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...     

铁路货车车辆段段修轮对智能存储选配系统研究

通过对传统平面存轮库智能化问题的研究,阐述了铁路车辆轮对智能存储、选配作业系统,系统在原有钢轨摆放、人工天车挑选的基础上,将轮对检修设备自动化、选配智能化、存储管理信息化融为一体,大幅提高轮对存储、车体落成轮对选配工艺水平,提高存储、选配的质量和效益,保障生产安全。     

基于OC-SVM算法的FSK通信设备异常检测研究

针对地铁FSK(频移键控)通信信道的监测数据正负样本量不平衡即故障样本量较少的问题,提出一种基于OC-SVM算法的异常检测方法。通过对FSK通信信道监测数据的处理分析,该算法能够识别出FSK通信设备的相对异常状态,有效助力FSK通信设备的运维从传统的故障修、计划修转变为智能化的状态修、按需修,提升FSK通信设备的可靠性,降低地铁运营成本。     

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...     

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,...