基于人工智能与大数据的双碳大气环境信息化应用进展与展望

[目的]二氧化碳与大气污染物化石燃料排放同源,在碳达峰碳中和的双碳进程中应协同治理,改善双碳大气环境。大气环境信息化应用主要基于大气化学传输数值模式展开,而双碳大气环境信息化应用还处于起步阶段。近年来,人工智能与大数据技术在双碳大气环境上的应用愈加广泛,蕴育科研范式从数值模式向与人工智能、大数据深度融合变革,因而亟需梳理当前进展并展望未来发展方向与路径。[方法]通过调研领域工作,勾勒基于人工智能与大数据的双碳大气环境信息化应用的研究路径和发展方向。[结果]双碳大气环境信息化应用应以人工智能、大数据科技创新实现对大气化学传输模式的融合替代,形成应用体系,实现更高精度、更快速度的数字化治理。[局限]本文提出的概念与设计,有待于未来的实施与验证。[结论]人工智能与大数据技术的应用,带来双碳大气环境科研范式变革机遇,同时也提出了挑战。协同推进算法突破与信息化系统研制,有助于实现这一科研范式变革。

区间数型多式联运路线优化问题的混合遗传算法

多式联运路线优化问题直接关系到货物运输的费用、时间和运输质量。首先分析了多式联运路线优化问题的数学模型及虚拟运输网络图;其次,将区间数排序的思想引入适应度函数的设计中,提出了一种求解区间数型多式联运路线优化问题的混合型遗传算法,给出了染色体编码、遗传算子设计、约束判断与调整及群体多样性控制的方法;最后用示例对算法的有效性进行了验证,算法的提出可为多式联运经营者的决策提供数据参考。

基于混合Markov模型的ETC收费数据挖掘研究

ETC收费数据中蕴含着大量的信息,如何利用数据挖掘技术解决运营管理中的问题成为高速公路管理部门的迫切需求.本文选取ETC历史数据构建路径序列事务数据库,针对基本Markov路径预测模型预测准确率低、覆盖率低的缺点,提出了一种基于混合Markov路径预测模型预测高速公路车辆路径的方法,利用该方法实现了高速公路ETC车辆未来通行状态的预测,同时检测出异常的路径序列.实验结果表明,该方法检测结果可靠,总体预测准确率达到83%以上,能够为高速公路管理部门开展收费稽查、提高ETC管理水平提供理论依据和决策参考.

一种提高有线电视宽带网数据业务性能的算法

现代有线电视网正逐步向光纤同轴电缆混合 (hybridfiber coax ,HFC)网发展 ,HFC网以其频带宽和用户覆盖面广等优势成为为家庭用户提供宽带接入的重要手段之一。非对称宽带数据业务 (如高速Web浏览和FTP文件下载等 )是目前有线电视宽带网提供的主要服务 ,其性能的优劣将决定用户对有线电视宽带网的满意度 ,从而影响有线电视宽带网的普及和发展。概述了HFC网上行信道的数据传输机制 ,分析了其对数据业务性能造成的影响 ,对数据业务及其所采用的TCP协议在HFC网络环境中的性能进行了研究 ,并从HFC网上行信道带宽分配算法入手 ,对提高有线电视宽带网数据业务性能的方法进行了研究 ,提出了基于下行数据速率跟踪

基于云计算的铁水联运信息平台架构方案研究

在铁水联运信息平台业务架构分析基础上,采用基于云架构理念,提出了部署在混合云上的铁水联运信息平台总体构架方案,设计了具有两个组成部分三层技术服务的纵向技术架构,以及以订单驱动为核心的统一管理业务流程架构,并探讨了基于云的铁水联运信息平台运营模式。

一种SDH和光纤上的新型混合数据传送协议及其性能

分析了SDH的混合数据传送方式,提出了一种变长分组和ATM信元在SDH的一个虚容器VC或光纤单个波长信道上混合传送的新方案,包括混合数据传送原理,变长分组传送的基本单位-通用组帧协议数据单元(UFPDU),混合协议数据单元(PDU)的定界、分离与识别等.该方案主要特色是提出的UFPDU标头与ATM信元标头的兼容性高,混合PDUs的定界、分离与识别简单,能有效地提高SDH或光纤单个波长信道的传输效率.计算机仿真了该方案的实时业务传送性能,指出了新协议的优缺点.

