- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户8616781的专栏
2021年11月30日航空安保知识培训
各货运销售代理企业： 根据《中国民用航空危险品运输管理规定》（CCAR276-R1）和国际民航组织文件（Doc9284）《危险品航空安全运输技术细则》对货运销售代理人的培训要求，中国航协销代分会定于2021 3.锂电池航空运输基础知识。 4.安保培训。 二、培训对象 货运销售代理企业法人或法人代表、业务负责人，每单位参加人数不少于两名。 ），请提前检测电脑的软硬件环境，确保设备和网络可用，于考试时间开始前30分钟登录“航空运输协会货运安保线上考试-2021-11-30”链接参加考试。 航空运输协会货运安保线上考试-2021-11-30： https://tx.weicewang.com/login/p/212823 备注：仅限考试期间开放：11月30日下午16:00-17:00。 航空运输销售代理分会 2021年11月12日
4.3K520发布于 2021-11-12 - 来自专栏气象学家
OpenEarthAgent：让AI真正"动手"分析卫星地图的地理空间智能体
：通过监督微调在结构化推理轨迹上训练，配合确定性重放验证确保全链可执行性和空间正确性 • 多模态数据融合：整合光学、SAR、GIS图层和光谱指数（NDVI、NBR、NDBI），覆盖城市基础设施、环境监测 中间输出（派生矢量图层、栅格子集、指数图、计算几何）存储在工具执行缓存内存中，支持同一轨迹内后续工具调用的重用，防止冗余计算并确保确定性重放。 2.3.3 确定性重放验证 训练前，每个轨迹通过工具控制器进行确定性重放。 案例2：度量尺度距离估算（图A2） 给定GSD为0.6 px/m的航空影像，模型执行： 1. TextToBbox检测所有飞机 2. Solver计算每架飞机质心 3. 轨迹验证训练机制：引入确定性重放验证确保训练数据的全链可执行性，这是保证学习到的智能体行为空间逻辑正确的关键。
79910编辑于 2026-03-26 - 来自专栏顶象技术业务安全专栏
爬虫风险业务防控实战 | 国际航班上，小“票代”在疯狂倒卖高价票
6月5日-6月11日这一周，实际执行的国际客运航班量已经达到5822班，通航61个国家。预计，暑运期间国际客运航班将增至每周6000班以上。 小“票代”的网络爬虫与高价票小“票代”制作网络爬虫程序，盗用航空公司查票接口，肆意非法抓取航空公司B2C网站或官方App等平台上的航班信息，不仅大量占用航空公司带宽资源，更白白消耗航空查询费用，而且还产生大量虚假的查询 ，导致航空公司对航班需求产生误判。 监测显示，搜索查询量暴增是在6月11日凌晨开始的，并连续3天呈现高访问趋势。基于搜索查询量分析发现有如下特征：1、大多数的搜索查询账户的IP主要来自几个固定IP，存在明显的聚集特征。 Dinsight实时风控引擎根据业务查询场景的请求、客户端采集的设备指纹信息、用户行为数据行为（鼠标的滑动轨迹、键盘的敲击速率、滑动验证码的滑动轨迹、速率、按钮点击等行为轨迹等），基于安全防控策略，有效地对恶意爬取行为进行识别和拦截
77410编辑于 2023-06-28 - 来自专栏森林消防安全知识
珠海航展有图扑 | 数字孪生方案助力参展商
2022 年 11 月 8 日~11 月 15 日，在第十四届中国国际航空航天博览会（简称中国航展）中，图扑先进的数字孪生解决方案，支撑合作伙伴实现人机交互场景。 进入测试系统后，将考勤数据、任务统计、资源利用率、历史轨迹、环境监测物联、货物查询定位、AGV 定位等多维度信息整合呈现。 Ⅱ.轨迹查询支持查询特定作业人员在任意时间内的历史轨迹，可用于巡点检查、作业情况分析、人员行为分析、事故分析等情景。 支持对历史运行轨迹的绘制，通过绘制出历史轨迹帮助管理者具体分析产线布局的合理性，及时作出相应调整。 2022 年 11 月 8 日，第十四届中国国际航空航天博览会（简称中国航展）在广东珠海盛大启幕，本届航展线上线下共有来自 43 个国家和地区的 740 家航天企业参与。
61010编辑于 2022-12-06 - 来自专栏HyperAI超神经
NASA 传奇数学家去世，她曾笔算了登月轨道
在计算机没有普及的时代，她靠着出色的个人能力，在一堆白色男性的 NASA 里，成为了绝对的核心成员，参与到多个航空任务的轨迹设计。 此外，她在完成多种航空导航计算参数之余，还与人一起撰写了第一本有关航天的教科书。 ? 凯瑟琳在工作中 | 来源：NASA 因为具有出色的个人能力，每当团队遇到难题时，总会有人说：「去问问凯瑟琳！」 并且着手进行了轨迹分析，成功将美国第一位宇航员艾伦·谢泼德（Alan Shepard）送入到太空。 凯瑟琳工作漫画示意图 | 来源：hackaday.com 在水星计划之后，她加入了太空机械师，参与计算了 1969 年阿波罗 11 号（Apollo 11）登月的飞行轨迹，并设计了电子故障情况下宇航员的备用导航图 2015 年，为表彰凯瑟琳对航空航天事业的贡献，时任美国总统的奥巴马，将总统自由勋章这一国家最高荣誉授予了她，此后凯瑟琳的故事才逐渐被大众所熟知。 ?
