利用激光点云的智能网联汽车自主换道横向避障

通过智能网联汽车自主换道横向避障设计,提高车辆自主驾驶安全性能,提出基于激光点云的智能网联汽车自主换道横向避障方法,构建基于全激光雷达的无人驾驶系统的汽车行驶环境激光点云数据采集模型,通过激光雷达激光点云图像检测方法实现对智能网汽车行驶环境感知。结合障碍物检测、车道线检测、可行驶区域检测的方法,分析智能网联下汽车换道障碍物和车道的相关性特征量,通过激光点云的自主寻优方法寻找边界点直到搜索路径达到阈值,再结合直线道路模型和车道线连续性原则实现对汽车自主换道横向避障规划设计。仿真结果表明,采用该方法进行汽车自主环控避障,在5 s时达到收敛状态,障碍物坐标识别误差距离低于0.7,并且该方法的识别精度达到了0.970以上,提高了车道信息的感知能力,准确高效地估计可行驶区域,提高车辆避障能力。

基于深度学习的云模式机场客户行为预测

为提高航空运营管理效率,研究从云模式机场客户行为分析的角度,选择改进支持向量回归模型,预测机场旅客出行指数,选择先来先服务算法进行座位的推荐与分配。结果显示,当航班数为525次时,先来先服务算法的整体平均满意度大于0.800,大于历史座位分配结果。云模式下的管理效率得分为0.75,比非云模式下大0.22。云模式下的满意度比非云模式下大0.24。研究方法能有效预测旅客出行指数,可促进旅客整体平均满意度的提高。

建构以能力进阶为核心的多元体验式导游服务教学模式

习近平主席说:“要让旅游成为人们感悟中华文化、增强文化自信的过程”,而“导游”就是最主要的媒介。战“疫”期间及后疫情时代,“云游”成为文旅行业的一种主要发展趋势,为激发学生学习兴趣,切合职业领域需求需要,符合核心素养要求,引导学生赏中华山水、寻文化自信、品建筑之美、传非遗精神、探创新创意,我们以《模拟导游》课程为例,对课程进行整合,建构以能力进阶为核心的多元体验式导游服务教学模式,通过引导学生体验和传播旅游资源中的精神与情感,拓展学生专业知识,提升学生专业能力,促进学生专业发展,内化学生价值认同,实现三全育人。

基于多源数据融合的高速公路智慧出行服务系统探究与设计

随着新一代信息技术的快速发展,传统的交通出行服务逐渐向智慧出行服务模式转变,结合当前高速公路出行服务体系的发展现状和需求,利用云计算、大数据、移动互联网等信息技术,对基于多源数据融合的高速公路智慧出行服务系统进行了探究与设计。系统以现有的交通云平台为基础支撑,将交通、旅游、气象以及GIS地图等多种数据源进行整合和共享,通过数据大脑提供的数据中台、业务中台、通用能力中台三大核心功能,设计出行信息管理、出行智慧导览、司机之家预约服务三大应用子系统,为公众提供个性化、便捷化、智慧化的出行服务体系,提升用户出行体验。

基于SWOT分析的红色文化“媒途径”教育创新探究

基于SWOT分析法,通过对“媒途径”融入红色文化的优势、劣势、机遇和挑战的分析,提出加强运用数字科技活化红色文化、激发红色文化产业新动能、开拓“红色云游”新领域等策略。

云报销系统的建设与应用

为规范和加强上海铁路局差旅报销管理体系,减少报销人员、审核人员和财务人员在差旅报销工作中繁重的机械劳动,上海铁路局开发了云报销系统,以期实现传统的差旅报销模式向信息化模式的转变。该系统的应用,简化了职工报销的烦琐环节,减轻了财务人员的工作负担。

