基于监控视频的高速公路能见度检测方法及系统

针对我国高速公路能见度天气的全面检测与预警处置的迫切需求,提出了一种基于监控视频的高速公路能见度检测方法.该方法从监控摄像头提取固定距离参照物的图像,根据图像的灰度失真状况计算能见度值,并通过数据融合的手段对多监控摄像头计算结果进行综合;并设计和开发了一款能见度监测与预警处置信息化系统,利用获取的实时能见度数据,从局部现场和宏观路网两个方面支撑能见度预警、应急处置、交通流调控、信息发布等智能交通业务.实验分析结果表明,该能见度计算方法的平均检测误差为13.4%,能够满足我国高速公路能见度检测的精度和计算性能要求;本文方法及系统可以充分复用高速公路沿线广泛架设的视频监控机电系统,可应用于我国高速公路的运营管理及效率提升等工作中.      

船舶交通服务模拟器中实时预警功能的实现

为在船舶交通服务模拟器中实现对港口监控的模拟,提高船舶交通服务操作员的培训效率,对真实的船舶交通服务中心进行仿真,采用计算船舶间最近会遇距离及最近会遇时间的方式建立数学模型,基于船舶自动识别系统(Automatic Identification System,AIS)数据源进行数据处理,运用VC++编程语言完成系统开发。港口监控中对辖区水域船舶的危险实现了实时预警。利用天津港真实AIS数据对系统功能进行测试,测试结果表明,该系统能够准确识别辖区水域船舶的会遇态势及遇险情况。     

多尺度注意力学习的Faster R-CNN口罩人脸检测模型

针对在佩戴口罩等有遮挡条件下的人脸检测问题，提出了多尺度注意力学习的Faster R-CNN （MSAF R-CNN）人脸检测模型. 首先，为充分考虑人脸目标多尺度信息，相较于原始Faster R-CNN框架，引入Res2Net分组残差结构，获取更细粒度的特征表征；其次，基于空间-通道注意力结构改进的Res2Net模块，结合注意力机制自适应学习目标不同尺度特征；最后，为学习目标的全局信息并减轻过拟合现象，在模型顶端嵌入加权空间金字塔池化网络，采用由粗到细的方式进行特征尺度划分. 在AIZOO和FMDD两个人脸数据集上的实验结果表明:所提出MSAF R-CNN模型对佩戴口罩的人脸检测准确率分别达到90.37%和90.11%，验证了模型的可行性和有效性.      

基于轻量级模型的隧道岩性快速识别方法

为了解决隧道岩性现有识别方法中识别时间长、安全性低、主观性大等问题,结合不同岩性表面具有不同的成分特征,提出了一种基于轻量级模型与岩石图像的隧道岩性快速识别方法. 首先,通过相机采集隧道常见的片麻岩、花岗岩、石灰岩、大理岩、凝灰岩、砂岩等6类主要岩石,建立了岩石图像数据集并划分训练集、验证集与测试集;然后,基于轻量级模型MobileNet V2在ImageNet数据集上进行预训练,改进模型分类器结构以适应岩石数据集,并采用模型迁移学习训练方法对1170张训练集图像进行训练,获取了岩石岩性识别模型;最后,选取共计300张测试集图像在离线条件下进行了模型测试,并与VGG16模型与SVM （support vector machine）模型进行了对比. 实验结果表明:模型在测试数据集上的各项总体评估指标均在85%以上,其中凝灰岩各项评价指标达到94%以上,模型大小仅28.3 MB,平均识别时间为2880 ms,表明该识别模型体积小,识别准确率高,识别时间快,在精确率与识别速度上均优于传统方法.      

基于监控视频的公路能见度检测方法

雾霾、沙尘等低能见度天气状况的频繁发生,严重影响到日常交通管理及出行者的生命、财产安全。针对低能见度环境下极易发生公路交通事故的问题,提出一种利用公路沿线已经架设的监控设备对各路段的监控视频数据进行实时图像处理分析的公路能见度检测方法。该方法是在传统暗原色先验算法的基础上,将监控视频帧转换为灰度图像,并结合自适应导向滤波算法和四叉树图像分割算法,提取监控图像所包含的空气透射率及大气光值等特征参数。然后基于能见度计算模型,依据监控设备与检测目标物之间的实际距离及偏移角度,估测道路的能见距离。实验结果表明,优化后的图像处理方法可以解决图像清晰度低、色彩失真、场景适应能力差等问题,且检测的能见度值误差率满足我国公路能见度检测精度要求。最后,结合能见度检测方法,提出了相应的能见度预警策略并应用于公路能见度检测与预警系统,为驾驶员实时提供雾区路段的能见度值信息和预警建议。     

基于组合预测模型的轮轨力连续测试

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2%,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.     