1K80发布于 2020-02-27 - 来自专栏工业数字孪生
10.5亿人次观看珠海航展！图扑助力展商数字孪生演示，太震撼！
针对航空工业制造现场“人、机、料、法、环、测”等要素的数字化接入，提供了数智化航空产线监控、仓储管理、人员管控、资产管理等一系列解决方案。 进入测试系统后，将考勤数据、任务统计、资源利用率、历史轨迹、环境监测物联、货物查询定位、AGV 定位等多维度信息整合呈现。 Ⅱ.轨迹查询支持查询特定作业人员在任意时间内的历史轨迹，可用于巡点检查、作业情况分析、人员行为分析、事故分析等情景。 支持对历史运行轨迹的绘制，通过绘制出历史轨迹帮助管理者具体分析产线布局的合理性，及时作出相应调整。 2022 年 11 月 8 日，第十四届中国国际航空航天博览会（简称中国航展）在广东珠海盛大启幕，本届航展线上线下共有来自 43 个国家和地区的 740 家航天企业参与。
66830编辑于 2022-11-22 - 来自专栏大数据文摘
Uber首起自驾致死车祸两年后重开审判，安全驾驶员被判刑2.5年！人车协同为啥这么难？
在这之前，2019年11月，美国国家运输安全委员会展开调查，在联邦报告中，责任归咎于多方：Uber、安全驾驶员、受害人和亚利桑那州。 然后，意图轨迹规划器（intended trajectory planner）可以提供新的意图轨迹，如果新的轨迹被成功验证，自动驾驶汽车就会在tc前过渡到新验证轨迹。 不过，马斯克此前在推特上表示，“特斯拉自动驾驶（Autopilot）是根据航空业使用的术语来命名的”。 根据美国联邦航空管理局发布的《飞行员航空知识手册》，对自动驾驶的描述是这样的：“自动驾驶被设计用于控制飞机和帮助降低飞行员的工作量。自动驾驶的常用功能有高度和航向保持。 换句话说，出现在航空领域中的“自动驾驶”，描述的是一套辅助飞行员驾驶的系统，而不是取代飞行员的系统。
73420发布于 2020-10-10 重构大交通AI决策引擎：基于位置大数据的民航商旅实践洞察
携手腾讯地图位置大数据，构建了覆盖航空、铁路、公路的大交通AI决策新引擎： 全景客流归因与需求识别：引入腾讯地图位置大数据，捕捉城市间人口流动的轨迹、强度与周期性规律。 系统通过实时追踪飞行器轨迹并判断相对位置，实现毫秒级穿越行为识别与分级告警，大幅降低人工盯防成本。 目前该智能服务已与顺丰、跨越、德邦等头部快递企业达成深度合作，在航空物流数据市场的市占率达到近 80%，确立了压倒性的规模壁垒。 沉淀时空轨迹底座，实现“数据驱动”战略跨越 引入腾讯地图位置大数据，是构建大交通AI引擎的关键变量。 其核心技术价值在于打破了原有场站数据的时空局限性，将孤立的“节点数据”（起降/进出站）升级为连续的“轨迹数据”。
25310编辑于 2026-04-20S3-GFN：让AI设计的分子真的能被合成出来
对比式重放训练（Contrastive Replay Training）： 通过维护正/负样本缓冲区，用对比学习损失在分布层面显式抑制不可合成区域 2.2 理论基础：GFlowNet 与相对轨迹平衡 GFlowNet 阶段二：引入对比辅助损失的重放训练 为解决上述问题，S3-GFN 在重放阶段引入 对比辅助损失（Contrastive Auxiliary Loss）： 其中 是前向策略对轨迹的序列得分。 完整的重放训练损失为： 其中 为辅助损失系数。 为什么要在重放阶段施加辅助损失，而不是在线阶段？ 重放缓冲区能够提供数量均衡、稳定的正负样本对，使对比损失的优化始终有效。 不做额外在线采样，仅利用已有重放缓冲区中的旧样本（按新约束重新分类正负），进行100步重放训练。 方法 平均sEH ↑ 正样本率 ↑ Num.
