基于智慧农业驱动的项目式教学体系研究——以物联网工程为例

物联网工程是一门新型学科,同时也被视为是信息时代的第三次浪潮。但传统的物联网工程专业在理论教学和实践相结合时存在一些不足之处:如实验教学的内容太过于陈旧,落后于实际生活。与此同时,我国现阶段依旧属于农业大国,农业产业升级是当前的重中之重。因此,在结合“新工科”的教育精髓前提下,本文将对智慧农业驱动的物联网工程专业实践教学体系进行研究。这项研究利用智慧农业实践平台,进行物联网工程专业的实践教学体系重塑。

基于GCN-Transformer模型的短时交通量确定性预测

为提高短时交通量的预测精度,充分利用交通网络的拓扑结构与时序信息,本文提出了一种基于GCN-Transformer模型的短时交通量确定性预测。首先读取并预处理四个方向的交通流量数据,构建路网结构邻接矩阵,划分数据集。然后利用GCN提取特征并进行图卷积操作,将输出作为Transformer模型的输入来学习时序信息。最后使用训练好的模型进行预测,并计算评价指标。研究结果表明,本文所提出的混合预测模型GCN-Transformer拥有较好的结果,在采用的四个评价指标中,RMSE、MAE、RMSPE和MAPE的值分别为9.886%、7.977%、11.018%、11.734%。

基于Bi-LSTM模型的短时交通量多步预测研究

多数短时交通量的预测研究仅集中在单步预测上,并且预测时长不足,为使得交通管理与控制等措施发挥更好的效果,提高短时交通量多步预测精度,最大限度提高交通管理决策和出行决策合理性,本文提出一种基于Bi-LSTM模型进行短时交通量多步预测。首先利用Bi-LSTM模型进行单步预测,将得到的预测值与原始值替换,通过递归迭代进行五步的多步长预测。根据本文研究结果表明:Bi-LSTM模型在多步预测中具有一定优势,相比于ARIMA模型和BP神经网络模型,其平均多步RMSE、MAE、MAPE、RMSRE分别降低了11.1085和9.4134、9.7884和7.2474、26.52%和14.91%、25.01%和14.95%。最后得出,Bi-LSTM在交通量多步预测上具有较大优势。

隧道场景下融合时空相关性及注意力机制的列车位置信息预测方法

列车位置信息是列车控制系统的重要组成部分,也是保障列车安全运行的基础。但在隧道环境下卫星导航信号易失锁,进而导致列车定位精度降低。针对上述问题,提出了一种融合时空相关性及注意力机制的列车位置信息预测方法。该方法将双向长短时记忆网络(Bidirectional Long Short-Term Memory ,BiLSTM)作为骨架网络,并在此基础上使用卷积神经网络(Convolutional Neural Networks,CNN)和注意力机制(Attentional Mechanis-m,AM),更好地提取有效的位置特征,提高模型的预测精度。实验结果表明,提出的定位方法在隧道环境下的位置误差在1.6m以内,速度误差在0.7m/s以内,验证了所提出的定位方法在隧道环境下的有效性。同时,与现有的列车定位预测方法相比,所提出的定位方法在隧道环境下的列车定位精度高于其他对比方法,且明显降低了位置误差和速度误差,使得预测的列车运行轨迹更加的平滑,更符合列车控制系统的需求。隧道场景下融合时空相关性及注意力机制的列车位置信息预测方法进一步提高了隧道环境下的列车定位精度,为后续研究提供参考。

考虑多源不确定信息的路网交通拥堵状态辨识方法

拥堵状态辨识是道路运行状态评估的重要内容,是交通系统流量调控和管理的重要参考指标.在智能交通系统(Intelligent transport system,ITS)普及化程度越来越高的后交通时代,如何实现海量数据下对多源不确定交通拥堵状态的辨识是非常重要的内容.首先,基于多元集对分析建立一种新的路网交通拥堵状态刻画模型;然后,通过改进证据理论中Dempster组合规则实现交通信息融合,并推导出当前交通拥堵状态的准确表达值;最后,在数值模拟的基础上,使用重庆市南岸区的交通检测数据进行仿真分析,结果表明本方法能准确直观地反映出实时交通拥堵状态,具有潜在的实际应用价值.

