基于深度学习的地铁站点环境满意度评估算法

为全面评估北京地铁乘客对站内环境的满意度,对地铁站内环境图像进行经过隐私保护处理的数据采集,通过问卷调查和随机森林算法,确定影响地铁站内环境满意度的关键指标及其权重,利用被试人员的评估数据,建立包含满意度评分的环境满意度评估数据集。通过学习环境图像与满意度评分的关系,构建深度卷积神经网络模型。为增强模型泛化性,采用迁移学习方法。在北京地铁14号线测试集上,模型评估准确率达到96%,在未经预训练的地铁7号线上迁移学习模型达到94%的准确率。实验结果表明,该模型可准确反映乘客对地铁环境在可达性、安全性、舒适性和愉悦性方面的体验,为地铁服务的优化提供有力参考。

基于直播平台的交通运输类专业招生教学宣传设计

随着互联网的发展及疫情影响,我国教育体系迅速进入“互联网+”教育的在线学习新时代。目前,交通运输类专业转专业流失比例较大,急需加强专业宣讲,提升专业热度与吸引力。基于此背景,运用互联网线上平台进行专业招生宣传以及学生培养有着时代必要性。北京工业大学交通运输类提供了一种“招生-综合培养-毕业”一体化专业认知培养及宣传方式,从报考到毕业,形成体系化的专业认知过程,结合线上平台,提高学生的自主学习能力,增强学生对知识的巩固程度,在四年的学习中提升专业认知及自豪感。增强专业吸引力。为新时代新方式招生教学提供了有力的实践证明。

摩托车防盗跟踪网络控制系统设计与实现

针对当前摩托车防盗能力弱、点火器的远程控制方式单一等问题,提出了一种摩托车防盗跟踪网络控制系统。系统由摩托车车载终端、数据通信网络、用户手机、监控中心和远程监控终端组成。系统设计了磁电机脉冲信号和电瓶供电的双模式电路,提高了点火器工作的稳定性与可靠性;采用SMS与GPRS混合通讯方式实现点火器的远程控制,使得手机用户和监控中心能够对摩托车状态的进行全程跟踪和实时动态监控。详细给出了系统的软硬件实现方案,性能测试结果表明该控制系统防盗能力强、远程控制准确、定位精度高,具有较高的应用价值。

面向人机混驾环境的交叉口车辆通行控制策略

依据网联自动驾驶车辆(connected and autonomous driving vehicle,CAV)与人工驾驶车辆(human driving vehicle,HV)的特点,针对人机混驾交通环境,基于通行锁法和可插车间隙理论建立交叉口车辆通行控制策略,利用城市交通仿真(simulation of urban mobility,SUMO)平台构建仿真环境对策略进行效果评估,以交通量和CAV渗透率为输入变量,进行了共计6种情景的52组交叉实验.结果表明:在CAV渗透率一定时,随着交通流量的增加,交叉口内可供CAV利用的通行机会减少,策略对于延误的降低效果逐渐减小;在交通流量一定时,策略的实施效果对于CAV渗透率变化较为敏感,高渗透率下CAV获得闲置时空资源的机会更大,交叉口车辆平均延误降低效果更明显;相较于传统信控策略,所提策略在低交通流量的低、中、高渗透率,中等交通流量的中、高渗透率,以及高交通流量的高渗透率情况下,均能够降低10%以上的车辆平均延误.所提出的策略可以作为人机混驾环境下交叉口常规信控策略的补充,对完全智能网联自动驾驶环境下的交叉口组织优化与管理也具有参考意义.