基于多层事件融合的场景事件实时分析

为解决智能监控场景中场景事件实时分析问题,提出了一种基于多层事件融合的场景事件分析模型以及对应的RBPF实时推理方法.利用事件具有层次结构特性以及各层事件之间的关系,将场景事件分解为不同层次的子事件,利用多层子事件融合进行场景事件分析,并用多层动态贝叶斯网络模型对其建模.构建模型对应的RBPF推理方法,以实现对复杂场景事件进行实时分析.仿真实验证明了该方法能够对动态场景中的场景事件进行实时推理,比PF方法具有更高的精度及较少的时间代价.     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

基于Rao-Blackwellised粒子滤波的岩石声发射信号去噪

针对声发射数据采集过程易受随机噪声干扰,提出了Rao—Blackwellised粒子滤波的信号降噪方法。在地震波模型的基础上,建立了声发射信号的状态空间模型。由于两者在某些方面有相通性,从而把降噪问题转为在状态空间模型下的滤波问题。首先,通过对构造信号的仿真实验,验证Rao—Black—wellised粒子滤波能够用于信号滤波;其次,利用Rao—Blackwellised粒子滤波,对石灰岩声发射信号进行降噪处理,并取得较好的滤波效果,从而为处理声发射数据提供一条新途径。     

基于粒子滤波的约束目标被动跟踪研究

为提高约束条件下的二维机动目标被动跟踪性能,提出了一种约束下的粒子滤波方法(CPF).使用转弯率概念建立了被动跟踪模型,阐述了非线性粒子滤波的基本过程;通过设定地域和机动性能约束条件,抛弃约束外粒子,并对粒子分布和权重进行调整;利用CPF进行了目标跟踪仿真实验,与无约束的粒子滤波跟踪进行了对比,分析了轨迹跟踪性能,比较了跟踪误差.仿真结果表明,CPF能够稳定跟踪,并且具有更高的跟踪精度.     

基于虚拟现实的港口集装箱码头装卸系统仿真建模技术

以港口集装箱码头装卸系统为对象,对基于虚拟现实下的该系统仿真建模有关关键技术进行研究。针对港口集装箱码头装卸系统的离散性、随机性,采用面向对象和Petri网相结合的方法对系统进行复合建模,同时对系统进行了三维场景建模,并经系统复合模型实时驱动三维场景的动态显示,最终实现基于离散随机事件的港口集装箱码头装卸系统实时可视化、参数化仿真。将Petri网和面向对象两种建模方法结合起来用于现代港口物流系统的建模,即保持了面向对象建模中的优势,又很好地表达了系统事件之间的逻辑关系,同时又能利用Petri网模型中的数学分析方法对系统模型进行验证,与单纯使用其中一种建模方法相比有了很大改进,文中选用的可在微机上运行的虚拟现实仿真建模软件MultiGen较好地解决了复杂场景的实时生成问题。     

基于多模型和辅助粒子滤波的机动目标跟踪算法研究

机动目标跟踪的本质是随机动态混合系统中的状态估计问题,其难点在于每一时刻运动模式的高度不确定性.在实际问题中,系统状态往往还呈现非线性、非高斯、不完全观测的特点.文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的机动目标跟踪算法——MM APF.仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在计算量相当的情况下,具有更高的滤波精度和较好的稳定性.     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

水下组合导航UKF/PF自适应滤波算法

为了避免粒子滤波(PF)可能存在的粒子退化问题,提出了一种Unscented卡尔曼滤波(UKF)和PF的混合滤波算法.将PF的所有粒子分为随机性粒子和确定性粒子两部分,利用UKF状态估计为PF确定重要性函数,并从重要性函数中抽取随机粒子,而确定性粒子则由UKF的Sigma点构成.利用标准粒子滤波的退化程度指标构造自适应权函数,根据权函数权值大小的变化,UKF/PF混合滤波算法自适应地进化为PF滤波算法或退化为UKF滤波算法.仿真结果验证了UKF/PF混合滤波算法用于DR/INS组合滤波器设计的有效性.     