计算机信息与智慧交通复合型研究生的培养

随着智慧交通的迅猛发展,社会对计算机类的高层次、复合型人才需求不断增大。我校在计算机学科硕士研究生培养中,存在着课程、实践与能力的人才培养体系与当前智慧交通发展不匹配的问题。针对上述情况,依托智慧交通发展大好形势,构建了基于互联网大脑架构的分层递进式智慧交通课程体系,搭建了交通物联网与智能信息处理、交通大数据与云计算、轨道交通智能控制“三大创新实践平台”。所重构的人才培养综合实践体系,将课程、实践和能力“三链”进行了优化并深度融合,从而培养出具有创新能力的计算机信息+智慧交通复合型硕士研究生,以适应智慧时代发展的需要。

刍议交通信息复合型人才培养体系建设

交通信息化建设的深化发展,迫切需要大量的既懂交通又熟悉信息化技术的复合型人才。交通类高校要主动适应这一人才需求形势,在整合现有资源优势基础上,注重"查漏补缺",高标准建设交通信息复合型人才培养体系。

谈电子信息工程专业的建设与改革

分析我校电子信息工程专业的发展过程,提出专业改革与建设的措施,从师资队伍建设、专业特色建设、课程建设、实验室开放等方面建设电子信息工程专业,确保提高电子信息工程专业的教育教学质量.

公路工程建设项目管理信息系统研究

根据公路工程建设项目的特点,在简要分析了项目的数据和信息特征的基础上,结合国内目前公路工程建设项目组织和管理的现实情况,对项目信息的流程、编码、收集、加工整理、存储、检索和传递进行了初步探讨,并分析和建立了适合于公路工程建设项目的管理信息系统模式,为该管理信息系统的开发和应用奠定了基础。

重庆市交通控制仿真系统的设计与实现

针对重庆市常见的交通控制措施,用VC设计和开发了一套可以模拟道路通断、道路通行方向、交叉口转向规则等交通控制措施并能分析它们对道路通畅状况影响的交通仿真系统。介绍了系统的需求分析、总体设计、消息平台搭建、道路和交叉口设计、车辆碰撞检测及处理、车辆在交叉口的路径决策算法、道路畅通状态评价指标算法等问题。

融合交通信息特色的计控仿真实验教学探讨与实践

计算机控制技术作为电气信息类专业的一门主要专业课,对于培养学生的控制理论与技术应用能力有着重要作用,在分析计算机控制技术课程特点的基础上,着眼于提高学生的交通信息专业应用和实践动手能力,将实验教学过程中的理论分析、仿真测试等诸多环节有机结合,对计控仿真实验教学方法开展了研究探讨和教学实践,在优化交通信息类电子信息工程实践能力方面进行了有益的尝试。

基于E-MBMS的大范围动态交通信息发布方法研究

在研究3G LTE E-MBMS技术的基础上,提出一种利用E-MBMS作为城市动态交通信息大范围发布平台的技术方案,分析了E-MBMS的技术优势,并针对接收端的分组数据丢失问题,研究了重播方法进行数据恢复的性能。仿真实验结果表明,E-MBMS中以喷泉码前向纠错算法为核心的应用层FLUTE协议具有较好的数据纠错能力,运算量小,信道资源利用率高,适用于单向无线信道无误码率的数据下载与传输业务。本文所提方案具备成本低、可行性强的优点,能够满足城市智能交通系统对大范围动态交通信息发布的技术需求。

信息类院校大学生社会实践活动的现状探析

社会实践作为大学生认知社会、展现大学生风貌的重要渠道,培养、锻炼学生能力的有效途径,在高等教育中有着重要的作用和地位。本文通过对重庆邮电大学和重庆交通大学社会实践开展现状的分析,并结合我国高等院校大学生社会实践的发展规律,提出信息类院校开展大学生社会实践活动的方向和建议。

面向新工科的“物联网信息安全”课程科教融合教学模式探索与改革

在新工科背景下,针对“物联网信息安全”课程教学面临的教学与科研严重脱节这一问题,通过分析课程特点,并将科学研究的方法和成果融入教学的全过程中,从课前、课中和课后三个主要环节对该课程的教学模式创新进行了深入探索,提出了科教融合的课程教学模式,为新工科背景下物联网工程专业课程教学模式改革提供新的思路。

基于区块链共识激励机制的新型联邦学习系统

随着云存储、人工智能等技术的发展,数据的价值已获得显著增长。但由于昂贵的通信代价和难以承受的数据泄露风险迫使各机构间产生了“数据孤岛”问题,大量数据无法发挥它的经济价值。虽然将区块链作为承载联邦学习的平台能够在一定程度上解决该问题,但也带来了三个重要的缺陷:1)工作量证明(Proof of Work,POW)、权益证明(Proof of Stake,POS)等共识过程与联邦学习训练过程并无关联,共识将浪费大量算力和带宽;2)节点会因为利益的考量而拒绝或消极参与训练过程,甚至因竞争关系干扰训练过程;3)在公开的环境下,模型训练过程的数据难以溯源,也降低了攻击者的投毒成本。研究发现,不依靠工作量证明、权益证明等传统共识机制而将联邦学习与模型水印技术予以结合来构造全新的共识激励机制,能够很好地避免联邦学习在区块链平台上运用时所产生的算力浪费及奖励不均衡等情况。基于这种共识所设计的区块链系统不仅仍然满足不可篡改、去中心化、49%拜占庭容错等属性,还天然地拥有49%投毒攻击防御、数据非独立同分布(Not Identically and Independently Distributed,Non-IID)适应以及模型产权保护的能力。实验与论证结果都表明,本文所提出的方案非常适用于非信任的机构间利用大量本地数据进行商业联邦学习的场景,具有较高的实际价值。

