基于信令数据的出行强度影响因素分析模型

为探究城市交通出行强度影响因素及不同因素的影响程度，本文从土地利用与交通基础设施建设两方面出发，分析包括土地利用混合指数，职住混合率熵指数，公共交通站点 500 m覆盖率，路网可达性等17个指标与出行强度的相关关系；基于相关系数和拟合优度分析，提取7个与出行强度强相关指标，基于所识别指标构建北京市中心城区出行强度多元回归模型.模型结果表明，职住混合率熵指数对出行强度的影响最为显著，公共交通站点覆盖率对出行强度的影响比道路网密度和可达性更为明显.此外，给出单一土地利用/交通基础设施指标对出行强度拟合结果的离群特征分析方法，用于评估不同区域基础设施供给与交通出行需求之间的平衡关系.     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

云计算的船运物流运输中智能航道选取算法设计

船运物流运输过程中,经常碰到航运路线有多条,或受外界因素影响航线需要调整的状况。此时需要航道调度系统对航道数据进行分析计算,给出当下的最优航道选取方案。但是,现有的航道选取算法存在数据分析处理慢,多资源航道数据融合度差的问题。因此,将云计算技术作为算法的核心,提出云计算的船运物流运输中智能航道选取算法设计。通过引入KDUFN-YUN云端航线资源融合算法,完成对航道客观数据与云端数据互通;接着,在云计算的基础上引入最优选取算法,对云计算下融合的航道数据进行最优选取;最后,通过仿真实验证明提出算法的可行性。     

基于蚁群算法的海洋港口物流运输系统研究

传统海洋港口物流运输系统存在货物运输目标参量与船舶调度路径间的协同性异常问题,导致货物运输船舶调度的精准度误差增大。因此,提出蚁群算法的海洋港口物流运输系统研究。首先,在系统硬件中加入船舶货物ID采集硬件,通过货物相关数据,建立起协同数据模型;接着;根据协同模型对运输路径进行基础模型计算,最后;通过蚁群算法,对路径与协同数据进行匹配性最优计算,从而得到最佳的物流调度方案,实现货物与路径的最佳协同性效果。为了验证设计系统的运输调度效果,通过仿真实验来完成对设计系统性能的验证,证明提出设计系统具有提升港口物流运输货物与船舶路径规划协同性的作用。     

基于FCD技术的城市智能交通诱导系统研究

阐述城市智能交通诱导系统的基本架构和建设的关键技术,并通过对城市FCD交通大数据的分析和挖掘,总结了城市智能交通诱导系统的建设方案,提出了基于FCD建设智能交通诱导的创新点,并以实际案例进行应用,可有效缓解城市交通的拥堵状况。     

船身自动清洁技术的研究与实现

船身清洁工作是船只维护中必不可少的环节,通过对船身定期的清洁,可以有效延长船舶的使用寿命,同时也有利于提高航行的安全性。本文主要结合最新的自动化控制技术,设计一种用于船身清洁工作的水下机器人,能够在船舶静止时,主动对船底的脏污附着物进行快速高效的清理,提高船只的维护水平,降低维护成本。文中主要介绍该水下机器人的电路设计原理,并结合多层径向基函数网络,优化船只的船身清洁路径,使之更适应复杂的水下环境。     

多技术集成智能船舶系统构建方法研究

对船舶系统构建中的集成技术进行研究,介绍计算机集成技术、信息集成技术以及智能集成技术。以智能集成技术为重点,给出一种多技术集成的船舶系统故障诊断方法。该方法将神经网络、模糊逻辑、遗传算法3种智能算法进行集成,利用神经网络的自学习能力与遗传算法的计算能力,使得船舶系统故障诊断方法收敛速度快,准确率高。     

智能铁路评价指标体系构建研究

智能铁路是一个结构复杂的系统工程,需要选取若干具有代表性的因子形成指标集合,全面、客观、准确、系统地评价智能铁路建设进程和发展水平。结合我国铁路实际情况,阐述建立智能铁路评价指标体系的必要性,借鉴铁路行业、智慧城市评价领先实践,从系统整体出发,分别从智能铁路技术特征和系统能效特征考虑,构建两套两级综合评价指标体系,明确评价原则和构建思路。反映智能特征、满足我国铁路智能化发展需求的评价指标,能够促进我国智能铁路建设各项工作更加有序、高效进行。     

智能网联车环境下高速匝道汇入车流轨迹优化模型

为了解决传统匝道控制车流汇入时车辆需要减速至停止，从而造成延误时间过长的问题，提出了一种智能网联车环境下的高速匝道汇入车辆轨迹优化的两阶段优化模型，其中，第1 阶段优化车辆进入匝道口的时序；第2 阶段基于第1 阶段的最优时序，优化车辆轨迹. 根据所构建的模型设计了一种启发式算法优化车辆通过匝道冲突区域的时序，然后结合 GPOPS工具优化车辆的轨迹.为了验证所提出方法的有效性，将所提出的方法应用到20 min 随机到达的车流，进行仿真实验.实验结果表明，与先进先出的方法相比，本文所提出的方法能够使总延误减少59.7%，总油耗减少10.5%，说明该方法能够实现车辆以较高的速度通过匝道冲突区域，有效地减少了车辆汇入延误，同时也节约了油耗.