BP神经网络在城市有轨电车GPS/RFID组合定位中的应用研究

在城市有轨电车定位系统中,单一的GPS定位方式已很难满足电车连续精确定位的要求。采用GPS和RFID组合定位的方法,可实现在弱信号环境下的连续精确定位。针对GPS/RFID组合定位时,因加入RFID观测值带来的较高计算复杂度而引起定位时间延长,以及对系统定位误差影响不确定性等问题,建立基于BP神经网络的城市有轨电车GPS/RFID组合定位模型。仿真结果表明,采用BP神经网络进行分析时,将GPS和RFID观测值归一化后输入到训练好的网络中,可以在较短的时间内得到可靠的网络输出。经训练后的网络输出较未经训练的输出更接近于期望值,且更为稳定,证明在GPS信号受遮挡条件下城市有轨电车定位系统的定位精度和定位时长得到了有效改善。

基于GPS/GIS/RFID的动态油料配送问题研究

我国已经成为成品油消费大国,然而我国的成品油配送网络相对落后,无法支撑国民经济的快速增长的要求。研究了基于GPS/GIS/RFID技术可视化动态配送的物流网,建立了油料配送的数学模型,并设计了求解带有时间窗和满载约束的VSP问题的改进遗传算法,结合算例对模型和算法进行了验证。

混沌微粒群优化BP神经网络算法在城市有轨电车定位中的应用

针对城市有轨电车GPS/RFID组合定位因加入RFID定位方式影响定位精度的问题,基于CPSO算法优化权值的良好性能和BP神经网络的泛化能力,提出一种新的组合算法,对城市有轨电车GPS/RFID组合定位中滤波器的输出进行调整,并通过实例分析组合算法的收敛性和可行性。仿真结果表明,经CPSO算法优化的BP神经网络,其均方误差收敛速度快,网络输出值精度等级高,在提高城市有轨电车定位精度方面,比BP神经网络及经PSO算法优化的BP神经网络更具优越性,使城市有轨电车定位系统的定位精度得到有效改善。

基于物联网的儿童、中小学生监护系统设计

介绍了一种基于GPS/RFID、GPRS技术的学生安全定位系统。该系统采用GPRS数据传输方式结合学校上位机监控管理,实现对儿童、中小学生在学校区域的实时定位与监护管理,确保学生的安全和实时性监控。