基于高斯过程回归的短时交通量不确定性预测

智能交通预测对解决交通难题具有重要意义。针对现有模型预测不精准的问题,本文提出一种全新的短期交通量预测模型——高斯回归模型(GPR),这是基于贝叶斯理论和统计学习理论发展起来的机器学习算法。首先对数据进行归一化处理后,将数据划分为训练集和测试集,建立标准高斯回归方程,利用贝叶斯后验概率公式,建立高斯回归预测模型,并采用无效覆盖率(KP)和区间宽度(Width)两个评价指标,将GPR与GARCH、BOOTSTRAP模型做对比,结果显示本模型表现出的性能最优。

基于TVF-EMD和ARIMA模型的短时交通量预测研究

为描述短时交通量数据中的非线性和非平稳性成分,以提高短时交通量预测精度,进而促进智能交通系统的发展,本文提出了一种基于时变滤波经验模态分解(TVF-EMD)方法与差分整合移动平均自回归(ARIMA)模型的混合预测模型,即TVF-EMD-ARIMA模型。首先利用TVF-EMD对处理后的交通量数据进行分解,再对分解后的序列建立ARIMA模型进行预测。研究结果表明:相比于经验模态分解(EMD)方法和变分模态分解(VMD)方法,TVF-EMD方法分解得到的交通量序列更加平滑;混合预测模型TVF-EMD-ARIMA与单一ARIMA模型相比,其平均绝对误差、平均绝对百分比误差和均方根误差分别降低了3.6700、0.0775、5.3539。

同态明文-密文矩阵运算及其应用

支持单指令多数据操作的同态加密方案能有效提高密文计算的均摊效率,但密文结构导致矩阵运算复杂度高。在许多应用中,采用明文-密文矩阵操作可以在确保安全的同时实现隐私计算。基于此,提出一个适用于任意维数的明文-密文矩阵乘法方案。该方案通过明文矩阵编码和密文矩阵维数变换等步骤计算得到密文结果。与已知最好的Jiang等所提的密文方阵乘法算法相比,所提方案支持任意维数的矩阵乘法,并支持矩阵连乘;理论分析和实验结果均表明,所提方案具有更低的密文旋转复杂度和更高的计算效率。将所提方案应用在隐私保护的贝叶斯分类器中,能以更高安全参数和更少计算时间完成分类任务。

基于Sobel算子桥接的双编码器路面裂缝检测网络

为提高道路路面裂缝的检测精度,针对路面裂缝的多态性和噪声复杂等问题,提出了一种基于Sobel算子桥接的双编码器路面裂缝检测网络,双编码器由原图编码和梯度编码两部分组成,以解决单编码器容易丢失梯度信息的问题。首先,原图编码结果通过桥接Sobel算子计算8个方向产生梯度编码的编码信息;然后,将原图编码结果与梯度编码结果通过一个多尺度的边缘信息弥补模块,以增强裂缝的边缘信息;最后,引入动态通道图卷积获得通道之间存在的拓扑关系,以突出重要通道的语义特征。研究结果表明:所提出的方法在DeepCrack、CamCrack789和CFD这3个基准数据集上取得较好的结果;综合指标ODS在DeepCrack、CamCrack789和CFD数据集分别为87.75%、85.05%、78.83%。

基于平面匹配与目标检测的视觉SLAM算法

针对移动机器人同时定位与建图(SLAM)算法在动态复杂、低纹理场景中存在算法精度下降甚至无法正常工作等问题,提出一种基于快速运动目标检测与平面匹配的算法。将视觉特征提取与运动目标检测方法相结合,降低动态目标对定位的干扰;采用平面匹配技术,克服低纹理环境特征缺少问题;同时生成一个稠密的三维点云地图,用于机器人环境解析等应用。该算法在数据集KITTI和TUM上的绝对轨迹误差RMSE指数相对于ORB-SLAM2算法分别降低了66.67%、98.77%,算法运行速率为22.20 fps。结果表明该算法具有良好定位精度、运行效率和鲁棒性。