28910编辑于 2026-05-08融合腾讯地图位置大数据提升民航决策效率与收益
航空业面临数据孤岛与收益增长瓶颈 民航业运力持续增长（飞机年均增长率3.0%，机场年均增长率2.2%），但面临“量升价跌”困境：2025年客运量达1.46亿人次（+3.4%），经济舱平均票价却降至846 构建多源数据融合的智能决策引擎 航班管家联合腾讯地图整合航空、铁路、位置及商旅数据，突破数据壁垒。 腾讯地图位置大数据精准捕捉人口迁移轨迹与出行规律，结合航班管家独家航班动态数据（覆盖全球95.2%航空公司及9,971座机场，每日处理20万条航班动态），构建客流-运力-收益联动分析模型（数据来源：航班管家 航空领域通过ADSB+ACARS设备实现空域电子围栏监控，触发分级告警提升管控效率（案例来源：航班管家航空智能化实施方案）。 腾讯地图数据能力赋能行业升级 腾讯地图位置大数据具备覆盖广度（全国人口迁移轨迹）与实时精度优势，与航班管家权威航空数据形成互补。
17310编辑于 2026-04-19- 来自专栏一点人工一点智能
基于深度学习的自动驾驶运动预测研究
为此，本研究提出了一种新型深度学习方法，通过使用高分辨率语义地图和航空影像来检测周围车辆的未来轨迹。 文献[10]、[11]在鸟瞰图中通过边界框和颜色来表示周围移动物体、拟定驾驶车道、交通信号线等信息。 通过使用类图像数据，卷积神经网络在探索交通场景中移动物体的空间相互依赖性方面尤其有效。 为了同时具备RNN和CNNs的优势，文献[11]开发了混合网络。 • 高分辨率语义地图，可捕捉其他交通代理、车道几何形状和道路规则，还包括周围环境的高清航空图像。 图1展示了一个25秒的高清语义地图的一个样本场景。 例如，不再使用具有27个通道的一张图像（3个通道与航空地图和语义地图相关，其余的24个通道与历史记录相关），而是使用 张图片，每张图片具有 个通道，其中 是时间步长。
78850编辑于 2023-08-25 - 来自专栏一点人工一点智能
基于深度学习的自动驾驶运动预测研究
为此，本研究提出了一种新型深度学习方法，通过使用高分辨率语义地图和航空影像来检测周围车辆的未来轨迹。我们的方法结合空间和时间学习，应用递归和卷积神经网络等新机制，以捕获视觉和时间特征进行未来运动预测。 文献[10]、[11]在鸟瞰图中通过边界框和颜色来表示周围移动物体、拟定驾驶车道、交通信号线等信息。通过使用类图像数据，卷积神经网络在探索交通场景中移动物体的空间相互依赖性方面尤其有效。 为了同时具备RNN和CNNs的优势，文献[11]开发了混合网络。 • 高分辨率语义地图，可捕捉其他交通代理、车道几何形状和道路规则，还包括周围环境的高清航空图像。图1展示了一个25秒的高清语义地图的一个样本场景。 例如，不再使用具有27个通道的一张图像（3个通道与航空地图和语义地图相关，其余的24个通道与历史记录相关），而是使用 张图片，每张图片具有 个通道，其中 是时间步长。
78950编辑于 2023-05-13 大交通AI决策新引擎：民航商旅数据驱动实践与价值
，联动航空、铁路、公路多维信息，打破数据孤岛（数据来源：腾讯地图、航班管家）。 需求侧：引入腾讯地图位置大数据，捕捉城市间人口流动轨迹、强度与周期性规律，识别潜在高价值航线（数据来源：航班管家、民航局统计公报）。 数据覆盖1163家航空公司、9971座机场，每天20万条航班动态信息；3065个火车站、每天16余万条进出站车次（数据来源：航班管家）。 客户实践：航空与物流场景落地验证 航空业智能化升级：国内某机场搭建ADSB+ACARS设备，设电子围栏实时追踪飞行器轨迹，判断与围栏相对位置，穿越时触发分级告警，实现高效管控（数据来源：航班管家）。 独家优势：联动航班管家权威数据（民航空管局旗下民航电信公司独家航班动态数据），构建覆盖民航基础数据服务、专业咨询分析、高效数据分析平台的全方位服务体系（数据来源：航班管家）。
