冯霞
- 作品数：27 被引量：52H指数：4
- 供职机构：中国民航大学更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金天津市自然科学基金更多>>
- 相关领域：自动化与计算机技术航空宇航科学技术电子电信交通运输工程更多>>
- 基于特征提取与时序建模的人群异常行为检测方法及系统
- 本发明公开了一种基于特征提取与时序建模的人群异常行为检测方法及系统，属于计算机视觉技术领域，包括：S1：获得人群行为的外观特征和时序特征；S2：使用深度K‑means聚类策略提取外观特征和时序特征的紧凑表示，并完成未来帧...
- 刘才华王美玲徐涛冯霞
- 一种航班信息即动报知装置及其处理方法
- 本发明涉及一种航班信息即动报知装置及其处理方法。本发明属于民航技术领域。一种航班信息即动报知装置，有无线数字通信网络、数据存储传输网络、计算机应用服务器、数据服务器、基站收发台和手持装置，其计算机应用服务器、数据服务器由...
- 徐涛冯霞李国丁建立李永华王艳华
- 文献传递
- 一种基于排队论的航班滑出时间预测方法
- 一种基于排队论的航班滑出时间预测方法。其包括构建航班滑出时间静态预测模型；获取全年历史航班实际运行数据并进行预处理；将历史航班按停机位临近、滑行路径一致的原则进行分组，计算出每组航班的无障碍滑出时间；利用历史航班实际运行...
- 冯霞卢敏孟金双赵晨旭
- 文献传递
- 面向噪声等值面绘制的多GPU渲染并行处理装置及其方法
- 本发明公开了一种面向噪声等值面绘制的多GPU渲染并行处理装置及其方法，属于并行计算领域。包括：CPU处理模块和GPU模块。CPU处理模块主要完成数据的写入，数据的筛选和分类，各部分颜色的赋予，视线矢量方向的设置和编程环境...
- 吕宗磊谢继文冯霞王兴虎胡欣
- 基于禁忌搜索算法的机场外航服务人员班型生成研究被引量：2
- 2019年
- 针对机场外航服务人员班型生成面临的任务量大,约束条件复杂,人工生成班型方案困难等问题背景,考虑员工对任务具有层次资质,班型的各类劳动法规等约束条件,以最小化班型方案总工作时间为优化目标,研究构建了面向多任务层次资质场景下的班型生成优化模型,并设计禁忌搜索算法进行求解。在首都机场外航服务部实际排班数据集上进行实验,验证了模型和算法的实用性和有效性,实验结果表明,求得的班型方案相比较现有人工生成的班型方案,能满足所有约束条件且总工作时间更短,总服务人数更少,提高了机场资源利用率。
- 冯霞冯霞卢敏
- 关键词：航空运输禁忌搜索算法
- 一种航班信息数据采集器及其处理方法
- 本发明涉及一种航班信息数据采集器及其处理方法。本发明属于民航技术领域。一种航班信息数据采集器，有电源、微处理器、输入控制、显示单元、通信单元、数据获取单元、数据处理单元和数据存储单元组成，微处理器连接控制输入控制、显示单...
- 冯霞徐涛张志远李永华
- 文献传递
- 基于时间序列分析的航站楼安检旅客流量预测被引量：9
- 2020年
- 对单位时间内通过安检的旅客流量进行预测是机场航站楼实时调控的重要依据,由此提出一种实时安检旅客流量预测方法,采用Wolf方法分析出安检旅客流量时间序列具有混沌特性;采用适用于混沌时间序列预测的遗传算法优化BP神经网络预测方法(GABP)预测安检旅客流量;分别设定时间尺度为2 min、5 min和10 min等,分析不同时间尺度对安检旅客流量预测精度的影响。基于北京首都国际机场T3航站楼实际安检旅客流量数据的实验结果表明,采用GABP神经网络对以2 min为时间尺度的安检旅客流量预测能取得较好的预测精准度。
- 冯霞冯霞
- 关键词：相空间重构混沌时间序列
- 一种多模态数据处理方法、电子设备和存储介质
- 本发明涉及计算机技术应用领域，特别是涉及一种多模态数据处理方法、电子设备和存储介质，包括：对第一模态数据和第二模态数据分别进行第一模态编码和第二模态编码，其中，第一模态数据编码后的数据跟第二模态数据编码后的数据进行融合之...
- 冯霞梁宇龙左海超卢敏吕宗磊
- 一种航班动态信息数据整合器及处理方法
- 本发明涉及一种航班动态信息数据整合器及处理方法。本发明属于民航技术领域。一种航班动态信息数据整合器，包括电源系统、微处理器、输入控制显示单元、通信单元、数据接收单元、数据处理单元、数据存储单元，数据接收单元，内置接收处理...
- 徐涛冯霞吕宗平杨宏宇张志远付宇
- 文献传递
- 基于Informer的客机长时4D航迹预测方法
- 2023年
- 客机长时4D航迹预测是基于航迹运行的重要基础,对于改善空中交通系统安全性能和优化空域结构有重要意义。针对现有长时4D航迹预测未充分考虑长序列航迹数据之间存在隐式关联信息等问题,借助Informer模型的自注意力机制,研究构建了基于Informer的长时4D航迹预测模型。为提取航迹数据的全局特征信息,增强数据独立性和时间序列特征学习能力,在数据嵌入层中增加全局时间戳模块,并利用航迹点序列等分层时间戳突破Informer模型固有的嵌入层时间刻度限制;为更好地捕捉非相邻时序序列点之间的隐式相关性,采用自注意力机制提取航迹数据特征,并运用概率稀疏方法降低自注意力机制的计算复杂度至O(Llog L),同时在编码器中增加蒸馏机制以减少计算维度和网络参数量;为避免传统的逐步预测输出方法造成的误差累积现象,提高航迹预测精度,采用全连接层对预测输出数据进行维度调整,完成一步生成式输出。对历史4D航迹数据进行三次样条插值等预处理后,与时序特征数据同时输入到航迹预测模型中,经过模型迭代训练,输出航迹预测结果。实验结果表明:在同时预测航迹的4D特征时,基于Informer模型的预测表现优于LSTnet方法,其均方根误差和欧氏距离误差分别为0.218 5和15.980 km,相较于LSTnet网络分别减少了1.48%和2.44%。此外,对于分别预测航迹特征的任务,Informer模型的欧氏距离误差为13.248 km,相较于LSTnet网络减少了3.11%,相较于传统LSTM网络减少了34.99%。
- 冯霞冯霞左海超
- 关键词：智能交通INFORMER时间序列
