基于时空图卷积网络的交通事故风险预测研究

交通事故的预测是通过对过去路段发生的交通事故进行分析,在综合考虑影响交通事故的相关因素后,对未来路段的交通事故发生状态进行预测。以往的大多数研究通常采用传统机器学习方法或单一深度学习模型预测法,利用网格化确定预测空间的单位,忽略了影响交通事故的天气、路况等外部因素,导致模型的预测性能不佳。提出一种基于时空特性的城市交通事故风险预测模型,在模型中使用改进的时空图卷积网络,利用图卷积网络（GCN）提取空间相关特征,并加入批标准化层解决梯度消失爆炸问题。在时间维度上采用门控线性单元（GLU）实现一维卷积操作,提取时间相关特征,并将GCN和GLU组合成时空卷积模块提取时空相关特征,使用均方误差损失函数解决样本数据零膨胀问题。实验结果表明,与GLU、SDCAE和ConvLSTM模型相比,该模型的RMSE指标分别降低了28%、4.87%、4.19%,能有效捕获时空相关性,综合性能得到较大提升。     

生物质汽化的可行性研究

生物质可用于畜牧业，或作为农村沼气发酵的原料，但是经压缩达到木质密度的生物质颗粒经过干馏热解可以生产出木焦炭颗粒、焦油、木煤气等，大大提高了生物质废料的利用率。     

兵器零部件的快速超声检测系统

为保证兵器质量,现代化生产要求有与之相适应的现代化检测技术。美国的兵器生产日益现代化,过去沿用的超声检测方法(单件换能器)已不能满足达一要求。因此,美国陆军急需一种能快速检验大口径炮弹、炮管、坦克零部件及其他需要大量检测的零部件的超声检测系统。     

砷锑钼蓝光度法测定焊锡中微量砷

最近文献介绍,发生的砷化氢以氧化剂碘—碳酸氢钠溶液吸收,与大量杂质分离后砷锑钼蓝显色并用于钢铁等试样的分析。本文将此法应用到测定焊锡中0.1％以下的砷,取得满意的结果。该法具有操作简单,易于掌握,灵敏度比镅蓝法高(ε_(700nm)1.1×10~4)。重现性好,对五个含砷0.001～0.1％代表样的五次分析,其变动系数均在6％以下。此外,发生的锑化氢不干扰测定。     

面向复杂背景中彩色立体图像的障碍物检测

目标识别技术作为图像理解领域的核心研究内容之一,一直以来是文献中讨论的热门话题.随着计算机科学的发展以及彩色成像设备的普及,越来越多的彩色立体图像在实际生产、生活中得到应用,面向彩色立体图像的目标识别技术逐渐成为吸引学者注意力的新方向.本文基于立体视觉信息,对安装在行进车辆上的两个摄像机在一段时间内获取的立体视频信息进行分析,提取车辆前方可能对行车安全造成威胁的障碍物.在V视差理论的基础上引入两个改进算法首先对原始立体图像进行数据净化和前景/背景分割,使后续算法不受复杂、多变背景的干扰,同时减少数据处理的冗余.然后使用绝对值差(SAD)[9]法直接计算彩色立体图像的浓密视差图,而无需彩色到灰度图像的转换.实验证明,本文提出的改进算法针对实际立体图像可以准确、快速地提取障碍物信息.     

复杂背景下立体图像的预处理和数据净化

面向具有复杂背景的立体图像分析，针对其中的图像预处理和数据净化问题进行研究，提出了一套用于提取图像中目标区域的算法。实验结果证明，该算法能快速、有效地消除立体图像中的无用背景信息，降低图像数据的冗余，对提高后续分析的速度及结果精度有帮助。     

序言

随着城市人口和机动车的迅猛增长,北京市面临着交通拥堵的严重考验,大力发展公共交通、加快轨道交通建设是缓解城市交通拥堵的最有效措施。北京市确定     

中国橡胶市场及政策与前景分析

政策因素分析一向是我国商品市场走势的重要手段之一，随着中国加入世贸融入世界经济一体化后，国家对于政策制定理念和操作方法趋向成熟。因此，关注政策的制定和走向对把握天然橡胶长期价格有很大的帮助。     

含三端柔性环网装置的交直流混合配电网分层控制策略研究

与传统交流配电网相比,交直流混合配电网优化运行技术的研究在控制策略、优化调度等方面面临巨大挑战;作为电力电子器件的柔性环网装置可以灵活调控系统功率,优化系统运行,具有广泛的应用前景。针对上述研究,搭建了含三端柔性环网装置的交直流混合配电网网架结构,并详细分析了三端柔性环网装置的工作原理。立足于全局优化的角度,提出了一种分层控制策略:正常运行时,优化调度层以配电网有功损耗最小建立优化模型,通过潮流计算为下层控制器传输优化指令;故障情况下,本地层柔性环网装置根据故障状态的不同,快速切换控制方式,以保证电网稳定运行。Matlab/Simulink仿真结果验证了该控制策略的有效性,仿真结果表明:该分层控制策略结合了优化调度与本地控制的优点,在各种工况下均能有效优化系统运行,提高了配电网供电可靠性。     

一种面向行人跌倒检测的改进YOLOv5算法

针对行人跌倒检测的应用场景复杂,原始YOLOv5的检测精度不高,特征融合不充分的问题,本文首先提出了一种新的特征金字塔(FPN)结构-自适应特征增强融合金字塔网络(AFEF-FPN)和特征增强融合模块(FFEM)来增加特征的表示以及融合深度.其次使用基于全局语义信息的上采样算子CARAFE代替Nearest Upsample来建模全局上采样信息,使用Alpha IoU Loss代替CIoU Loss来提高High IoU目标的损失和回归精度.最终本文网络YOLOv5(AFEF-FPN)在训练集上取得了98.62%mAP,在测试集上取得了96.21%mAP,相比于原始YOLOv5网络在训练集和测试集上分别提升了1.64%和2.86%.实验表明,本文网络在复杂场景下的目标检测效果优于原始YOLOv5及其他网络.