基于语义相似度的话题关联检测方法

为有效识别任意两篇报道的相似性,提出了一种基于语义相似度的话题关联检测算法.该算法首先通过计算特征词之间的相对熵作为两篇报道中特征词之间的语义相似度;其次,通过计算平均语义相似度获得特征词和报道之间的关联度;最后,结合特征词在语料库中的TF-IF(term frequency-inverse document frequency)权重计算两篇报道之间的关联度,实现报道之间的关联度检测.本文提出的方法与现有的向量空间模型方法和仅依赖于平均点互信息的方法进行了比较,并通过TDT4中文语料进行测评,结果表明,基于语义相似度的关联检测方法能够更好地利用文本的语境信息,提高了现有检测系统的性能,其最小DET(detection error tradeoff)代价降低了3%.      

基于区间二型神经模糊系统的轨道电路故障诊断

针对目前铁路现场对轨道电路故障的判别仍然采用阈值法导致维护效率偏低的问题，提出将神经网络与模糊逻辑相结合，构建区间二型神经模糊系统（interval type-2 neural-fuzzy system，IT2NFS），通过诊断模型实现对轨道电路故障模式的智能识别. 首先通过结构识别建立初步的网络结构，采用均匀设计方法生成模糊集的均值，对训练样本进行相似性测试，生成标准差和初始后件参数；再通过递归奇异值分解，优化后件参数以减小输出误差；最后，针对常见的8种故障，从实验平台上采集样本共计9000个，其中6300个样本用于模型训练，剩余2700个用于实验测试. 实验结果表明:利用IT2NFS模型进行故障诊断时，每种故障类别的识别率均在82%以上，平均正确率为90.9%，仿真用时10.59 s.      

城市快速路匝道车辆汇入影响因素识别与行为预测

分析了美国US101快速路瓶颈路段(简称“US101”) 和上海市延安高架上虹许路匝道瓶颈路段(简称“SHHX”) 的车辆轨迹数据, 研究了城市快速路入口匝道车辆的汇入行为; 考虑了汇入行为的13个瞬时影响因素和25个历史经历影响因素, 采用随机森林算法对38个影响因素进行重要度排序, 并识别关键影响因素; 分别对2个瓶颈路段构建了贝叶斯网络汇入行为预测模型, 并评价了模型预测精度。分析结果表明: 瓶颈路段US101和SHHX共有14个关键影响因素, 包括6个历史经历影响因素, 其中瓶颈路段US101和SHHX历史经历影响因素分别占关键影响因素总数的45.45%、36.36%, 说明汇入行为的历史经历影响因素对最终汇入决策有显著的影响; 考虑历史经历影响因素的贝叶斯网络模型预测精度较高, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别提高了2.53%、8.85%, 其中未考虑历史经历影响因素时, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别为87.94%和73.17%, 考虑历史经历影响因素时, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别为90.47%和82.02%;此外, 预测模型无过度拟合, 测试集汇入事件与非汇入事件的预测精度之差在1.2%以内。      

基于Dense_YOLO的室内目标异常检测

针对室内场所,运用目标检测等算法实现对监控视频的实时异常检测.为提高检测效果,对YOLO v2模型进行了三个方面的改进:利用稠密网络中特征融合方式改进网络结构;使用K-means++对目标框进行聚类改进网络参数;利用迁移学习的方式对网络进行训练;改进最终得到Dense_YOLO目标检测模型.实验结果表明Dense_YOLO正确率达到了93.66%,相比YOLO v2提高了7.06%.针对人、宠物、贵重物品这几种常见的监控目标,利用Dense_YOLO对目标状态进行异常检测,并分别在一般场景、光照强、光照弱、目标被遮挡、目标较小等不利条件下进行测试,区域入侵检测、物品移动/移出检测两种特定目标异常检测功能分别到达92.73%、90.07%的平均正确率.     

基于样本自动标注的隧道裂缝病害智能识别

隧道表面裂缝的检测已经成为地铁运营人员的重要巡检任务之一.为实现隧道裂缝病害的自动监测，提出一种结合病害特征提取和深度学习的隧道裂缝样本自动标注与识别算法；针对隧道裂缝形态特征建立裂缝图像的特征样本库，改进了AlexNet深度卷积网络结构；设计研制了轨道移动式隧道图像采集系统以及巡检车，采集并构建了包含4 500张裂缝图像样本和1 500张测试图像的数据集，用以验证算法的可行性和有效性.研究结果表明：采集的图像清晰度符合要求，所设计算法可完成裂缝目标自动标注；裂缝图像测试集的识别率达到97.8%，证明了算法研究和采集系统的有效性.     

