Axis:大营销理念与策略

安讯士1984年成立于瑞典.是一家在斯德哥尔摩上市的IT公司.主做两类产品:一类是网络视频摄像机,另外一个是网络打印服务器.     

对重庆城镇网络建设的探讨

在分析重庆直辖市城镇化现状的基础上,针对重庆城镇网络中存在的问题,依据重庆发展城镇网络的优势,提出了建立新的城镇网络扔基本思路和构想,相关的对策与建议。     

构建公安网站的电子政务文化新视野

目前有的公安网站对电子政务文化建设的重要性认识不足，还没有认识到电子政务文化建设将是公安机关在新世纪里所面临的新课题、新挑战。本文从电子政务特征入手，结合公安网站在营造具有电子政务为特征的公安文化氛围上的缺陷，对构建公安网站的电子政务文化进行一些初步的探讨。     

监控“老兵”:摄像机的创新与发展——访大华技术股份有限公司摄像机球机产品总监李小村

近年来,随着安防行业应用的深入,科技水平的发展,监控系统从简单的第一代模拟监控产品,过渡到了第二代数字化监控产品,进而演变出了第三代网络化监控产品。摄像机技术的不断进步,也成为我国安防行业普遍关注的热点。为此,记者带着以下的问题采访了大华技术股份有限公司摄像机球机产品总监李小村先生。     

房屋建筑施工事故致因因素分类研究

为明确房屋建筑施工事故致因及其关联关系,针对房屋建筑施工过程中关键致因因素及其传播路径的有效识别问题,基于2015—2020年发生的394起房屋建筑施工事故案例,结合危险有害因素分类标准,将语义相近的风险用语归为一类,进行致因因素的提取、分类及编码;针对每一起事故建立致因因素传播路径,应用Gephi软件绘制出由95个节点、340条连边构成的房屋建筑施工事故致因网络模型;通过计算节点度值和权重系数等拓扑参数,分析致因网络拓扑特征,综合考虑节点总度值分类赋值及严重程度,利用ABC分类法提出致因因素重要性计算方法。研究结果表明：致因因素清单中包含28项关键致因因素、27项次要致因因素、31项一般致因因素;进一步分析得到24个关联性强的节点对、5条高频致因因素传播路径以及5类典型事故的致因因素分布状况。     

小样本条件下地铁运营事故致因推理模型

为克服传统事故致因推理模型不适用于小样本条件下的地铁运营事故致因推理的缺陷,将贝叶斯网络(BN)与Bootstrap抽样法、D-S证据理论相结合,建立地铁运营事故致因推理模型。首先,分析历年地铁运营事故样本,确定事故致因因素及网络节点;其次,基于BN的基本算法和理论,运用Bootstrap抽样法和K2算法进行BN结构学习;然后,使用D-S证据理论修正BN参数,建立适用于小样本条件下的地铁运营事故致因BN模型;最后,进行因果推理、诊断推理和敏感性分析。结果表明：所构建的地铁运营事故致因推理模型可有效进行事故推理预测,节点预测精度均值为0.858;通过因果推理得出最常见的地铁运营事故类型为运营中断,其次是火灾和列车冲突;结合诊断推理发现供电系统故障是导致运营中断的最主要事故致因。     

基于动态贝叶斯网络的民航空中停车事件安全风险评估

为探究组织和人的因素对发动机空中停车事件的影响及其演化情况,评估航空公司空停事件的风险水平,基于动态贝叶斯网络(DBN),构建一种适用于民航空停的风险评估模型。首先,运用主动与被动相结合的方式,识别影响发动机发生空停事件的组织和人的因素;其次,利用毕达哥拉斯模糊和决策试验与评估实验室(DEMATEL)方法,探究各个风险因素之间的因果关系;然后,基于得到的风险因素因果关系构建民航空停DBN,依据统计分析和专家经验确定民航空停的DBN参数,通过GeNle概率推理,进一步得出空停事件发生的概率;最后,以S航空公司的CFM56-5B发动机为例,评估民航空停事件安全风险。结果表明：2020—2021年,S航空公司的CFM56-5B发动机发生空停事件的概率分别为1.260×10^-6、1.352×10^-6;导致民航空停事件安全风险变化的主要原因是资源投入减少导致教育培训效果降低进而影响作风意识和合作沟通。     

基于模糊DEMATEL-BN的管制单位动态风险评估

为研究管制单位风险的动态性,提高风险评估的准确性,预防风险事故的发生,提出基于毕达哥拉斯模糊、试验与评估实验室(Decision Making Trial and Evaluation Laboratory, DEMATEL)、贝叶斯网络(Bayesian Network, BN)和模糊损失率的管制单位动态风险评估模型。首先识别管制单位风险因素;其次应用毕达哥拉斯模糊和DEMATEL模型探究风险因素之间的相互关系;再次将因素间的相互关系映射到BN,构建管制单位风险演化过程;然后确定先验概率,并以前兆数据作为输入信息,推导计算管制单位的动态风险概率;最后利用模糊损失率量化风险后果,计算管制单位的动态风险评估值。以某管制单位为例,对构建的管制单位动态风险评估模型进行了实证研究。结果表明：特情处置预案不合理等高严重后果概率持续上升的风险因素是该管制单位的风险管控的重点;t₁～t₅时间段该管制单位的动态风险评估值从1.035×10^-2上升到1.106 3×10^-2。构建的管制单位动态风险评估模型克服了管制传...     

融合YOLOv5-ResNet级联网络的烟火检测方法

火灾产生的烟雾和火焰对人类生命财产及安全会造成严重威胁。针对现有烟火检测算法在实际工业应用中无法满足高检测率、低误报率以及高实时性的检测需求,提出了一种融合YOLOv5-ResNet级联网络的烟火检测算法。首先,为了提高YOLOv5检测网络对烟火目标的检测性能,尤其针对小目标烟火,通过增加注意力机制模块、小目标尺度检测层、Focal Loss损失函数的方式改进YOLOv5目标检测网络;然后,为了降低误检情况的发生,将检测到的烟火目标进行阈值筛选,筛选后的烟火目标增加部分背景信息后送入ResNet34分类网络,剔除非烟火目标;最后,通过综合分析连续多帧检测结果和烟雾面积变化情况,进一步降低误检的发生。结果表明：融合YOLOv5-ResNet级联网络的烟火检测算法,在29个烟火视频的查全率为99.38%,漏检率为0.62%;在45个非烟火视频的误检率约为0.001 6%,在所有测试视频的平均检测速度为51.67帧/s, YOLOv5-ResNet级联网络算法检测精度较高,检测速度较快,误检率低,可满足实际的大规模复杂工业场景下检测任务,综合性能优于现有的其他火灾检测算法。