16510编辑于 2026-04-20机器人学的下一个前沿：从火星漫游器到自动驾驶汽车
在2021年11月加入Zoox之前，Toupet在NASA喷气推进实验室工作了九年，主管机器人空中机动性小组。 向上的轨迹对Toupet来说，一份涉及空中机器人的工作非常适合一个在成长过程中对飞行着迷的孩子。Toupet在法国南部出生长大，他对于航空的热情因家庭频繁旅行而被点燃。 “我母亲曾为一家法国航空公司工作，所以我们经常乘飞机，”Toupet回忆道。“我记得我父亲教我认识机场里所有飞机的名字，那时我就想长大后成为一名飞行员。” 他曾在图卢兹著名的法国航空航天学院学习，之后移居美国，在麻省理工学院攻读航空航天学硕士学位。在那里，他得以追求从事尖端飞机研究的梦想。 让机器人技术创造更美好的世界如今，作为首席软件工程师，Toupet正在开发尖端的人工智能算法，使自动驾驶的Zoox车辆能够理解周围环境并做出决策，并优化轨迹以安全舒适地到达目的地。
25510编辑于 2025-12-25- 来自专栏FreeBuf
针对无人机的常见攻击方式
一种是录制禁飞区内的GPS信号，然后在无人机附近重放。因为无人机接收GPS信号有这样的特点：谁的信号强听谁的。因为GPS卫星距离太远，信号衰减非常多所以信号强度会不如附近伪造的GPS信号。 所以重放禁飞区的GPS信号是可行的，然而前提是需要跑到禁飞区去录制GPS信号。 另外一种便是制作出GPS信号，就可以得到任何想得到的GPS信号。 比如，在无人机展览上进行飞行表演时候，发射一个大功率的北极的GPS信号，那么就会看到“一群无人机往南飞”的“壮观”景象~~ c.轨迹欺骗 ? 当无人机朝着下一个选定的地点飞行的时候被伪造的GPS地点欺骗后，很明显无人机就会背叛飞行的轨迹朝着被欺骗位置和下一个选定点位置连线的方向飞行，直到到达选定点。 然后，嘿嘿嘿嘿~~ 亦或者，无人机使用的只是RF射频模块，不想做RF信号解析重放这一类的麻烦事，偷个懒，可以使用信号干扰器对控制信号进行压制，而无人机一旦无法接受控制信号，一般会做三种事情：A、原地降落
2.1K100发布于 2018-02-06 - 来自专栏一点人工一点智能
实时语义SLAM：激光+IMU+GPS/MAV
Majdik等人[11]将这些特征与谷歌街景的模拟图像相匹配，以与四旋翼飞机在城市环境中飞行的图像相匹配。然而，这些方法由于查询图像和数据库图像之间的视点差异更为极端而失败。 这使建图功能能够处理更大的轨迹，而无需循环，同时保持全局一致。 我们注意到，这并不能很好地测试其他城市的通用性，但稳健的多城市航空分割不是本工作的重点。然而，我们强调，无论是在激光雷达扫描还是航空图像中，我们的定位器在分割数据中都能够很好地处理显著的真实噪声。 我们计算了树木和建筑物的成本，并在图11中展示了这些发现。对于所有运行，我们假设了固定的已知尺度。我们得出结论，对于具有复杂道路结构的环境和轨迹，简单地利用轨迹并将其与道路模式匹配就足够了。 图11：在粒子权重中忽略树和/或建筑物时，不同数据集的收敛速度和时间。 06 总结 我们提出了一种在卫星或自上而下的无人机图像中进行实时语义SLAM系统。
87520编辑于 2022-12-27 - 来自专栏编外气象人
基于雷达的通用航空气象服务系统设计
通用航空气象服务和民用航空气象服务是有些区别的，更关注短时临近的预报，因此拿出来跟大家分享，请大家共同探讨！ 通用航空的定义：通用航空General Aviation，是指使用民用航空器从事公共航空运输以外的民用航空活动，包括从事工业、农业、林业、渔业和建筑业的作业飞行以及医疗卫生、抢险救灾、气象探测、海洋监测 通用航空业是以通用航空飞行活动为核心，涵盖通用航空器研发制造、市场运营、综合保障以及延伸服务等全产业链的战略性新兴产业体系。 气象敏感条件属于通用航空的综合保障方面，通过气象服务，使得航空器在飞行过程中更加安全为目标。 另外飞行轨迹的天气状况有时也复杂多变，飞行轨迹上的天气预报就变的至关重要。所以就需要数值模式预报以及专家系统集合应用。 C、在雷达探测范围内出现灾害性天气时最短预警时效是多少？
