基于Bluetooth4．0＋HS标准的车联网应用研究

本文介绍了蓝牙技术的起源、技术发展趋势、技术标准制定情况和目前在智能交通中的一些应用。探讨了蓝牙技术在车联网应用的条件、场景、优势和缺点,意图寻找另一种思路和解决方案供科研院所、企业等进行更深入的研究和探索,期望对车联网技术的发展起到一定的触动和启发作用。     

基于AMESim的插电式并联混合动力汽车能量管理策略仿真分析

为了缩短混合动力汽车开发时间,减少开发成本,本文以插电式并联混合动力汽车为研究对象,针对设计指标进行动力系统参数匹配以及使用AMESim软件搭建了整车模型,然后设计了基于门限值的能量管理策略并使用AMESim软件中的Signal,Control库进行搭建。之后对已搭建完成的车辆进行动力性经济性仿真分析,其中经济性分析是在NEDC工况下进行的,验证了本文所搭建策略和整车模型的正确性和可行性。     

基于层次分析-模糊综合评价的海员能力评估模型

针对当前沿海和远洋航运企业在海员能力评估方面主观性较强且评估结果较为滞后,相关信息系统的基础数据和评估数据无法得到持续有效利用的问题,通过分析海员能力评估项的构成,采用层次分析法(Analytic Hierarchy Process,AHP)和模糊集理论建立动态能力评估模型。基于该模型,通过引入信息系统相关数据,提高评估标准的持续性、科学性和可操作性。     

基于K-Means和XG-Boost算法的“两步式”船型分类映射

由于当前的船舶分类较为单一,不同类型船舶的尺度和航行油耗等特征参数存在很大差异,采用相同的油耗标准衡量不同类型船舶的油耗会产生很大偏差。为有效解决该问题,以某公司的干散货船、集装箱船和油船为研究对象,提出一种“两步式”船型分类方法。采用K-Means算法对该公司内部船舶的9个属性进行分类,并基于肘部法则确定分类数量;根据得到的簇的数量,采用K-Means模型对船舶进行分类,并打上分类标签。针对该公司外部船舶属性数据缺失严重、数据质量较差的情况,基于上述分类标签,采用XG-Boost算法对该公司内部的船舶进行二次训练,使船舶分类模型具有处理数据缺失问题和提供分类概率的能力。实际应用结果表明,该“两步式”船型分类方法能对公司内外船舶能耗表现一致的船舶进行合理分类,并建立公司内外船舶的映射关系。     

一种集装箱港口复杂网络构建方法

当前大多数有关航运及港口复杂网络的研究对苏伊士运河各项指标的排名都未体现出其在网络中的重要性.对此,基于集装箱船运营规则,提出一种集装箱港口复杂网络构建方法.利用船舶自动识别系统(Automatic Identification System,AIS)数据构建一种L空间全球集装箱港口有向加权复杂网络,明确通过航道和港口...     

基于DBSCAN的港口泊位自动识别算法设计

为更好地监测船舶动态和船舶在港口的作业情况,通过对K-Means算法和DBSCAN(Density-Based Spa-tial Clustering of Applications with Noise)密度聚类算法进行对比,选择DBSCAN密度聚类算法对港口泊位进行聚类,对港口泊位的位置和大小进行识别.基于船舶自动...     

船舶营运油耗考核指标评估

为准确掌握营运船舶的真实油耗情况,对船舶油耗考核指标进行研究,评估其合理性和实用性。以散货船“锦泰峰”轮为研究对象,对其所属公司的油耗管理现状进行分析,采用最小二乘法对试航转速与油耗值进行回归,并给出其95%置信区间,评估实际转速油耗与试航转速油耗在95%置信区间内的符合率,将其作为油耗考核指标的评价标准,指导船舶对能耗进行智能管控。试验结果显示,“锦泰峰”轮的实际油耗与理论油耗满载符合率为0.367,空载符合率为0.684,满载时符合程度较差,需要管理人员结合实际情况和经验对该指标进行修正。     

基于大数据的全球汽车船运力分布及需求分析

为准确掌握全球汽车船的运力分布情况,提出一种基于AIS数据的汽车船航线分割方法。采用动态规划算法将汽车船航线分割为贸易区航线、国家航线和港口航线等3个层级,并用靠泊航次数量衡量汽车船的运力。通过分析2020—2022年的AIS数据,发现近几年汽车船的靠泊数量在日本区域最多,由此以日本为研究对象分析其汽车船运力需求。利用AIS数据计算日本境内汽车运输量的分布,并采用克里金插值法对其进行量化分析。结果表明,日本中部地区的汽车船运力需求明显高于南北部地区,且日本汽车的生产地大多靠近出口港,该结论符合业务逻辑。