基于多装船机的散货船智能装载

对散货船使用多装船机进行装载作业的情况,建立以最高装载效率、最佳纵倾和最小化船舶最大静水弯矩值为目标,以浮态、稳性和结构强度为约束条件的散货船智能装载数学模型,使用改进的多目标遗传算法进行求解,得到优化后的Pareto解集,结果表明:该算法能够有效求得该问题的优化解,在实际应用方面具有一定的可行性.     

湛江港港区铁路道口全自动智能控制系统

为改变湛江港港区铁路道口有人值守模式下占用大量人力资源的现状,提出港区铁路道口无人值守模式并引进全自动智能控制系统。该系统主要由道口智能控制系统、机车智能车载装置、监控中心控制系统、视频监控系统等组成。系统基于计算机视觉和激光雷达技术实现对道口公路上人、车、异物检测和闯入报警,基于激光雷达、RFID、GPS等物联网技术实现机车运行位置、状态的检测,基于非接触传感器技术和PLC控制技术实现道口的全自动控制。经现场实践验证,该系统可以实现港区道口的全自动无人控制,提高铁路道口的智能控制水平,大幅降低人力资源成本,提高道口通行的安全性、可靠性和通行率。     

智能船舶航行功能测试验证的方法体系

智能船舶航行技术发展的核心在于构建从辅助决策到自主驾控的完整软硬件系统,实现人工驾驶到智能驾驶的演化,而核心技术的突破与软硬件系统的研发离不开完善的测试验证体系和健全的规范标准.对目前国内外智能船舶测试场现状进行综述,对以性能、能效、信息、智能为对象的智能船舶航行功能测试构想进行解析,最终提出以虚拟仿真为初试、模型测试...     

铁路声屏障表观病害智能检测技术

针对铁路声屏障外观状态检查效率低、检测精度差的现状,为满足自动化、智能化检测需求,开展声屏障表观病害智能检测技术研究。通过调研分析声屏障检测技术现状,提出基于图像的铁路声屏障表观病害智能检测技术方案。重点对声屏障外观成像、主从协同控制、在线识别等关键技术的实现方式进行研究,同时对部分功能进行了试验验证;基于钢轨探伤车进行图像采集,检测速度80 km/h,建立声屏障病害典型样本数据集,验证了在线识别的可行性和有效性。结果表明,铁路声屏障表观病害智能检测技术可大幅提升病害检测的自动化和智能化水平。     

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...     

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...     

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)...     

基于路侧多机视频目标关联与轨迹拼接的车辆连续轨迹构建方法

针对单个相机覆盖区域有限的问题,本文提出了通过路侧多个相机获取车辆连续轨迹数据的方法。在路侧端布置多台固定相机采集视频数据,采用直接线性变换算法解决相机外参造成的画面畸变问题;通过全时域抽帧提取图片训练样本,采用YOLOv5训练车辆检测模型;针对偶发的车辆漏检情形,通过完整性检查可以筛查出此类情况并修复;针对连续多帧漏检或误检导致的目标关联问题,通过异常轨迹核查算法及数据修复工具解决;针对相机斜下方区域的车辆轮廓变形问题,采用车辆检测轮廓修复算法解决车辆在不同路段检测框大小不一的问题;提出了基于车辆质心坐标匹配的方法实现相邻机位间的车辆轨迹拼接。基于上述多机视频目标关联与轨迹拼接方法,在多机位时间同步下构建了覆盖武汉珞狮路高架桥的车辆连续轨迹数据集,轨迹数据集验证结果表明：数据集涵盖从畅通到拥堵的各种交通状态,包含多段分合流区域,数据集连续时长达到3.5 h,覆盖区域1.41 km;车辆检测模型的召回率达到93.23%,准确率达到98.51%,F1分数为95.80%;数据集包含主路及各处匝道汇入的轨迹共25 734条,其中覆盖道路全域的完整长轨迹15 004条。本研究丰富了路侧多机视频...