列车联运网络建设的重要性

概述了欧洲几个国家列车联运网络的建设情况,指出在提高列车运行速度的同时,应提供优质的联运服务。     

大数据资源调度下船舶网络信息传输方法优化

为解决常规船舶网络信息传输方法传输稳定性较低的不足,提出了大数据资源调度下船舶网络信息传输方法优化,基于多进程的船舶网络信息传输整合,优化船舶网络通信PCI地址映射机制,改善船舶数据传输信息的打包方式,完善船舶无线网络信息传输协议,实现大数据资源调度下船舶网络信息传输方法优化,实验数据表明,提出的船舶网络信息传输方法较常规传输方法,传输稳定性提高25.71%,适合于大数据资源调度下的船舶网络信息传输。     

基于B／S模式的经济园区业务管理系统

首先介绍了经济园区业务管理系统的设计原则和总体框架，然后着重分析了系统的实现过程，包括园区业务需求分析、系统功能划分和网络体系结构设计，最后给出了系统开发的关键技术。     

创新履责 专业奉献 卓越服务

价值观是指人们对价值的性质标准、构成和评价的基本看法和态度,是指导人的行为的一系列基本准则和信条。构建海事核心价值观是时代发展的要求,更是海事自身发展的需要。     

当前水利工程施工管理存在的问题及解决方法

本文先分析做好水利工程施工管理的必要性,进而研究水利工程施工管理存在的问题以及解决的办法,希望能为相关人员带来一些帮助。     

富春江船闸扩建改造工程创新设计与实践

针对碍航闸坝瓶颈问题,以富春江船闸为例,全面总结已建枢纽实施船闸扩建改造工程的主要关键技术与创新设计,包括保留原船闸并紧接新建一座大尺度船闸的总体布置、船闸结构设计、新老船闸衔接输水系统、老船闸加固改造、坝下施工围堰等,达到既满足通航安全要求,又避免对大坝安全、防洪安全、电站发电等不利影响,对解决我国众多枢纽船闸碍航问题具有典型示范作用。     

驼峰调速控制系统信号及网络通道雷电防护

本文介绍了自动化驼峰雷电综合防护体系的构成、主要技术措施,驼峰调速设备信号通道及网络系统的具体防雷方法。     

道路交通系统韧性及路段重要度评估

韧性可以全面描述扰动事件下系统吸收干扰并从干扰中恢复的能力. 针对已有韧性指标对系统性能评价不全面、未考虑交通流量影响等问题,从路段通行能力退化与恢复入手,以网络效率为系统性能指标,构建全面评价扰动事件影响期内系统性能的韧性指标. 分别基于乐观和悲观视角提出韧性增加值和韧性减少值路段重要度指标,提出识别路段重要度的启发式算法. 算例结果表明：本文提出的韧性指标可全面描述扰动事件下路网性能退化与恢复全过程的平均累积性能,更加符合韧性指标内涵;韧性增加值和韧性减少值指标均能有效识别路段重要度,大部分路段重要度随时间动态变化.     

电动自行车突然起火 中山乘务员奋力相救

12月14日8点21分,208路线驾驶员殷运君驾驶粤T08496D号公交车,与乘务员刘海靖一起由市博览中心发车开往黄圃公交枢纽站。9点22分左右,当车辆行驶至三宝沥大桥时,发现前方桥梁边停着一辆正在起火的电动自行车,旁边有一位中年男子站在着火电动自行车附近,神色慌张地看着着火的电动自行车,浓烟滚滚,并不断迸出火苗。刘海靖见此情况,马上和殷运君说:“有一台电动自行车着火了,快靠边停到安全地带”。殷运君第一时间将公为方便市民公交出行,12月9日起,公共汽车12路线增开“南朗消防大队”站开往“珠海下栅检查站”的区间车,补充12路早上开往珠海下栅检查站方向的公交出行服务,更好地满足群众上班、上学的出行需求。12路线(中山汽车总站——珠海下栅检查站),是连接中山市区与珠海的跨市线路,全程约35公里,客流量大,途经西区、东区、火炬开发区、南朗镇等镇区,终点站为珠海下栅检查站。现增开的区间车是从“南朗消防大队”站开往“珠海下栅检查站”。“南朗消防大队”站发车时间为6:30、6:40、6:50。创新公交服务方式,满足市民多样化的公交出行需求,是中山公交不断优化供给推动服务从量变到质变的重要举措。近年来,公交集团持续优化完善常规公交、快速公交、大站快车、跨市公交、定制公交、高峰线路等多元化公共交通网络体系,通过公交枢纽、运营调度组织等进行有效公交增开区间车到珠海衔接和整合,提高了公交系统的整体服务水平和出行效率。当前,每日运送约50万人次,乘客满意率88.7%。交车停靠在路边安全地带并打开双闪灯,和车厢里的乘客简单解释后,立即打开中门,刘海靖迅速从驾驶座旁拎起一支灭火器从中门下车,往起火方向跑去。     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.