产品详细介绍   3H22 AJJT-Ⅰ型交通现场勘察箱    该箱用于对交通现场的测量，发现、提取和保护交通现场的各种物证，具有下列功能：    1、 提取现场手印    2、 提取各种微量物证    3、 采集轮胎花纹图案    4、 编号标示多个物证    5、 测量现场    6、 绘制现场图    价格：1400.00元/箱 产地：自产 序号 名 称 数量   序号 名 称 数量 1 金粉 1 瓶   27 物证瓶 6 个 2 银粉 1 瓶   28 塑料物证袋 10 个 3 黑磁粉 1 瓶   29 纸物证袋 10 个 4 灰鼠毛指纹刷 1 把   30 带盖塑料试管 5 支 5 磁性指纹刷 1 把   31 一次性注射器 2 只 6 指纹胶带 1 卷   32 塑料封锁带 1 卷 7 黑色指纹衬底 1 盒   33 军用指南针 1 个 8 白色指纹衬底 1 盒   34 50 米 钢卷尺 1 个 9 指纹捺印盒 1 个   35 5 米 卷尺 1 个 10 轮胎花纹采集片 2 张   36 红色记号笔 1 只 11 剪子 1 把

产品展示 　　产品特点 　　安全实用 　　铝合金外壳，无锐角无利边设计 　　塑胶包覆，关注师生安全 　　三折叠开合式托板 　　整机收合尺寸451mm*149mm*83mm 　　所需挂墙面积小 　　清晰成像 　　1200W像素，1.55um大pixel摄像头卡片数码相机级别传感器 　　采用PDAF相位对焦技术 　　实现任意位置快速对焦 　　便捷传输 　　只需一根 USB 线，即可完成供电与信号传输 　　使用便捷 　　触摸按键无缝防尘又耐用 　　点触操作，画面稳定无晃动，轻松实现放大、缩小、旋转、截图 　　一键快速切换程序，提高上课效率

产品详细介绍

TJSIG 系统软件是我国第一套自行研制开发的用于城市道路交通设计和交叉口信号 配时优化并给出完备数据分析的软件。该系统基于国家自然科学基金项目研究成果，集 交通设计理论、交通信号控制理论和交通系统评价理论于一体，既适用于新建道路交叉 口的交通设计、通行能力和服务水平的评估与分析；又可对既有交叉口进行评价和改善， 为城建设计和交通管理部门提供必要的决策支持，彻底改变传统交通设计和信号配时工 作的枯燥繁琐。 TJSIG 能够动态生成交叉口交通设计简图和信号配时相位相序参数图，具有空间设 计与时间设计双重优化与互反馈功能；支持“相位搭接嵌套”并允许用户根据交通需求 定制相序；充分考虑我国混合交通条件下自行车与行人的通行安全与效率；预留了公交 优先与控制模块接口；兼具方案优化生成和既定方案评价的双重功能；提供六种优化目 标函数；提供多达九种交叉口设计评价指标的分析报表。

1. 痛点问题 城轨交通是城市最大耗电行业之一，截止2020年底全国有45个城市开通了城轨交通线路244条，线路总长度7969.7公里,年耗电量172.4亿千瓦时，其中牵引能耗占比高，达到84亿千瓦时。为了实现城轨交通行业碳达峰、碳中和的目标，必须从现有的城轨牵引供电系统给出解决方案，以应对城轨交通面临的行车密度大、节能减碳任务重、供电可靠性要求高等诸多挑战。 城轨牵引供电系统的核心装备是连接城市交流配电网与城轨直流牵引网的“交流-直流”电力电子变流器及其运行控制系统。目前国内外仍主要采用基于二极管整流机组变流器和以运行状态静态监视为主的电力监控。这种传统技术方案因缺乏管控能力对城市配电网依赖性强，存在外电源布点密集和选址困难问题，而外电源建设导致一次性投资剧增（7000~10000万元/个），并且会占用大量城市用地和空间；因为列车频繁启停冲击导致配电网和牵引系统设备利用率低，存在依靠高成本的过度裕量来换取系统安全可靠运行问题；因为缺少对系统能效的主动调度控制、牵引供电电压波动剧烈、牵引网能量粗放式分布，导致列车再生制动能量无法在牵引系统内部高比例利用、大规模光伏接入和消纳困难，存在牵引供电系统内部降耗减碳困难问题。 2. 解决方案 基于全控型双向变流器和智能协同控制的柔性直流新一代牵引供电技术，具有灵活调控牵引供电系统能量、主动响应城市配电网需求的能力，从根本上改变牵引供电系统运行机制，为系统性解决牵引供电系统痼疾、牵引供电系统和城市配电网互联互动提供了基础和平台。

本成果来自有重大应用前景的横向项目。城市轨道交通列车运行图编制系统已应用于中铁二院工程集团有限责任公司交通规划研究院，且作为生产系统在苏州、哈尔滨地铁运营中采用。该系统主要由列车运行图数据库管理子系统、列车运行图及车底交路图编制调整子系统、列车运行图及车底交路图绘制子系统组成，实现铺画城市轨道交通列车运行图和城市轨道交通列车运行组织方案设计，能有效提高编图的质量和效率。

视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。