基于修正 Shapley 值法的生态工业园供应链企业利益分配研究

工业园区内各企业是通过彼此之间的经济利益、 环境利益和社会利益而相互合作竞争，从而形成的经济网络组织， 合作关系是否稳定取决于各利益相关者间利益的合理性， 合作关系能否稳定运行直接关系到生态工业园的成败。 本文通过构建生态工业园供应链企业利益分配的Shapley 模型， 考虑供应链企业的经营成本、 承担的风险为修正因子， 确定权重并对供应链企业的增加收益分配额进行调整。 并根据实例得出， 企业在贡献、 风险方面分担的多， 则其合作产生的增加收益的利益分配所得也较多。 实例验证修正Shapley 模型在企业间利益分配方面的可行性和适用性， 以期为生态工业园的建设以及稳定性提供理论和决策参考依据。     

云南省高速公路车辆轨迹跟踪系统浅析

高速路车辆实时跟踪检测是高速路管理者的痛点和难点。本文对云南省高速公路车辆轨迹跟踪系统的技术方案、特性和使用受限场景进行了介绍,通过对每辆车跨镜头检测跟踪之后的结果进行ReID,能够匹配不同监控摄像头下的同一车辆,辅以车辆车型颜色分类和车牌识别技术,能更加精确定位车辆行驶路线,从而完整还原每辆车的车辆行驶轨迹。系统已在全国多条高速路现场进行测试,测试结果表明,该系统对于高速路车辆的实时检测、车辆跨摄像机跟踪、车辆匹配等项目均有很高的准确率,能够满足高速路管理者对车辆的实时跟踪的需求。     

改进的yolov5车辆行人检测方法在云南高速公路的应用

云南交投集团高速监控系统及时高效地对各类交通事故、交通阻塞、违章事件的检出和上报,高度依赖于其对应的目标检测算法。本文针对现有目标检测算法在高速公路监控领域对各类车辆、行人及小目标对象适配性不高、检测精度不够、检出效果不足的问题,提出了一种高速场景下改进yolov5的车辆行人检测算法。本文在yolov5s算法框架的基础上,通过在原有3层输出层基础上额外增加小目标输出层提升对高速场景小目标的检测能力,同时通过引入SPD-Conv卷积提升了网络主干对细粒度特征的提取,最后通过改进原有置信度损失和分类损失进一步提升了算法的检测效果。实验结果和项目实践表明,在自制的真实场景高速数据集下,改进后的yolov5s算法与原yolov5s模型相比,在其推理耗时有少量增加但仍能保证检测过程实时性的情况下,其精确率、召回率、平均准确率均有较明显提升,满足了工程上对高速场景下各类事件的检出要求。     

基于BP神经网络的冷库工程估价方法研究

冷库工程估价涉及因素多且结构复杂,根据BP神经网络算法在工程估价中超强的容错及泛化能力,建立基于BP神经网络的冷库估价模型。在对江苏省某企业在2011—2015年间140个项目案例进行充分研究的基础上,通过相关性分析提取冷库工程估价的主要特征,通过重复训练,实现了网络各层之间的连接权,模型估算误差在5%以内,满足冷库工程估算的精度要求。