基于协同技术的智能车载系统

旨在联合智能交通中的车载终端、服务器、网络等要素来提供更优的服务,在协同技术的基础上,构建了智能车载系统,实现了最优路径分析、动态地图展示、交通事件监测和实时视频点播等功能。系统为普通车用户和监管车用户提供个性化的服务。应用表明,该系统在整合交通网中的资源促进各节点协同工作方面取得了一定的效果。     

新技术在马河水库除险加固工程中的应用

1　工程概况马河水库位于南四湖流域湖东地区北沙河上游,地处滕州市城区东北 15km, 东郭镇马河村西北400m处。马河水库控制流域面积 240km2, 水库总库容1 38亿m3, 兴利库容0 6989亿m3, 是一座以防洪、灌溉、养殖、发电、城市供水等综合效益为一体的大 (二) 型水库。主坝心墙岩性主要为壤土, 呈褐色~褐黄色,土质不纯, 常夹有小块石及砂粒, 局部为砂壤土或粉质粘土。土层呈可塑状态, 具中等压缩性106 0m高程以下, 心墙填筑质量较好, 106 0m 高程以上在钻探过种中有漏浆量较大, 填筑质量差,心墙土天然密度 1 91 ~ 2 05g/cm3, 天然干容重1 53~1…     

基于无人机贴近摄影的电站近坝高边坡位移检测方法

鉴于变形监测、激光扫描、地基雷达等常规手段在水电站近坝高边坡场景中具有一定的局限性，难以及时发现水电站近坝高边坡灾害隐患、预警边坡突发事故的问题。以金沙江流域某水电站为研究对象，提出基于无人机贴近摄影的高边坡位移检测方法，主要包括精准路径规划的无人机贴近摄影数据采集方法、SFM-MVS的三维模型与点云模型生成、基于近邻三维网格平面的点云比较算法。在研究区域进行了数据获取、精度分析和位移比较研究，结果表明所提方法在水平、垂直方向精度均达到毫米级，满足近坝高边坡大范围、高精度的位移检测需求，具有较强的科学研究和工程实用价值。     

基于全卷积神经网络的大坝变形监测数据粗差识别方法研究

针对大坝变形监测数据普遍存在粗差的问题，采用全卷积神经网络(FCN)模型对人工标记数据集进行表征学习的方法实现变形粗差数据识别的人工智能模拟；在此基础上，利用Python和Tensorflow框架构建了用于变形监测数据粗差识别的FCN模型并以人工标注数据集进行模型训练；最后，以训练得到的最优模型对某重力坝变形监测数据进行粗差识别应用。结果表明，经训练的FCN模型能够较准确地识别大坝变形监测数据中的粗差值，提高了大坝安全管理效率。     

基于位置上下文的ITS服务推荐应用

旨在帮助用户便捷地获取智能交通ITS(intelligent transport system)中的个性化服务,设计了基于交通中位置上下文的ITS服务推荐应用。利用数据挖掘技术找出可能与用户具有相似喜好的类群,考虑同类人群对服务评价基础上,结合交通中位置参数来向用户推荐服务。实验结果表明用户拥有较高的满意度,验证了该应用的有效性。