桥梁病害智能诊断与养护决策系统研究

为解决桥梁检测与养护过程中病害的智能诊断与养护决策问题,在构建桥梁病害核心知识库、核心算法体系等的基础上,研究开发了一套桥梁检测病害智能诊断与决策系统,并以梁式桥为例,通过测试验证,实现了梁式桥常规病害的实时智能诊断、成因分析、养护对策报告一键生成.该系统与桥梁检测、养护系统终端无缝衔接,可提高梁式桥病害诊断和决策的智...     

深圳市智能交通系统建设综述

伴随着计算机、通信、信息等技术的迅速发展,智能交通系统(ITS)已经成为世界上公认的解决当前日益复杂的交通问题的一种手段.我国许多大城市在解决城市交通问题时,重视并着手进行了ITS建设.从ITS的概念出发,简要介绍了国内外ITS建设的历程及发展趋势.以深圳市为背景,提出ITS建设指导思想与建设目标,以及在此目标下ITS建设需求与用户分析.重点阐述了深圳市ITS建设的体系框架和功能分解,提出适合深圳市ITS建设的"4 1"体系框架、八大任务包以及34个建设子系统.最后总结了ITS相应的实施计划、推进策略与保障措施.     

基于模糊PID控制的船用胎架高度联控方法研究

胎架作为船舶分段建造变形控制的重要工装,但不具有联合调控与自适应控制能力,无法快速响应分段建造质量问题,为此本文提出基于模糊PID控制的船用胎架高度联控方法.首先,基于船舶分段拟合曲面建立胎架高度补偿模型,为胎架的自适应调控提供依据;其次,基于分段变形范围和受压载荷构建胎架间关联机制,达到胎架系统的动态联调;然后,利用...     

超大型船舶靠离洋山港的拖轮配置及作业方案研究

建设中的洋山深水港其第一期码头在2005年底投入生产。上海深水港船务公司将有三条大马力拖轮参加洋山港集箱轮靠离泊的服务作业。为了作好前期的生产准备工作,根据实地考察,结合参考相关资料, 现就超大型船舶靠离洋山深水港的拖轮配置与作业方案研究介绍如下,供大船和拖轮船长、驾驶员参考,不当之处请指正。     

智能网联汽车创新发展的探索与实践

当前,新一代信息通信及人工智能技术高速发展,汽车作为这些新技术应用的重要载体,正在加速向智能化和网联化转型,而智能网联汽车将成为新一轮产业转型升级的重要标志和依托. 世界各国加速推进智能网联汽车的创新发展,但汽车主要制造国家尚未对产业和技术发展道路形成统一认识,中国也没有成功经验和既定道路可以借鉴.因此,有必要立足高新...     

面向公路超限审批的智能数据治理与关键技术研究及应用示范

随着社会的进步和发展,交通运输管理的难度也在不断增加.从目前各地的交通数据统计情况来看,其中存在各种各样的问题,由此给人们的数据分析和决策带来了阻碍.而传统的人工核验方式已经无法满足当前的需要,本文将重点阐述面向公路超限审批的智能数据治理技术,进而为相关部门提供更准确的数据服务,提升办事效率.     

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ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)...     

面向航班高峰期的机场地勤车辆多阶段优化调度方法

在航班运行高峰时段内,地面服务需求更加集中,机场可调度的地勤车辆数量有限,可能引发航班延误,导致机场多方面损失。针对该问题,研究了地勤车辆多阶段优化调度方法,重点考虑摆渡车和加油车2种地勤保障车路由与时间窗口限制,以航班准点率及延误时间为评价指标进行优化调度。构建了具有4类节点和5类弧的容量-费用网络G1,通过设置合适弧容量及费用参数,确定最小费用流规划模型;采用拉格朗日松弛启发式算法对模型求解,通过不断寻优,设置对偶间隙初值、容许误差,最大迭代次数,输出预测结果;深入分析高峰时段的航班运行状态,构建基于时空网络的整数线性规划模型,优化第一阶段未服务航班的总延误时间;结合最小化最大值定理,构建单航班服务延误模型,将单个航班延误造成的损失降到最低。最后,基于实际航班数据,结合机坪平面布局开展仿真实验和验证,结果表明：利用优化调度得到加油车和摆渡车准时服务的最大航班数分别为30,131架·次,待服务航班的最小总延误时间分别为223,542 min,航班总延误下降21.56%,显著缩短航班延误时间,提升了机场场面的整体运行效率。     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...