南昌市道路交通事故成因分析及预防

根据南昌市2000年至2003年的道路交通安全现状,利用统计分析方法,对道路交通事故的成因、时空分布、事故形态等进行了分析和研究,并针对南昌市的交通事故的特点与规律,提出了预防交通事故的若干措施.     

模糊模式识别在电器性能综合评估中的应用

采用了改进的模糊模式识别的方法,从综合考虑电磁电器产品性能的角度出发,将动态测得的能够反映电磁电器性能的主要特性指标,作为模糊模式识别的级别变量特征值,建立了综合评估电磁电器性能的模糊模式识别模型,并运用该方法对CJ20-100A交流接触器进行了综合评估,结果合理,方法可行,有一定的参考价值。     

Java语言的字符编码问题探讨

由于Java语言的字符集有很多套编码方法,这就使得有相当多的人对Java语言的字符编码方法不易完全掌握.通过查看Java帮助文件及编程实践,在摸清该问题规律的基础上,分析讨论了3种情况下的Java语言字符编码问题,并提出了有实用价值的4点结论.     

基于综合交通枢纽的现代服务业集聚区建设的系统分析

现代服务业集聚区与综合交通枢纽共生共荣.介绍了综合交通枢纽对现代服务业集聚区发展的影响的相关理论,总结国内外依托综合交通枢纽合理规划现代服务业集聚区的一些成功经验,分析了综合枢纽的客流特点.从客流总量预测及客流组成特点,分析了基于上海虹桥综合交通枢纽的现代服务业集聚区建设.     

高职院校实施因材施教的理论基础与实践探索

因材施教是以学生全面发展为目标的教育教学原则.高职院校培养人才的特点,决定了其教育教学必须贯彻因材施教的原则.在多年的教学及教学管理实践中,笔者认为,高职院校贯彻因材施教原则可以通过学分制的实施、分类分层教学的推行、选修课及辅修专业的设置等途径来达成,同时指出,学生发展的个性差异、已有知识准备的差异性及社会需求的多层次性,使得因材施教原则在高职教育中具有了可能性和必要性.     

交通出行统一帐号的电子支付MaaS运营探索

交通出行已经定位为民生实事,要求2019年全国260个地级以上城市交通出行城际无障碍互联互通,同时交通出行在不断创新的服务推动下已经悄然升级到MaaS一体化智慧出行新时代,电子支付已经成为交通出行MaaS服务的强力推手,必须对各类电子支付实现集约化运营。提出了基于统一帐号的金融级安全+电信级通信能力的交通出行聚合支付体系架构,基于该体系架构交通运营机构可利用自身优势资源,向用户提供多种账户,多种接入方式的出行全业务聚合支付服务,在完成交通运输部城市交通出行互联互通的同时构建了基于资金信息流的出行“数据链”,向云计算和大数据的智慧服务和运营体系推进。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

隧道爆破信号主分量特征提取与毫秒延期识别研究

为了准确揭示隧道爆破振动信号所包含的反映爆破特征参数的重要信息,通过EMD分解与交叉小波变换组合分析方法对实测爆破信号进行分析,得到各分量与原信号的相关性系数,从而准确判别出信号的主分量。再依据相关性系数对包含主分量在内的相关分量重组并进行Hilbert变换取模值,精确识别出隧道采用的各段别雷管的毫秒延期时间。结果表明： 组合方法确定的主分量及相关分量重组信号能够突出爆破信号的主要特征,对隧道爆破信号的分析效果好。     

适于TBM施工的HSP法实时预报技术设计与实现

为实现TBM施工隧道的实时地质预报,以TBM刀盘滚刀破岩震动作为震源的HSP法地质预报技术为基础,通过分析TBM施工工艺与机身结构特点,对HSP系统硬件和软件进行优化设计,使其小型化、自动化和智能化,并搭载于TBM上进行智能控制。在TBM掘进过程中,首先,通过隧道轮廓位置的检波器连续或高频次地采集地震反射波信号; 然后,经系统软件对数据的自动处理,实时获取掌子面前方地层反射特征参数图谱; 其次,通过智能识别技术完成对不良地质反射界面的有效拾取与判识; 最后,实现不良地质的探测。通过对适于TBM施工的HSP法实时预报技术进行优化设计,实时探查前方地层不良地质(体)位置、规模与性质,为TBM的高效施工起到一定的推助作用。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。