基于MAS的集装箱自动化码头协同作业系统模型

ZPMC新型集装箱自动化码头使用低架桥轨道和电动小车构成立体装卸系统,将集装箱的装卸分解为多个起重设备和水平运输设备的协作,实现了集装箱的自动装卸。针对该码头的运作特点,采用MAS(multi-agent system,多智能体系统)方法,将码头中的装卸设备抽象为具有一系列属性和方法的智能体,提出船舶、堆场、任务管理、设备管理等智能体,构建出自动化码头协同作业系统模型。在系统的实现层类图中详细阐述了各agent的属性方法、交互关系,结合就近原则及时间估计优化策略,给出了集装箱装卸最短路径的搜索方案,通过实例分析说明协同作业系统MAS模型能较好地体现该码头分布、动态的运作特征。该研究将对ZPMC集装箱自动化码头的调度优化提供一定的理论指导,同时对完善MAS方法在集装箱码头生产作业中的应用体系起到积极的推动作用。     

基于改进时空图卷积网络的人员交互行为识别

针对人员交互行为识别存在的多模态数据融合方法导致的识别准确率与模型性能无法同时满足的问题,提出一种基于改进时空图卷积网络的人员交互行为识别方法。将单模态骨架数据引入级联的密集时空图卷积块网络中获得丰富的时空特征信息,提高特征复用率;设计一种增强时空图卷积网络(EST-GCN)单元提高网络对关节点之间的信息表征能力;引入一种运动特征因子衡量肢体不同关节的重要程度,提高模型识别效果。在Kinetics数据集和办案区场景数据集上的实验结果表明,所提出方法在识别效果上具有一定优势,且该方法在模型复杂度及运行效率上具有很好的竞争力。