基于云计算与移动互联网的商旅平台开发

该项目以提升智慧商旅综合业务服务水平为中心,以云计算为后台信息存储和处理核心技术,以智能大数据挖掘等技术作为海量信息处理支撑,并结合商旅行业特点和企业员工个人特征,建立为员工和差旅服务商、旅行社、酒店等提供信息服务的智慧商旅综合业务交易大数据平台。研究云计算、数据挖掘等技术,通过建设商旅行业大数据中心和会员画像体系解决员工出差申请审批慢、沟通成本高、代订易出错、审核单据费时费力等问题。

基于云模型的参数自适应蚁群遗传算法

蚁群算法基于正反馈机制进行全局搜索,具有很强的全局收敛能力;遗传算法具有极强的快速全局搜索能力。为了充分发挥两种算法在寻优过程中的优势,提出一种基于正态云关联规则的自适应参数调节蚁群遗传算法。该算法利用云关联规则实现了蚁群策略和遗传策略的有效融合,极大程度地发挥其整体功能,动态地平衡了算法收敛速度和搜索范围之间的矛盾,最后通过实例证明了其在解决TSP问题时的有效性。

基于云模型的自适应蚁群算法改进研究

为了解决蚁群算法易早熟于局部最优及收敛速度慢的问题,采用云模型理论来合理调控蚁群算法的随机性程度,分别提出针对蚁群算法参数、云模型参数以及较优路径判定的自适应调整策略,同时提出信息素分布状态的评价算法。针对多个TSP问题进行仿真实验,结果验证了提出的算法的高效性与稳定性。

一种改进的基于隶属云模型的蚁群算法

为了解决传统蚁群算法的收敛速度慢和易陷入局部最优等缺陷,做出如下改进:首先采用云模型来自适应控制蚂蚁的随机性;其次缩小了后继城市的搜索范围;最后引入2-opt局部搜索策略。对城市规模从50到高达1000的TSP问题进行仿真,并与先前提出的改进蚁群算法进行对比,结果表明,该算法不仅偏离率更小,而且运行时间短。随着城市规模的增大,优势更明显。

基于分布式行波检测的广域网络故障定位方法

针对现有广域故障行波定位方法存在计算量大、算法实现复杂等问题,提出了一种基于分布式行波检测的广域故障定位新方法。将大量数据处理与复杂定位算法实现推至"云端",首先根据网络拓扑结构和装置布点情况,寻找环网中每条线路对应不同检测点的区段连接点,将环路划分为多个区段,在任意区段发生故障,初始行波的传输路径被直观唯一确定;依据初始行波到达时间的相关性,可有效界定故障区段,并在此基础上,根据初始行波传输路径,融合处理全网波形数据得到故障精确位置。PSCAD/EMTDC仿真结果表明,在配置有限数量的行波采集装置情况下,可实现复杂电网快速、精确、可靠故障定位,算法实现简单,可行性强。

基于云理论的三时估计法计算行程时间可靠度

为了估计城市道路在随机和模糊条件下的行程时间可靠度,提出了基于云理论的三时估计法.修正了无确定度逆向云算法,假定路段行程时间服从单峰点在m,端点在a和b的Beta分布,对形状参数进行了估计.运用基于云理论的三时估计法求出路段行程时间的期望值、方差和超熵,进而得到路径的行程时间正态云数字特征,根据数字特征对路径进行了排序,并求出了路径、OD和路网的行程时间可靠度.最后,通过一个算例验证了该方法的有效性,说明三时估计法结合云理论可以有效解决不确定条件下的行程时间可靠度问题,为城市交通规划和管理提供技术参考和支持.

