基于多源数据融合的城市道路旅行时间预测

城市道路旅行时间预测是城市道路交通管理的重要支撑.研究了利用多源数据预测城市信号控制主干道旅行时间的方法.以2015年8月某路段的视频检测器及微波检测器的2种数据为基础,采用回归拟合的方法探究信号控制主干道路段旅行时间与断面流量之间的关系,2段式的线性拟合结果可以较好地拟合信号控制主干道路段旅行时间与断面流量的关系.以BP神经网络模型为基础,从输入层入手,采用直接输入2类数据、应用拟合关系输入拟合数据等方法,综合考虑2类数据之间的相关性,建立了融合2类检测数据进行旅行时间预测的多个模型,对7种不同输入的神经网络预测模型进行了测试、对比和分析.研究结果表明,相比于时间序列、支持向量机、k近邻和历史平均方法而言,应用拟合关系的2类数据融合的BP-2神经网络模型具有更高的预测精度,MA PE为13.04%,表明BP2神经网络模型能够实现较好的旅行时间预测效果.      

公专网融合的5G数据分流方法研究

国铁集团在2021年披露了铁路5G专网的业务和功能需求，明确提到5G公网可以作为5G专网的补充。因此，研究如何实现5G公专网的协同使用以及在此过程中需要解决的问题具有重要意义。5G公网在与铁路5G专网协同使用过程中，需要预先设想应用场景和系统架构，同时在利用5G公网资源的过程中，还应解决如何在公网核心网AUSF单元进行授权认证和通过不同路径传输数据的难题。以上述问题为切入点，在充分理解国铁集团对业务和功能需求的基础上，对铁路5G公专网融合应用场景和架构提出初步假设，研究了铁路UE在公网AUSF单元的授权和认证流程，并提出了一种公专网融合的5G数据分流方法。     

基于1DCNN与双通道信息融合的柴油发动机故障诊断

针对传统单通道振动信号诊断方法只能采集部分信息用于局部诊断,而多通道信号融合权重确定困难、实时性差的问题,提出一种基于深度一维卷积神经网络(One-dimensional Deep Convolutional Neural Network,1DCNN)与双通道信息融合的柴油发动机故障诊断方法.通过搭建柴油发动机预置故障试验台,将传感器配置于发动机不同位置以采集发动机运行过程中的双通道故障信号,分别提取振动信号中的最大值、最小值、峰峰值、均值、整流平均值、方差、标准差、峭度等14个特征,构建特征集矩阵并利用主成分分析(Principal Component Analy-sis,PCA)进行特征融合,输入深度一维卷积神经网络,实现对发动机不同故障状态的诊断.试验结果表明,该方法可以有效识别发动机不同的故障状态,与单通道信号诊断相比,所提出的双通道信息融合方法在发动机故障诊断中具有更好的效果.     

船舶监控系统中GPS定位功能的设计与开发

介绍GPS坐标转换的2种转换算法,并将其各自设计为独立的程序包,封装为动态链接库的形式,克服了目前市场上GPS数据转换模块无法和主控制系统融合的缺点,从而实现真正意义上的全自动监控一体化.     

一体化业务流程重组(BPR)方法在车间管理中的应用

对某车间组织及组织间的工作流程与程序进行分析、优化和设计,将BPR思想与工程化方法融合在一起,提出一种新的CIMS开发和实施方法--"一体化方法",利用此方法对车间的组织机构以及部分业务流程进行重组,并且给出基于BPR的企业发展战略.在具体的系统设计与开发过程中,充分利用了一体化这一新的CIMS设计与开发方法,并获得成功.     

整合排浪掀起

如果要给中国摩托车行业写月度大事记，那么2004年4月份，有两件大事一定不会忘记，一件是建设集团收购南方雅马哈的中方股权，另一件是宗申集团历尽波折，终于如愿以偿地携手比亚乔集团。这两件事儿，尽管私地里已传言许久，人们心中对此有了少许麻木，但它尘埃落定，终成事实之时，带来的冲击力还是巨大     

基于深度学习的疲劳驾驶检测算法研究

针对疲劳驾驶检测模型需要的实时性与轻量性，在SSD的基础上提出了SSD-MA网络作为人脸部件检测网络。该网络通过替换原SSD主干网络为MobileNetv3，使得模型参数量骤减，加上AFF注意力特征融合了不同尺寸的特征图，进一步提升了对人眼小目标的检测性能，并结合疲劳参数Peclos可以准确地输出被测人员的疲劳状态。经实验验证，SSD-MA在验证集上的mAP值达到了96.9%，较原SSD-300提高了5%，网络整体体积缩减了89%。     

粗糙集理论在通信电台装载平台识别中的应用

粗糙集理论能有效地分析和处理不精确、不一致和不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律。讨论了粗糙集理论用于通信电台装载平台识别的方法，实践表明该方法具有重要的应用价值。     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D—S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D—S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。