移动智能终端在无车承运网络平台中的应用研究

来源 :信息与电脑 | 被引量 : 0次 | 上传用户:a36020a
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无车承运网络平台应用研究立足物流智慧运输管理、互通共享物流信息的理念,运用北斗、互联网、车辆网、物联网、大数据等前沿技术,依托无车承运网络平台,提供软硬一体移动智能终端手持设备,以"云+端"方式实现。本文重点探讨了移动智能终端在无车承运网络平台中的应用,希望能够为相关研究提供借鉴。
其他文献
本文首先介绍了桌面云的背景知识,阐述了主流桌面云平台实现的技术和协议,进而针对西藏大学公共计算机机房使用VDI桌面云平台的现状,进行多服务器的架构和调度设计,并针对云
本文针对鸽群算法在求解高维复杂函数时性能不佳的问题,提出了一种改进鸽群算法。将传统鸽群算法与Powell算法相结合,将每次迭代中的当前最优解通过Powell算法进行再次优化,能够提高鸽群算法的搜索能力和收敛速度。通过将改进后的算法与鸽群算法、粒子群算法进行了仿真对比实验,验证了改进算法性能的优越性。
由于显微光学系统存在景深限制的问题,只有在焦平面附近才能清晰成像,无法直接采集到一幅全部清晰聚焦的图像。针对此问题,本文搭建一种叠焦显微图像自动采集系统,首先使用SURF方法对采集到的图像序列进行图像配准,然后采用基于Soble梯度算子的Tenegrad聚焦评价函数对配准后的图像序列进行多聚焦融合,最终得到一幅清晰的大景深全焦图像。
随着物联网、人工智能、大数据等新一代技术在交通领域的应用发展,面向多源、异构数据的多技术融合的智能交通架构为智能交通的科学决策提供依据。交通大数据具有异构性、动
在我国社会发展的过程中,计算机信息处理技术是一项极为重要的技术,通过该项技术能够对于当前社会当中产生的信息进行收集与处理。大数据的出现使得计算机的使用特征及数据形
本文使用基于深度学习的OpenPose模型结合极限学习机(ELM)算法,对视频或图像中人体行为进行分析与识别,首先利用二维人体姿态估计模型获得人体的关节点坐标数据,进而对获取的骨架关节点数据进行处理,再使用ELM对数据进行分类,从而识别出当前的行为动作。在实验中使用自制数据集进行测试,算法的准确率达到90.41%。
随着互联网技术与移动设备智能化的发展,即时通信工具在人们的日常生活中发挥着越来越重要的作用,已经成为继Email和Web之后的第三大互联网应用。目前,市场上广泛使用的即时
校友档案管理存在分布式信息管理的问题,采用传统的信息管理手段无法满足分布式信息共享、管理的需求。本文基于区块链技术创建分布式信息管理模式,首先分析了如何使用区块链
针对无线传感器网络中节点分布不均匀和冗余度高等问题,本文提出一种基于拟物力的动态调整惯性权重系数的粒子群优化算法。该算法将网络的覆盖率、传感器节点能耗和移动平均
本文提出利用动态融合遗传蚁群算法来解决查询代价约束下的实视图选择问题,该算法充分利用了遗传算法在搜索前期具有较高的向最优解收敛的速度和蚁群算法在信息素达到一定程