基于FFOS-ELM和PF的短时交通流自适应预测模型

为提高短时交通流预测精度,提出了一种基于遗忘因子极限学习机(FFOS-ELM)和粒子滤波(PF)的自适应交通流实时预测模型.首先,引入遗忘因子,推导带遗忘因子的极限学习机,通过增量学习方法实时更新预测模型参数,避免由于交通流时变性导致早期数据对预测精度的影响.其次,利用粒子滤波消除随机噪声对预测精度的影响,经迭代计算达到系统状态最优估计与预测能力,实现未来交通量预测精度的提高.最后,利用桂林市某主干路检测器数据进行仿真,将预测结果与基础的极限学习机、带遗忘因子的极限学习机等在线模型以及时间序列(ARIMA)、支持向量机(SVM)、长短期记忆神经网络(LSTM)等离线模型进行比较.结果 表明:自适应预测模型预测误差指标明显下降,均方误差变化维度下降到0～2.5之间,模型在路段整体的交通流拟合情况及具体的预测精度上均得到有效提高.     

基于扩张状态观测器的虚拟编组触发模型预测控制

为研究实际线路环境下的虚拟编组列车编队控制问题，综合考虑系统的实时性和抗扰性，本文提出一种基于扩张状态观测器的触发模型预测控制方法。首先，基于虚拟编组列车动力学方程搭建多车追踪模型，并设计终端函数，确保系统的稳定性；其次，针对模型预测控制中存在计算效率低和资源浪费的问题，引入事件触发机制，在求解优化问题时增加判断条件，以提高系统的实时性；再次，在前馈通路上加入扩张状态观测器，对环境中存在的扰动实时估计并补偿，减少干扰造成模型不准确的现象，提高模型的抗扰动能力；最后，基于MATLAB和Simulink仿真平台设计4列列车追踪的运行场景，并与传统模型预测控制方法进行对比，从控制精度和计算时间两方面验证所提方法的有效性。仿真结果表明：相较于传统模型预测控制方法，本文所提出的事件触发机制中3个阈值τ为0.001,0.010,0.100的计算效率分别提高了47%,64%,73%；在面对外部扰动时，本文所提算法在抗扰性上提高了33%。     

无线感测网络上节能的事件驱动数据汇集机制

针对无线感测网络上动态改变的事件,设计一套有效率的数据汇集机制.采用网格架构,建立数据汇集树将事件数据传送至汇集点.在初始建立数据汇集树架构时便尽量减少多余的回传节点,以减少感测点的能量消耗.而在事件产生变动时,可应事件变化的调整机制让树架构依然有效率的运作.本文提出的方法与无线感测网络中的3个数据汇集技术EADA、Dual-Tree-Based和Range Query做比较,仿真结果显示本文的方法能够有效的延长网络存活时间,且在总能量消耗及系统开销（overhead）皆有良好表现.     

Improved algorithm for distributed localization in wireless sensor networks

Many sensor network applications require location awareness,but it is often too expensive to equip a global positioning system(GPS) receiver for each network node.Hence,localization schemes for sensor networks typically use a small number of seed nodes that know their locations and protocols whereby other nodes estimate their locations from the messages they receive.For the inherent shortcomings of general particle filter(the sequential Monte Carlo method) this paper introduces particle swarm optimization a...     

Learning Bayesian Networks from Data by Particle Swarm Optimization

Introduction Bayesian networks are a graphical representa-tion of a multivariate joint probability distributionthat exploits the dependency structure of distribu-tions. Bayesian networks are directed acyclicgraphs(DAG), where the nodes are random vari-abl…     

基于贝叶斯网络的交通事件持续时间预测

随着数据采集手段的不断提高和相关研究技术的发展,基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据,进行分类和预处理,观察事件持续时间的频数图,并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子,利用数据挖掘软件WEKA建立贝叶斯网络模型,用数据集中80%的数据进行学习建模,20%的数据作为测试集来检测模型的预测效果,并做出性能评价。实验结果表明,与同类数据集的其他预测方法相比,贝叶斯网络模型对于变数众多,随机性特别大的交通事件,预测精度较高,证明贝叶斯网络模型的算法是具有一定优越性和实用价值。     