1.1K22发布于 2020-06-01 - 来自专栏腾讯位置服务开发者征文大赛
【腾讯位置服务开发者征文大赛三等奖】时空织迹｜Trae Solo + 腾讯位置服务 航班轨迹航线可视化实践
视角平滑过渡（easeTo），过渡时长 800ms；节流控制（500ms 间隔），防止视角抖动，支持一键切换跟随/自由视角模式；3.3.4 模型跟随标签航班号标签（如 MU5220），蓝色背景白色字体，航空公司名称 （如"中国东方航空"）；飞机型号（如 B737-800），机龄与乘客人数信息；3.4 飞行信息面板3.4.1 实时飞行数据航线信息（出发机场 → 到达机场），飞行状态（等待中/飞行中/已暂停/已结束）； ({ center: lastPos, rotation: normalizedHeading, zoom: 11 1;padding:4px 0;background:rgba(255,255,255,0.1);border:none;color:#ccc;border-radius:3px;font-size:11px ： 嵌入式视频: https://live.csdn.net/v/embed/523182基于AI驱动腾讯位置服务的航空航班飞行沉浸式体验。
24110编辑于 2026-06-04 - 来自专栏机器之心
CVPR 2019审稿排名第一满分论文：让机器人也能「问路」的视觉语言导航新方法
因为智能体并不能获取全局轨迹的俯视图，所以它只能将自然语言指令「想象」成全局的视觉轨迹，然后再根据局部视野一点点探索并导航至目标。 ? 图 1：VLN 任务演示。 具体而言，在我们的框架中，导航器会执行多次 roll-out，其中优良的轨迹（由匹配度评估器确定）会被保存在重放缓冲区中，之后导航器会将其用于模仿。 如图 5 所示，给定一个无相应的演示的自然语言指令和基本真值的目标位置，导航器会得到一组可能的轨迹并将其中最佳的轨迹（由匹配度评估器确定）保存到重放缓冲区中。 ? 图 5：用于探索无标注数据的 SIL 匹配度评估器会使用之前介绍的循环重建奖励来评估轨迹。然后通过利用重放缓冲区中的优良轨迹，智能体确实能使用自监督优化目标。 注意使用波束搜索（beam search）时，智能体在测试时间执行了 K 个轨迹并选择了最有信心的轨迹作为最终结果，这得到了一个非常长的路径并受到了 SPL 的极大惩罚。 ?
1.1K20发布于 2019-03-15 基于激光频率梳原理对深凹槽内轮廓检测方法的探究
一、引言深凹槽内轮廓检测在航空航天、精密机械等领域至关重要。传统检测方法如接触式探针测量易损伤零件表面，且难以获取复杂内轮廓的完整数据；工业 CT 检测成本高昂，且存在辐射安全隐患。 飞秒激光频率梳可产生重复频率为 MHz 级的脉冲序列，光谱范围覆盖近红外至可见光波段；光学扫描模块采用振镜式扫描结构，配合长焦深光学系统，实现深凹槽内部的光路传导；三维运动平台定位精度达 ±1μm，确保扫描轨迹的精确控制 扫描过程中，三维运动平台带动光学探头沿预设轨迹移动，逐点构建内轮廓三维点云。三、深凹槽内轮廓检测方法（一）自适应扫描策略针对深凹槽的深径比差异，采用分层扫描与动态聚焦结合的策略。 四、应用场景与实验验证（一）航空发动机榫槽检测对某型航空发动机涡轮盘榫槽（深 12mm，槽宽 3mm）进行检测，采用螺旋扫描轨迹（层间距 10μm），获取点云密度达 20 点 /μm²。 五、技术优势分析该检测方法具有三大核心优势：一是非接触测量避免零件损伤，适用于钛合金、陶瓷等硬脆材料深凹槽；二是纳米级测量精度满足航空航天等领域的超精密检测需求；三是全内轮廓三维重建能力，可直观呈现凹槽几何特征与表面缺陷
29910编辑于 2025-07-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号