XiaoMi-AI文件搜索系统
World File Search System交通密度
自由飞行的大局概念 - TU Delft 存储库
自由飞行的实施 现行空域系统的一个根本缺点是缺乏灵活性。空中交通管理系统 (ATM) 以各种形式投入使用已有大约 50 年，它是在雷达初期和交通密度较低的情况下构思出来的。在反复尝试获得更多需求的情况下，由于缺乏现代地面自动化或新的运营概念，出于安全目的，在世界大多数空域有效运营的灵活性已被牺牲。在许多（如果不是大多数）情况下，现行系统规定了航空公司的飞行路线、高度甚至速度，从而导致重大财务损失。固定路线最大限度地减少了人类空中交通管制员的潜在冲突地点，但制定的飞行计划不会最大限度地减少燃料消耗或飞行时间，并且要求飞机在可能不太理想的风中飞行。在竞争激烈的航空运输环境中，航空公司急于降低燃料成本并提高飞机利用率。毕竟，降低运营成本意味着降低机票价格。
空中交通冲突检测与解决中的人体工程学考虑
3 新加坡理工学院海事安全卓越中心，139651，新加坡 摘要。最新的全球空中交通显示出大流行后全球空中交通大幅复苏的积极迹象。本文旨在从人体工程学的角度对空中交通管制 (ATC) 中的空中交通冲突检测和解决 (CDR) 进行系统的文献综述，并开发一个 CDR 流程的基础框架来应对空中交通密度的反弹。采用系统评价和荟萃分析 (PRISMA) 的首选报告项目对 ATC CDR 中的先前出版物进行审查。基于所审查的 35 篇文献，制定了 CDR 框架，重点介绍了 ATC 作为社会技术系统的关键方面，包括人类、环境、界面/系统和任务。本研究还阐明了未来的研究方向，包括加速 ATC 熟练程度、ATC 系统设计、全球交通模式分析、ATC 自动化透明度以及旨在提高空中交通安全和效率的任务设计。本文进一步讨论了越来越多的 ATC CDR 文献中的要点。
交通安全人力资源开发
尽管如此，开罗发生的严重交通事故数量相对较少。这首先是由于交通拥堵导致车速缓慢造成的。第二个可能的原因是开罗大多数司机的“防御性驾驶”。然而，应该注意的是，开罗的防御性驾驶与通常理解的完全不同。开罗的司机预计其他司机会犯错，并时刻保持警惕，以避免不合理驾驶行为造成的最危险后果。但为了避免事故，司机不会减速，他们只会鸣喇叭并以不合理的方式做出反应，通常是立即变道。这会导致后面的司机做出同样的反应并变道，直到最终一名司机被堵住，在许多情况下使迎面而来的车辆完全停滞。这种不合理/不负责任的行为会随着交通密度的增加而增加。在较不繁忙的信号交叉口可以看到或多或少有序的交通，但在拥堵的交叉口，情况变得完全混乱，驾驶更加激进和有竞争力，完全不考虑行人或其他驾驶员。
探索城市空中交通运营的人为因素问题
文献中将其视为空域的新进入者。虽然引入 UAM 可能带来重大好处，但也可能对当前的空中交通管理系统产生根本性改变。目前正在探索几种概念，以便为近期、中期和远期运营开发安全高效的 UAM 系统。近期运营的运营概念提出了几种假设。空中交通管制员等人类操作员的角色和职责概念提出了不同程度的参与。因此，识别和探索人为因素问题是概念发展的关键下一步。使用人在环空中交通管制模拟来研究 UAM 交通密度和当前空域路线和通信程序变化对主观管制员工作量和效率相关任务绩效的影响。研究结果表明，虽然主观工作量对于低密度运营来说是可控的，但中密度和高密度运营导致工作量难以管理，导致拒绝让更多车辆进入受控空域。通过实施协议书，口头沟通减少，这与工作量减少有关。优化路线还与减少工作量和提高性能效率有关。虽然这些调整可以积极支持管制员的表现，但工作量仍然
法国海军 2021
尽管这种巨大的自由使得海上货运在过去三十年中得到了极大的发展，但也使得海上空间的控制和保障变得非常困难。交通密度对一些海上航线构成了风险，例如加莱海峡，每天有 700 至 800 艘船只经过其 16 海里的离岸区域，使其成为世界上第二繁忙的海峡。海盗活动对海上贸易构成威胁，在几内亚湾和马六甲海峡，海盗活动远未得到遏制。非法贩运仍在继续，特别是在加勒比海和地中海附近。最后，COVID-19 疫情再次凸显了海上交通对于经济相互依存的国家生存的不可避免和至关重要的特性：陆地边界被关闭，航空公司中断，但人们尽一切努力保持海上交通畅通，以免导致民众生活必需品严重短缺。各种主权主张和海上作业的新前景也导致紧张局势加剧。越来越多的行为者（其中包括非国家行为者）在日益激烈的海上竞争中肆无忌惮地使用武力，甚至使用暴力。地中海东部发现石油和天然气矿藏进一步加剧了邻国之间的紧张局势，这些国家发现更难确定其海上边界
驾驶事件导致心理负荷增加后电生理和性能变化
