基于高斯混合部件模型的铁路扣件检测

针对采集图像中铁路扣件存在形状的变化、扣件图像的光照差异较大和扣件被异物局部遮挡的问题,根据对可变形部件模型算法和高斯混合模型的研究,提出了高斯混合部件模型算法. 结合扣件图像边缘特性及改进的Roberts算子计算图像梯度,将归一化后的方向梯度直方图特征作为高斯混合部件模型算法的底层特征,根据扣件形状划分部件,部件之间的相对位置采用星型连接方式度量,运用余弦相似性度量部件中方向梯度直方图特征的相似度,部件模型使用高斯混合模型并采用期望最大化算法迭代求解. 将高斯混合部件模型算法应用于扣件检测中,最终平均检测效果为漏检率3.16%、误检率9.80%、正确率90.27%.      

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于改进Faster R-CNN的高铁扣件检测算法

针对高铁无砟轨道中扣件发生松动，导致高铁扣件发生偏移或丢失的问题，提出一种基于改进Faster R-CNN的高铁扣件检测算法。在特征提取网络中引入可变形卷积，构建可变形残差卷积块，使特征提取过程更加集中于扣件区域，实现扣件状态的精确提取；并采用Alpha-IoU作为目标回归损失函数提高高铁扣件的回归精度。实验结果表明，该算法提高了高铁扣件的检测精度，相比于其他算法，能更准确地进行扣件定位和状态检测。     

融合PHOG和MSLBP特征的铁路扣件检测算法

为了提高铁路扣件检测的识别率和鲁棒性,以及扣件图像PHOG特征的有效性,提出了简单有效的枕肩定位算法,该算法首先在提取PHOG特征前,根据枕肩、扣件和背景间的位置关系去除冗余背景信息;然后,模拟人眼视觉注意机制,设计MSLBP特征采样方式,提取扣件图像的宏观纹理特征;最后,采用分层次加权融合的方法联立两类特征,并采用SVM分类器进行扣件分类识别,提出一种基于计算机视觉和PHOG-MSLBP融合特征的缺陷识别算法.将该算法应用于实验,结果表明:与使用PHOG、MSLBP单一特征相比,基于PHOG-MSLBP融合特征检测算法的平均识别率分别提高了6.3%、4.5%,且鲁棒性更强,可满足扣件缺陷自动化检测的需要.     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。     

一种改进的LBP特征实现铁路扣件识别

为了提高铁路扣件基于视觉的自动化检测精度,提出了一种改进的LBP （local binary pattern）编码算法. 该方法为了避免基本LBP对噪声敏感问题,根据不同邻域的不同噪声强度,结合测量误差服从高斯分布的原则,计算邻域内像素均值和偏差;根据偏差大小,自动设置阈值,实现自适应噪声抑制. 为了避免基本LBP表达邻域差分关系不完整的缺陷,提出了利用邻域内随机采样的方式得到采样点对,通过比较随机点对的差分关系得到LBP编码. 对在晴天、阴天、雨天等不同天气条件下的铁路扣件图像上进行实验,并与原始以及其他改进LBP进行比较. 结果表明,本文的算法具有更高的检测准确率,晴天提高了3.32%,阴天提高了3.27%,雨天提高了4.10%,能够满足铁路扣件自动化检测的需要.      

基于单双目视觉融合的车辆检测和跟踪算法

提出了一种基于单双目视觉融合的车辆检测与基于Kalman滤波的车辆跟踪算法,设计了一种基于二维深度置信网络的车辆检测器。在道路图像中利用单目视觉生成车辆可能存在的区域,构成双目视觉处理的车辆候选集合。在车辆可能存在的区域内利用双目视觉进行误检去除,并获得车辆的位置信息。在二维图像坐标系和三维世界坐标系内,利用Kalman滤波器对检测到的车辆进行跟踪。试验结果表明:算法的检测率为99.0%,误检率为1.3×10-4%,检测时间为57ms,检测率高,误检率低,检测时间短;与单双目视觉弱融合算法、单目视觉算法和双目视觉算法相比,本文车辆检测与跟踪算法兼具双目视觉算法检测率高和单目视觉算法检测时间短的优点。     

