车载局部环境感知与多传感器数据融合

汽车智能导航控制技术是目前智能交通研究中一个非常重要的方向。提高车辆的智能化程度是一个重要方面，是公认的解决交通问题的重要途径之一。从技术的角度看，为了实现车辆智能化，车辆自主感知环境的能力还有待提高，因为自主感知环境能力正是智能化的基础。本试图分析一些影响车辆自主感知环境能力的物理因素，并在此基础上，以多传感器数据融合技术为出发点重点分析该技术在车载自主环境感知中的应用，并对多级数据融合联合交叉网络结构的方法做了重点介绍。     

多源信息刺激下驾驶员综合认知拓扑结构研究

根据多传感器信息融合和人类对多源信息综合处理过程之间的相似性,充分考虑驾驶员心理-物理因素及其对驾驶行为多变性和不确定性的制约,研究多源信息刺激下驾驶员任务集聚的心理-物理综合认知拓扑结构和认知活动链,探讨各驾驶行为模式的决策机制、车辆运行模式的运行机制和驾驶员协同反应机理,可为微观交通流仿真和智能车辆的研究提供理论依据,为智能运输系统的建立提供分析工具.     

基于重力分量的道路坡度动态测量

基于MEMS(微机械)加速度传感器的测量原理,采用车辆行驶坡道上的重力分量进行纵向坡度的动态测量,并结合陀螺仪的信号建立基于扩展卡尔曼滤波的数据融合模型,推导出数据融合流程。利用标定后的传感器完成水平道路和坡道的实车试验,采集实车试验数据进行离线算法验证。重力分量法与双天线GPS测量的坡度差值在±1°上下波动,表明重力分量法能够获得实时动态纵向坡度,满足智能汽车识别环境信息的需求。     

城市道路交通动态检测数据融合算法实证研究

针对城市交通动态监测中单一类别交通检测器检测数据的局限性问题,基于城市交通数据检测系统不断完善的前提,依据城市交通运行状况分析需求,对多源动态交通检测数据融合算法进行实证研究,以地磁数据、GPS数据及视频数据作为数据源,运用多源数据融合法、基于LS-SVM的数据融合法和基于人工神经网络的数据融合法进行融合分析,并对比3种数据融合模型及其算法的性能,实证分析结果表明通过多源传感器数据融合处理后的数据比单一传感器数据质量有所提高,支持向量机和神经网络法的融合效果较为良好.     

面向驾驶员行为研究的基础理论——多源信息融合算法综述

驾驶员行为的研究是智能运输系统,特别是其先进的车辆控制系统仿真、研智能车辆领域中基于多源信息融合的驾驶员行为研究较为罕见.因此应从人机控制观点出发,应用模糊逻辑、非参数统计等理论以及智能协同技术,对驾驶员任务集聚、协同反应过程,特别是多源信息融合、人机协同效能在不同路网环境中的实现等建模关键理论与方法进行研究,建立驾驶员微观协同仿真模型.这是智能化交通控制与管理系统开发和实现的关键技术,对提高交通系统管理效率、缓解拥挤,减少污染和能源消耗,培育未来新产业,具有十分重要的理论价值和现实意义.     

动态识别道路坡度的多传感器信息融合方法

在行驶中动态识别道路坡度的大小是采用电控机械自动变速器的车辆实现智能换挡控制的重要环节之一 ,也是目前的一大技术难题 .针对这一问题 ,提出了采用多个传感器信息融合来识别坡度角的方法 ,建立了数学模型 ,并对识别误差进行了分析 .     

基于认知活动链的驾驶行为协调仿真模型

为向车辆控制系统和智能车辆的发展提供理论参考，用主成分分析法确定多源信息对驾驶员行为决策的影响系数，用模糊积分融合算法获得驾驶员任务集聚后车辆的运行模式，并按照认知活动链将该模糊积分融合算法与跟驰模型相结合，构建了基于认知活动链的驾驶员行为协调仿真模型．此外，采用五轮仪实验系统对淄博市张周路某路段的交通流数据进行了采集，用实测数据验证了模型的有效性．     

组合定位系统中时间Petri网的应用方法研究

组合导航定位系统是智能交通系统中的重要组成部分,它综合运用微电子技术、数字信号处理技术等,通过最优滤波和数据融合得到连续可靠的定位数据.因为需要采集多个传感器的数据对时序控制要求严格,因此系统采用具有反馈设计的时间Petri网方法对软件流程进行动态监测和实时分析,大大提高了软件运行的可靠性.     

动态识别道路坡度的多传感器信息融合方法

在行驶中动态识别道路坡度的大小是采用电控机械自动变速器的车辆实现智能换挡控制的重要环节之一，也是目前的一大技术难题，针对这一问题，提出了采用多个传感器信息融合来识别坡度角的方法，建立了数学模型，并对识别误差进行了分析。     

神经网络在交通流信息融合中的应用

在城市交通控制系统中可利用数据融合技术获得准确的车辆状态和身份估计,并将相关信息用于交通管理的决策.应用人工神经网络的方法在多传感器信息融合的基础上,提出了一种基于信息融合思想的神经网络模型,并通过实际验证了其有效性及可靠性.     