本研究旨在调查如何利用驾驶表现以及电生理和主观数据来评估驾驶员在驾驶过程中的心理工作负荷。参与者必须在驾驶模拟器上的两个会话（基线和实验）内以安全且恒定的距离跟随前导车辆并处理两个特定驾驶事件（超车和行人事件）。在实验会话中，增加了交通密度和时间压力（超车事件）以及时间压力（行人事件），以引起更高的工作负荷。参与者在每次驾驶会话后填写 NASA TLX 问卷。每次事件后在两个时间窗口（30 秒和 5 分钟）内分析电生理参数（SCL、ECG）、驾驶表现（SDLP 和对前导车辆速度变化的响应：连贯性、延迟和增益）。结果表明，表现和生理变量均因交通状况和时间压力而不同。此外，虽然在很长一段时间内（事件发生后 5 分钟）系统地观察到了性能变化，但实验过程中获得的平均 SCL 数据的影响与事件发生后 30 秒内的基线值明显不同。从心理负荷的角度讨论了结果，并提出了有关可以监控驾驶员心理状态的安全系统的建议。
请不要删除此页面
本文介绍了使用近红外（NIR）激光源，直接检测电磁和被动红外成像系统的新技术。这些技术允许直接确定大气灭绝，并通过采用合适的反转算法，对某些重要的天然和人造大气成分的间接测量，包括二氧化碳（CO 2）。所提出的技术适用于使用飞机，卫星，无人驾驶汽车（UAV），降落伞/滑行车辆，Roving Surface车辆（RSV）或永久地面装置（PSI）执行的遥感任务。拟议的各种技术在不同情况下提供了相对优势。所有这些都是基于对已知几何和反射特性目标表面的激光能量/功率的测量，该测量是通过红外检测器和/或用于辐射的红外摄像头的测量值。实验结果相对于地面和飞行试验提供了用激光系统进行的飞行试验，该激光系统在近红外（NIR）= 1064 nm和= 1550 nm。这包括在各种大气条件下使用10 Hz和20 kHz PRF NIR激光系统执行的地面测试，以及在龙卷风飞机上安装的10 Hz机载NIR激光系统进行的飞行试验，飞到地面上的22,000英尺高度为22,000英尺。未来的活动计划验证为CO 2柱密度测量开发的大气检索算法，重点是机场和其他高空交通密度环境的飞机相关排放。
通过超分辨率和最大集团生成优化实例分割
摘要。监视系统的兴起导致收集的数据呈指数增长，从而在深度学习方面有了一些进步来利用它们并自动化自治系统的任务。车辆检测是智能车辆系统和智能运输系统领域的关键任务，使得控制交通密度或检测事故和潜在风险是可能的。本文提出了一个最佳的元方法，可以应用于任何即时分割模型，例如蒙版R- CNN或yolact ++。使用这些模型和超分辨率获得的初始检测，进行了优化的重新指导，允许检测未鉴定的元素并提高其余检测的质量。超分辨率的直接应用是有限的，因为实例分割模型根据固定维度处理图像。因此，如果超过超过该固定尺寸的尺寸，该模型将再次重新汇总，从而失去所需效果。这种元方法的优点主要在于不需要修改模型体系结构或重新培训它。无论给出的输入的图像的大小如何，都将生成符合对象分割模型定义维度的超级分辨区域。应用我们的建议后，实验显示了CityScapes数据集Jena序列中使用的Yolact ++模型的提高高达8.1％。
IMO2020法规在UKESM1
摘要国际海事组织（IMO）介绍了有关2020年运输排放硫含量的新法规（IMO2020）。对人为硫酸盐气溶胶的全球降低的气候影响的估计值差异很大。在这里，我们使用UKESM1使用两组气候模型模拟来缩小这种不确定性。使用固定的海面温度大气模拟，我们估计IMO2020全球有效辐射强迫为0.139±0.019 wm -2，并表明大多数强迫均由气溶胶引起的云特性变化。使用耦合的海洋大气模拟，我们注意到云顶液滴数量的浓度和大型交通密度较高的地区的大小发生了显着变化，在北大西洋和北太平洋地区，这些微物理变化转化为云标题的减少。我们表明，IMO2020在2020 - 2029年间，IMO2020平均每年的年度表面温度平均增加了0.046±0.010°C。大约2 - 3年的全球变暖。此外，我们的模型模拟表明，IMO2020有助于解释2023年的特殊变暖，但是需要其他因素来充分考虑它。2023年在顶部 - 大气层上反射的短波辐射的降低也非常大。我们的结果表明，IMO2020的可能性更大，但观察结果却在模拟的变化范围内，而没有减少运输排放。为了更好地了解IMO2020的气候影响，模型对比项目将是有价值的，而社区则等待更完整的观察记录。
使用Yolov8算法的交通拥堵检测与...
根据中央Java统计局的数据，社区发展和增长有关2021年中部爪哇省车辆数量的数据是20 320 743。社会增长的增长导致了车辆密度，这在城市地区是一个严重的问题。这项研究使用Yolov8算法开发了一种拥塞检测系统，以分析CCTV素材的交通密度。自动检测交通拥堵是城市运输管理中的一个关键挑战。Yolov8是一种快速准确的对象检测算法，用于识别车辆并在高速公路各个区域计数数量。然后处理此信息以评估道路拥堵条件，目的是检测拥塞。在两个道路方案和交通状况上测试了获得的数据，以评估系统的性能。结果表明，在训练测试中，Yolov8的准确性在96％时显示出很高，但是在几种不同的样本测试中，检测准确率在所有测试的框架样品中均显示59.2％。使用Yolov8的使用可以通过有效的计算资源实时检测，从而使其成为大规模部署的潜在解决方案。本研究表明，将高级对象检测算法（例如Yolov8）与CCTV数据合并可以为大城市的交通管理提供有效的解决方案。预计该系统将改善对拥塞的反应，帮助控制交通，并减少城市地区拥塞的负面影响。