基于运行数据的航班运行关键风险因素推断

为降低由于运行控制人员个体差异导致的航班运行风险,提升航空公司运行 控制能力,通过对航班运行程序的系统分析,结合运行数据,从飞行机组、机场、天气、航 路和航空器等运行角度筛选风险因素,建立航班运行控制风险评估指标体系;利用基于 事故树的贝叶斯网络分析方法,以历年不安全事件报告为样本,正向推理预测得到不安 全事件发生概率;综合3 种重要度分析结果,辨识关键致险因素.结果表明,机长和副驾驶 技术水平、机组间搭配、与空管人员配合等5 项关键风险因素概率值超过了40%,严重影 响航班运行安全.风险推断结果与实际运行情况相符.     

Mobile Robot Hierarchical Simultaneous Localization and Mapping Using Monocular Vision

A hierarchical mobile robot simultaneous localization and mapping (SLAM) method that allows us to obtain accurate maps was presented. The local map level is composed of a set of local metric feature maps that are guaranteed to be statistically independent. The global level is a topological graph whose arcs are labeled with the relative location between local maps. An estimation of these relative locations is maintained with local map alignment algorithm, and more accurate estimation is calculated through a global minimization procedure using the loop closure constraint. The local map is built with Rao-Blackwellised particle filter (RBPF), where the particle filter is used to extending the path posterior by sampling new poses. The landmark position estimation and update is implemented through extended Kalman filter (EKF). Monocular vision mounted on the robot tracks the 3D natural point landmarks, which are structured with matching scale invariant feature transform (SIFT) feature pairs. The matching for multi-dimension SIFT features is implemented with a KD-tree in the time cost of O(lbN). Experiment results on Pioneer mobile robot in a real indoor environment show the superior performance of our proposed method.     

基于动态分流元胞传输模型的城市道路网络韧性评估

为全面评估重大扰动事件下城市道路网络抵御扰动并从扰动中快速恢复的能力，提出以改进元胞传输模型模拟路网流量分布状态，以韧性为测度指标的路网性能评估模型。针对传统元胞传输模型交叉口分流比例恒定的不足，明确考虑扰动事件影响期内因出行者调整路径可能导致的路径流量波动，构建出行决策行为与元胞流量传输的强耦合机制，提出一种新的动态分流元胞传输模型；基于动态分流元胞传输模型获得的路网性能参数，以路网效率为路网基础性能指标，构建反映扰动事件影响期内路网效率累积动态变化的韧性指标；并基于Sioux Falls网络开展算例研究。算例结果表明：相比传统元胞传输模型，提出的动态分流元胞传输模型通过设置交叉口动态分流参数，建立出行决策行为与元胞流量传输的动态耦合关系和路径流量变化与交叉口元胞分流比例的自洽机制，可准确描述路网实际流量分布状态；提出的基于路网效率的韧性指标可全面反映扰动事件发生后路网性能退化到恢复全过程的动态累积性能，直观展示路网抵御扰动并从扰动中恢复的能力，契合韧性内涵；韧性评估中若忽视出行决策行为潜在影响，将获得次优甚至明显偏离实际的方案或结果。     

动态交通路网中有效路径的确定方法

动态路径搜索是动态交通分配与动态车辆路径导行系统的关键技术，是建立智能交通系统的基础之一。本文给出了动态有效路径的明确定义，并将深度优先搜索的树搜索算法、寻路定向性、层次空间推理策略以及A^＋算法中的定向估价函数相结合，提出了动态有效路径的一种有效算法。在新算法中通过对交叉口延误的特殊处理，使得城市交通路网中的分向交叉口延误得以充分体现，并有利于将交通导行系统与交通控制系统相融合．文中同时对动态有效路径搜索在动态车辆路径导行和动态交通分配的应用作了初步分析。