基于多传感器信息融合技术的轨道交通车站设备故障诊断

本文在分析了轨道交通车站设备故障诊断的特点和多传感器信息融合技术的基础上,总结了适合于故障诊断的信息融合典型结构以及基于信息融合的故障诊断系统结构。该结构在轨道交通车站设备故障诊断系统中具有普遍意义,实用性强。     

交通信息融合六级功能模型设计

智能交通系统在城市交通领域中的应用已越来越广泛,信息融合技术已成为交通领域的一项研究重点。在简单介绍信息融合系统的各种分级功能模型的基础上,将信息融合领域的六级功能模型应用于交通运输信息融合系统中,设计出交通领域信息融合六级功能模型各级的内容和功能,对于交通信息融合的模型设计有一定的指导意义。     

面向智能交通的单目视觉测距方法研究

与前方车辆距离是影响行车安全的重要因素,因此本文提出一种面向未来智能交通的前方车辆单目视觉测距方法.首先,提出融合物联网、智能识别、云计算技术的车联网模型,车辆可实时向车联网回传位置信息及前车图像,请求附近交通标志及前方车辆几何尺度信息,车辆端可计算图像坐标系下车道标志线、交通标志、车辆尺度信息.然后,建立单目相机数学模型,介绍以交通标志、车道分界线为合作标志的单目视觉测距方法.最后,综合应用单目视觉测距方法,设计了前方车辆自适应视觉测距方案.通过仿真实验,证明了单目视觉测距方法的正确性与有效性,可丰富驾驶辅助系统的前方车辆测距手段.     

基于信息融合的综合集成研讨厅故障诊断系统研究

通过对多传感器信息融合系统和综合集成研讨厅的本质分析,提出了一种通用的基于多源信息的综合集成研讨厅信息融合系统体系结构.结合对基于信息融合技术的复杂系统故障诊断框架分析与研究,以及信息融合综合故障诊断的一般过程,构建了一个通用的贯穿故障综合诊断过程的、基于信息融合的综合集成研讨厅故障诊断系统的体系结构,寻求到了一种基于多源信息融合故障综合诊断研究的新途径.     

BIM技术在轨道车辆运维方面研究综述

基于国内外相关研究,梳理了近年来BIM技术在轨道车辆运维领域的研究现状,总结归纳了该领域的理论、技术及应用研究成果。研究结果表明:BIM技术在轨道车辆运维的应用研究框架包括理论、技术和应用3个层次;理论研究集中在车辆建模、数据库建立和运营、维护方面;技术研究集中在三维CAD、平台建设、数字化管理和车辆部件监测等领域;应用研究主要体现在列车的日常运营、维护和价值方面;由于相关研究起步较晚,已有成果还存在一些不足;在理论方面,轨道车辆的建模和数据库建立精细化程度不高,运维全生命周期整体性不足;在技术方面,模型共享、软件协同、信息管理及车辆监测等方面需进一步研究与完善;在应用方面,轨道车辆运维的可视化程度、成本管理及软件开发研究需要更加具体和专业化,细化到各个层面;未来的研究应加强BIM多专业之间的协同设计及数据的规范化,实现与新信息技术的融合,构建智能的综合性管理平台,实现BIM软件更深度的二次开发;将理论、技术与应用结合起来,构建完整的轨道车辆BIM运维体系,完善基于BIM的可视化管理系统,加强对轨道车辆运维中所有服务对象、数据、业务功能一体化管理,提高轨道车辆运维的效率,为轨道车辆运维提供研究基础和理论依据,确保轨道车辆的安全运行。      

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

An SNN Ontology Based Environment Monitoring Method for Intelligent Irrigation System

In order to realize high precision of environment parameters detection in irrigation applications, a sensor and sensor network (SSN) ontology based data fusion method is proposed. An SSN sub-ontology for soilstate monitoring is revised, which includes the sensing devices hierarchies and measurement properties selection according to the detection feature interests. As for sensor data processing, a tuning data method by data pool filtering and clustering is adopted, as well as a useful data fusion method for multi-sensor system. The testing results show that both the accuracy and efficiency of the proposed method are higher after related filtering and clustering process, which enables a thorough monitoring for intelligent irrigation systems and can be extended into environment monitoring and control applications.     

轨道车辆结构振动损伤识别技术综述

从智能运维的角度阐述了利用结构振动损伤识别技术进行轨道车辆结构健康监测的重要性和必要性;根据不同损伤识别的适用范围,将结构振动损伤识别技术分为基于模型的方法和基于响应信号的方法;结合结构健康监测中损伤识别的不同层次,分析了以结构损伤的存在性、类型、定位和程度表征的不同识别方法;概括了轨道车辆运维过程中损伤识别技术的典型特征,讨论了基于模型的损伤识别中固有频率、模态形状、曲率模态等与模态参数有关方法的优缺点;分析了基于响应信号方法的应用现状和发展趋势,并阐述了模型修正和优化技术在结构损伤识别中的应用;重点分析了车辆关键部件故障诊断与监测中损伤识别技术的实施,讨论了结构振动损伤识别技术在未来轨道车辆智能运维策略中的主要发展方向,展望了未来轨道车辆部件的状态检修策略和智能运维技术。研究结果表明:轨道车辆的智能运维应该充分考虑结构振动损伤识别技术与人工智能等新技术的结合;大数据驱动的结构振动损伤识别技术能够更好解决车辆状态实时监测的技术难点;考虑复杂环境因素对轨道车辆结构部件损伤识别技术的影响,需要不断完善基于耦合振动效应的结构振动损伤识别技术及方法。