的升级改造势在必行,高桩码头是目前最常用的码头形式之一,因而成为了加固改造的重点对象。回顾前人已有研究成果,系统介绍了不同加固方式和方案在高桩码头改造中的应用情况,分析了不同方式和方案的优缺点及适用范围,提出了目前码头改造中存在的不足,可为今后高桩码头的加固改造提供参考和借鉴。     

信息系统灾备技术分析及方案设计

针对企业对信息系统的稳定性、可靠性和可用性越来越高的要求,文章从灾难恢复考虑因素、灾备等级划分、灾备技术分析、信息系统灾备方案设计等方面进行了详细论述,并对不同灾备模式进行了对比,旨在实现信息系统安全可靠运行,促进企业安全稳定生产。     

新型高强沥青及其混合料路用性能与工程示范应用研究

通过在70~#Esso重交基质沥青中掺入高强改性剂以及自研抗车辙剂制成新型高强沥青进行SHRP试验及其混合料路用性能研究。结果表明：添加高强改性剂以及自研抗车辙剂后,新型高强沥青胶结料的抗车辙因子、布氏黏度均较SBS改性沥青和70~#Esso重交基质沥青有显著提高,新型高强沥青PG等级由70~#Esso重交基质沥青的PG 64-22提高到了PG 82-22,提升了4个等级;路用性能方面,相比于SBS改性沥青混合料,新型高强沥青混合料稳定度提升近13%,冻融劈裂比提高2.5%,动稳定度也得到了显著的提高。结合实际工程应用,对示范路段混合料进行了抽检,示范路段混合料级配、渗水系数等指标均符合设计要求。对于南方湿热地区高频重载路段,具有优良抗高温性能和水损害性能的新型高强沥青有着更广泛的应用前景。     

港口危险化学品船车直取灌装作业安全控制

近年来,随着散装液体化工产品物流模式的变化,散装液体货物船车直取作业由于省略仓储环节、缩短在港时间,降低综合费用而越来越多地应用于港口装卸作业工艺。如何做到船车灌装作业安全,给港口危险化学品装卸安全控制提出了新的要求。1装卸作业前的控制港方安全部门对每次灌装业     

路基膨胀土胀缩等级的物元可拓识别模型

应用可拓学的理论与方法,基于可拓学中的可拓集合变换和相关函数分析法,给出了膨胀土胀缩等级的经典域物元和节域物元,并建立了膨胀土胀缩等级的物元可拓识别模型。通过具体的计算示例说明了该方法的应用步骤,并对该方法的合理性和有效性进行了验证。     

1999年我国公路里程135．2万km

近几年，国家加大高速公路建设的投资力度，高速公路通车里程迅速增长，极大地促进了公路运输业的发展。1999年我国公路里程135．2万km，比1990年增长28．35％．年平均增长率为3．1％，人均公路里程为1．0km／千人．车均公路里程为93．03km／千辆。在公路等级中，1999年等级公路为115．7万km，占公路里程的85．6％，高级、次高级路面占公路里程的40．9％，公路等级和路面质量有很大提高。1999年高速公路里程为11605km，比1992年的665km增长16．45倍，对汽车需求的增长起到一定的积极作用。     

如何选择儿童安全座椅?——2019年C-NCAP CRS测试结果解读

2019年12月26日,C-NCAP发布了2019年度第四批车型的评价结果,并同批发布了CRS(儿童约束系统)的评价结果。这也是2019版《车用儿童约束系统(CRS)评价规则》发布实施以来,发布的首批评价结果,共计20款产品。和之前按组别发布结果不同,新规则针对一款产品仅给出一个等级评价结果,使结果更加简单明了。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机（SVM）,以及逻辑回归（LR）等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959,优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859）,以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。