基于改进YOLO v3模型与Deep-SORT算法的道路车辆检测方法

针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题，提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法；为提高模型对道路车辆的检测能力，采用K-means++聚类算法对目标候选框进行聚类分析，选择合适的Anchor box数量，并在网络浅层增加了特征提取层，可提取到更精细的车辆特征；为加强网络对远近不同目标的鲁棒性，在保留原YOLO v3模型输出层的同时，增加了一层输出层，将52像素×52像素输出特征图经过上采样后得到104像素×104像素特征图，并将其与浅层同尺寸特征图进行拼接，实现车辆目标的检测；为了降低目标遮挡对检测效果的影响，提高对视频上下帧之间关联信息的关注度，将改进YOLO v3模型和Deep-SORT算法相结合，以此来弥补两者之间的不足。试验结果表明:改进YOLO v3模型有效地提高了车辆检测的性能，与在网络浅层增加特征提取层的模型相比，平均精度提高了1.4%，与增加一层输出层的模型相比，平均精确度提高了0.8%，说明改进YOLO v3模型提取的特征表达能力更强，增强了网络对小目标的检测能力；改进YOLO v3模型在引入Deep-SORT算法后，查准率和召回率分别达到90.16%和91.34%，相比改进YOLO v3模型，查准率和召回率分别提高了1.48%和4.20%，同时保证了检测速度，对于不同大小目标的检测具有良好的鲁棒性。      

实时行人检测预警系统

针对重特大交通事故中的行人保护问题,提出了基于侧面行人特征的实时行人检测预警系统（PDWS）。系统由检测模块和预警模块两部分组成,其中检测模块使用Haar与HOG特征和AdaBoost与SVM分类器,通过侧面行人样本库完成行人特征的提取与检测,同时应用窗口拆分法与快速窗口扫描算法提高检测效率,得到一个具有高检测率与低误检率的结果。在预警模块融合了行人距离、汽车速度及角速度信息,判断前方行人存在碰撞的危险。使用系统及算法对城市环境复杂背景下横过街道的行人进行了实车验证。测试结果表明：对704Pixet×576Pixel图像的检测帧率为13～18帧·s-1,检测率大于859／6,误检率小于l％,预警时间小于1S,实车验证结果达到了车载主动安全系统实时性与准确性的要求。     

基于结构相似深度卷积自编码的异常扣件检测模型

介绍了轨道扣件系统的基本功能，概述了已有的轨道异常扣件检测技术，归纳了基于机器视觉的传统检测方法和深度学习方法所关注的问题及存在的不足; 介绍了自编码的基本思想与形式化过程，提出了一种基于编解码架构的异常扣件检测模型; 分析了传统像素级图像相似度评价指标的缺陷，实现了基于结构相似的损失函数和图像异常判定; 构建了轨道扣件图像数据集，验证了模型的性能; 将代表性的误报与漏报图像可视化，描述了这些图像的表观特征，分析了发生漏报与误报可能的原因。研究结果表明:结构化相似指标显著提升了模型的检测性能，与具有相同网络架构但使用平均绝对误差和均方误差作为相似度评价指标的检测模型相比，模型的F值分别提升了14.5%和16.2%;与其他对比模型相比，提出的模型取得了最高的检测精确率和F值，分别达到了98.6%和98.1%，与次优的RotNet模型相比分别提升了6.0%和9.8%;召回率为97.1%，略低于深度支持向量数据描述(DSVDD)模型的98.4%;整体上看，F值比所有对比模型均高出超过9%，提出的模型表现出了明显的性能优势。      

基于相关直线法的高速运动目标快速探测方法

为了实现高速运动目标的快速探测与识别,提出了一种基于相关直线的方法.将Gabor函数用于直线检测,并提出对Gabor函数作去除旁瓣的改进,使检测出的直线没有影线干扰.用直线检测的结果图作相关直线检测,去除孤立直线,进一步减小干扰.最后对相关直线的标记作投影,根据投影峰值给出探测结果.将此方法用于处理高速铁路扣件图像,实现了每幅图像优于2.5 ms的处理速度,实验条件下判断的正确率超过93%,满足高速铁路扣件检测需求.     

基于广义出行费用的高速铁路车站设置研究

新建高速铁路车站的选址是一个涉及众多因素的综合性问题。本文基于各种运输方式的经济性、快速性、方便性、准时性、舒适性以及安全性,建立广义出行费用模型,分析比较高速铁路、长途汽车和航空的广义出行费用,确定不同长度高速铁路其车站设置离城市中心的距离范围。文章最后以京津城际和武广高速铁路为例验证了该算法的实用性,为高速铁路车站的规划设计提供了理论依据。     