基于云模型的模糊自适应蚁群算法研究

针对蚁群算法存在控制参数难以确定和易陷入停滞等不足,采用云模型理论对蚁群算法进行改进,将云模型作为模糊隶属函数,选择部分较优路径进行全局信息素更新,从而提高算法对路径的开发和探索,同时通过对云隶属函数的参数控制,实现算法的自适应调整策略。针对TSP问题进行仿真实验对比,结果也表明基于云模型的蚁群算法要明显优于ACS和MMAS算法。

基于云教学平台下“旅行社业务与管理”项目教学法的实践应用与推进研究

教学平台是利用云计算技术,将教学资源、团队、教学活动、沟通反馈等功能集于一体的网络服务平台。现阶段云教学平台已具有应用操作简单便捷、学习资源共享、随时随地学习、多样化教学互动功能、学习行为智能跟踪等特点,文章以《旅行社业务与管理》课程为例,结合云教学平台的功能特点从五个方面入手指导如何利用云教学平台更好的解决《旅行社业务与管理》项目教学法在实践应用中遇到的现实问题,以期更好推进该课程教学项目教学法的实践应用,提升教学效果。

一种基于云模型的自适应蚁群算法

针对蚁群算法在解决大规模优化问题中易陷入局部最优及收敛速度慢等缺陷,提出了一种基于云模型的自适应蚁群算法。通过对信息素分布状况进行评价,自适应地调整云模型中各参数,并根据云模型参数,确定全局最优及次优路径,进行全局信息素更新,以改善算法的全局搜索能力。同时,为了避免算法陷入停滞,将信息素大小限制在一个最大最小区间。仿真实验结果验证了提出的算法的高效性和稳定性。

智慧旅游云平台需求及总体架构研究

介绍了国内旅游行业发展的宏观环境和产业链现状,阐述了智慧旅游云平台建设的目标,并对平台建设的关键点进行了分析,提出了智慧旅游应用云平台的总体架构。

基于隶属云模型蚁群算法与LK搜索的TSP求解

提出一种求解TSP的算法,采用"问题无关的进化算法与问题相关的局部搜索相结合"的策略。采用基于云模型的蚁群算法来产生足够好的解;改进传统的LK算法,新加入5种搜索删除集与添加集元素的准则,以此细化搜索。将该算法用于求解TSPLIB中不同类型、城市数从48到33810内变化的TSP,比较该学派与其他学派算法的偏离率与运行时间,结果均显示该算法更优,有效求解了TSPLIB中的非对称TSP、哈密尔顿圈问题。

基于MapReduce的蚁群算法

云计算环境下应用蚁群算法分布式并行对问题进行求解的研究较少,且蚁群算法存在搜索时间长和易收敛于非最优解的缺陷,当问题的规模较大时求解困难。为此应用云计算技术将蚁群算法并行化,提出基于MapReduce的蚁群算法。该算法将分治思想和模拟退火算法融入蚁群算法,改进其缺陷,并应用于求解较大规模的旅行商问题。仿真实验取得了较好的效果,且获得了测试实例gr666的新解。

基于云模型的出行时间波动性评价

出行时间波动的评价计算是一个定量算法,人们对其的理解则是一个定性的模糊概念,要充分利用出行时间波动这一概念来研究相关的交通问题需实现定量向定性转化的过程.云模型能够实现用语言描述的定性概念与其定量表示之间的不确定性转换.基于此,文中提出了一种出行时间波动评价的新方法,即利用云模型进行出行时间波动评价.介绍了云模型的基本概念,提出了利用云模型评价出行时间波动的流程,即构建波动标准云,波动实际云并比较其相似度评价出行时间波动.利用南京市5路公交车线路的统计数据进行实例计算,说明该方法的具有普遍适用性.

基于大数据的动态出行管理平台研究

随着居民生活水平的提高,近几年我国城市私家车的数量大幅度增加,但与此同时也产生了许多社会问题,如严重的大气污染、大面积的交通拥堵、日益加剧的能源消耗等。针对以上问题,本项目组设计了基于大数据的动态出行管理平台。该平台通过路线匹配算法、自动撮合算法和云计算模型等技术手段,结合实时的路网流量数据,为出行者智能地规划最优路径,并将起讫点相同或相近的出行者匹配在同一次出行当中,建议其共享出行,进而在满足人们出行需求的同时降低私家车的出行数量,也为城市居民普及一种绿色出行理念。本文将从设计思路及技术路线对系统的构建进行相关阐述。