插电式混合动力汽车能量管理策略发展综述

插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)的电池容量大,能够接入外部电网充电;兼具燃油动力和电动驱动系统的优点,被认为是传统燃油汽车向纯电动汽车过渡的最佳方案。能量管理系统是实现整车需求能量在发动机和电动机之间分配的关键,插电式混合动力汽车的经济性、动力性与所采用的能量管理策略密切相关。对插电式混合动力汽车能量管理策略的研究发展进行了综述,对比了各种基于规则和基于优化的能量管理策略的优缺点,分析了驾驶数据与交通信息对能量管理策略的影响及存在的问题,最后,提出了插电式混合动力汽车能量管理策略的发展方向,为今后插电式混合动力汽车的研究提供参考。

时空轨迹和复合收益的动态上车点推荐

随着互联网技术的快速发展,网约车已成为出行的重要方式。通过智能手段为用户推荐上车点不仅可有效实现分流缓解道路拥堵,也可减少乘客与司机的沟通成本,提升司机的服务效率并降低乘客的等待时间,从而提高司乘双方的出行体验感。但现存推荐方法所依据的指标较为单一,未在乘客便利性与司机收益之间取得较好平衡,且无法保证所推荐上车点的安全性与可达性。通过对时空轨迹大数据的归纳与分析,提取保证可达性的潜在上车点,避免依据单一指标推荐上车点所导致的偏袒性问题,综合考虑乘客步行收益、司机驾驶收益、上车点路况指标、周边安全性等关键因素,建立上车点的复合收益评价,构建上车点的动态推荐模型。以约束控制同时段同上车点的推荐量,有效解决由于单上车点订单堆积而造成的非必要等待和资源浪费,在一定程度上缓解交通压力。基于真实网约车数据的实验表明,该模型和推荐方法可实现上车点的有效动态分配,较单一指标上车点推荐方法有较好的综合收益与时间优势。从司机与乘客双方角度出发,在降低行程总时间的基础上,提升全局司机接驾效率并降低乘客等待时间,且推荐结果的综合评价值优于现存推荐方法。

协同换道避障模型和轨迹数据驱动的车辆协同避障策略

考虑车辆类型、驾驶风格及不同阶段影响车辆换道的关键目标,将车辆避障过程中的“车-车交互”机理描述为力的关系,构建协同换道避障模型(CLAM),提取并建立适用于突发事件的车辆避障微观轨迹数据集,将车辆避障转化为多约束优化控制问题,以优化算法(OA)为纽带,设计车辆协同避障控制(CLAM-OA)策略。结果表明:相较于数据驱动的长短时记忆模型,CLAM-OA策略输出的误差均显著减小、车速与位移在不同时域的输出结果也更加稳定。

区间数型多目标联运路线优化问题的模型与算法

联运路线优化问题直接关系到货物运输的费用、时间和运输质量.首先分析了联运路线优化问题的数学模型及虚拟运输网络图;其次,将区间数排序的思想及属性值为区间数的多属性决策方法引入适应度函数的设计中,提出了一种求解区间数型联合运输路线优化问题的混合型遗传算法,给出了染色体编码、遗传算子设计、适应度函数定义及群体多样性控制的方法;最后用示例对算法的有效性进行了验证.

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术,随着人工智能的发展,越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强,而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短,首先对路段传输模型(Link Transmission Model, LTM)进行改进,提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型(Data-driven Link Transmission Model, D;LTM),并在此基础上引入时空深度张量神经网络模型(Spatial-temporal Deep Tensor Neural Networks, ST-DTNN)来捕获网络交通流数据中的时间维、空间维和深度维特征信息,形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D;LTM-STDTNN。该混合模型一方面通过D;LTM机理模型来揭示交通流演化的基本规律,发挥其对城市路网交通流状态时空演化过程的精细刻画能力,增强混合模型机理的可解释性;另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力,提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题,具有更细的空间粒度和时间粒度,因此也具有更大的预测难度。实测结果表明:D;LTM-STDTNN混合模型相对于基准模型预测精度更高,且具备模拟演化机理方面的优势,提升了城市路网短时交通流状态预测能力,揭示了路段间的交通流动态演化规律,可为网络交通流模拟推演和主动管控提供了技术支撑。

聚变裂变混合堆设计中的中子学问题

本文简要叙述了聚变裂变混合堆包层设计所涉及的中子γ光子耦合输运方程、核子数密度方程及有关计算机程序系统；介绍用于聚变堆设计的核数据工作现状及未来工作重点．