高速铁路道岔尖轨不足位移控制方法

为模拟运营条件下高速铁路道岔转辙器的转换过程，根据高速铁路道岔转辙器的转换特点，在道岔生产车间内建立了客专线18号道岔转辙器转换原型试验平台，采用轴销式称重传感器测量转辙器扳动力，以直、曲尖轨支距实际值与理论值之差为尖轨不足位移；通过转辙器转换试验探索了尖轨预弯、尖轨可动段长度、尖轨固定端扣件支距、滑床板摩擦因数、辊轮高度等因素对尖轨不足位移的影响机制和特征。试验结果表明:现有设计尖轨预弯可使尖轨不足位移下降30%以上；缩短尖轨可动段长度可减小尖轨不足位移，但同时会减小转辙器最小轮缘槽宽，并增大第3牵引点扳动力，尖轨最小轮缘槽宽和最后一个牵引点扳动力是缩短尖轨可动段长度的控制因素；小范围调整固定端所有扣件支距后，尖轨不足位移变化较小，仅减小固定端第1组扣件支距时，尖轨靠近固定端1.2 m范围内不足位移略有降低，其余部分不足位移变化较小；在滑床板上安装辊轮或涂覆润滑剂等减小尖轨与滑床板摩擦因数的措施可有效降低尖轨扳动力和不足位移，实施减摩措施后，扳动力减幅约为30%，不足位移减幅超过20%；改变辊轮高度对尖轨不足位移的影响并不明显，但辊轮高度不宜过低，以防转换过程中辊轮失效导致扳动力和不足位移激增。研究结果可为高速铁路道岔转辙器结构优化和新一代400 km·h-1高速铁路道岔的研发提供参考。      

基于类锚虚拟线圈的多流向车流量检测算法

针对城市道路车流量检测中车辆误分类问题,提出一种基于类锚虚拟线圈的多流向车流量检测算法。首先,采集车辆图像样本并随机裁剪以构建小客车、公交车和摩托车的均衡数据集,通过 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法聚类获得 3 类车型的高度、宽度尺寸,以此校正场景车辆识别线圈尺寸,布设物体检测线圈与组合车辆识别线圈;其次,基于均衡数据集训练ResNet18卷积神经网络完成车辆类型判断;最后,采用改进的核相关滤波器追踪算法追踪车辆轨迹,通过计数线完成多流向车流量检测。验证分析表明：对单向车流,高峰、平峰正检率均值提升了5.09%、4.57%,误检率均值降低了5.31%、2.35%;多向车流中,直行车流的高峰、平峰正计率提升了 5.01%、5.99%,左转车流的高峰、平峰正计率提升了 4.29%、 4.56%。     

钢轨扣件失效对列车动态脱轨的影响

建立了非对称车辆/轨道耦合动力学模型,分析轨道扣件失效对车辆动态脱轨的影响,考虑离散轨枕支承对车辆/轨道耦合作用的影响,通过假设轨道系统刚度沿纵向分布发生突变来模拟扣件组失效状态,推导了考虑钢轨横向和垂向以及扭转运动的轮轨滚动接触蠕滑率计算公式,利用Hertz法向接触理论和沈氏蠕滑理论计算轮轨法向力及轮轨滚动接触蠕滑力,采用新型显式积分法求解车辆/轨道耦合动力学系统运动方程,通过数值分析计算,得到轮轨横垂向力之比、轮重减载率、脱轨危险状态的持续时间和轮对踏面上轮轨接触点位置的变化。连续5个钢轨扣件不同程度失效对列车动态脱轨的影响的数值模拟结果表明,如果失效因子从0.8增大到1.0,即钢轨扣件经历从接近完全松脱到完全松脱,钢轨扣件失效对列车动态脱轨影响呈指数规律。     

振动条件下螺纹面磨损对紧固件抗松能力影响

为改善振动条件下螺纹紧固件抵抗松动能力,在紧固件横向振动试验装置上,测试了微粒子喷丸未处理及处理镀锌紧固件的抗松动能力,使用扫描电镜观察测量了试验前、后螺纹面磨损形貌和尺寸,建立了考虑螺纹面磨损深度的紧固件刚度模型,利用该模型计算分析了磨损深度改变对预紧力的影响.结果表明:未喷丸紧固件预紧力耐久极限为2.8 kN,喷丸紧固件为2.0 kN,未喷丸紧固件抗松动能力低于喷丸紧固件,未喷丸紧固件螺纹面发生严重磨损,喷丸紧固件螺纹面磨损轻微;螺纹面磨损深度随着滑移距离的增加而增加,紧固件预紧力随着螺纹面磨损深度的增加先呈线性降低,随后降低速度逐渐加快.螺纹面磨损降低了紧固件抵抗松动的能力.      

基于旅客选择行为的高速铁路平行车次定价策略

考虑运行在同一OD上的高速铁路平行车次,现行高铁票价固定,即不能反应平行车次间的差异化,也无法与旅客需求状况相适应,最终造成平行车次间上座率的失衡和收入的损失.鉴于此,本文借鉴多产品定价的思想,利用MNL模型来描述旅客购票过程的选择行为,并以平行车次的整体收入最大化为目标提出了3种定价策略.最后以京沪高铁为案例背景,对旅客购票过程的最优票价路径及3种定价策略的效率进行了分析.结果表明,3种定价策略均能有效提高售票收入,且差别动态定价策略表现最优.本文研究内容为高速铁路平行车次的定价决策提供了科学依据.