基于改进DeepLabv3+的接触网开口销缺陷检测

针对当前基于语义分割的开口销缺陷检测算法存在分割精度不高、检测效率低等问题，提出一种基于改进DeepLabv3+的接触网开口销缺陷检测方法。首先，采用减枝后的MobileNetv2作为DeepLabv3+的骨干特征提取网络，提高检测效率。然后，通过在DeepLabv3+的编码器网络中引入CBAM注意力机制，提高开口销语义分割精度。同时，为缓解开口销区域和背景之间不平衡带来的负面影响，采用CEDice Loss作为损失函数。最后，根据开口销语义分割图像的颜色、形态信息，对开口销进行缺陷识别。实验结果表明：在语义分割方面，相比于原DeepLabv3+模型，改进DeepLabv3+模型的平均像素准确率和平均交并比分别提高了3.54%和3.42%，且测试用时减少了14.41 ms/张，模型参数量缩减了88.61%；在缺陷识别方面，对开口销缺失，松脱，正常三种状态的识别准确率分别为100%,98.1%,99.5%，能够快速有效地识别出开口销缺陷。     

交流电力功率智能传感器粗信号处理

为提高交流电力功率性能指标的测试精度和实时性,基于相关性分析和最小二乘误差理论,研究了交流电力智能传感器的粗信号处理方法.采用最小二乘特征参数法,对交流电压和电流值的初始采样点进行估算,获得了电力功率参数.在此基础上,将最小二乘特征参数法与相关分析法进行了比较,给出了基于相关分析法和最小二乘特征参数法进行功率测试的运算量公式,并分析了运算的复杂度.实验结果表明,当干扰幅值从信号幅值的3%放宽至12%时,基于最小二乘特征参数法的粗信号处理方法与现有方法相比,其计算工作量可减少49.4%,测试误差减少了2/3,同时降低了系统的信/噪比要求.     

高速公路隧道群洞室安全控制指标

通过对大量监控量测数据进行分析,结合现有隧道塌方监测和预警方面的国内外成果,对现有的国内外隧道洞室稳定控制指标种类进行了归类和分析,并结合张涿高速公路隧道安全控制的实际要求,制定了该项目的预警建议标准.     

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别,解决单参数无法直接识别道路交通状态问题,本文利用高频浮动车速度数据,使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性,围绕固定时间窗口内车辆的平均车速、对比度和逆方差,采用FCM (Fuzzy c-means)算法进行聚类分析,得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法,分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明,时间窗口越小其保持原有交通状态的可能性越大,时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度,结果表明,随着序列长度的变化,精度显示出先升高后降低的趋势,且固定时间窗口越大,不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别,综合精度分别为92.00%、84.89%、88.48%,同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型,说明道路车速的波动特征可以很好地反映道路交...     

考虑驾驶人不同分心类型的分心识别研究

驾驶人分心状态判别是实现分心预警的基础。由于视觉分心相比认知分心对行车安全具有更大威胁，本文针对驾驶人不同分心类型的识别展开研究，设计了驾驶人两种分心类型和正常驾驶下的模拟驾驶试验，利用1-back任务和看手机任务分别诱导驾驶人产生认知分心和视觉分 心，采集并提取驾驶绩效、眼动及头动特征，采用序列后向选择算法进行特征优选，运用网格搜索确定分心识别的最佳时间窗口及模型参数。结果表明，基于随机森林所构建模型在测试集上取 得了94.07%的宏精准率、93.89%的宏召回率和93.98%的宏F1值，分类表现优于两种比较方法，说明模型能够准确地对驾驶人的3种状态进行分类。根据随机森林模型的特征重要性排序结果以 及采用不同类型特征作为输入训练模型的分类结果发现，驾驶人眼动及头动特征对驾驶人分心类型的识别更为重要。本文研究可为分心预警系统根据分心类型判定风险等级提供基础。     

基于实时监测参数的民用飞机重着陆预警方法

针对目前民用飞机重着陆事件的识别只能通过飞行员事后上报和维修人员被动检查的问题,提出了一种基于实时监测参数的民用飞机重着陆预警方法;分析了飞机重着陆的影响因素,在对快速存取记录器数据预处理的基础上,采用灰色关联度分析方法,从飞机重着陆相关的52个监测参数中提取了26个特征监测参数;以着陆质量、垂直加速度、垂直下降率和俯仰率等4个重着陆评价参数作为预测参数,26个特征监测参数作为输入,建立了基于长短期记忆网络的飞机重着陆预测模型;采用重着陆案例数据对预测模型进行训练,分析了飞行高度区间、输入输出步长对模型预测精度的影响,进而对模型进行了优化;在案例验证中引入混淆矩阵验证了模型的预测效果。研究结果表明:利用长短期记忆网络所建立的民用飞机重着陆预警方法有效利用了实时监测参数中反映重着陆趋势的信息,实现了飞机的重着陆预警,在提前8 s预警的情况下,预测精度达到了98%,平均绝对误差仅为0.018 3,可为飞行员提供足够的时间裕度采取措施,避免重着陆的发生。      

y+值对MIRA模型气动参数计算精度的影响

为研究量纲为1的参数y+值对车辆气动参数计算精度的影响, 以阶梯背MIRA模型为基础, 在保证模型网格数量与质量相近的情况下调整近壁网格尺寸, 构建不同y+值的流场仿真模型; 考虑到不同的湍流模型对车辆外流场仿真的y+值具有不同的适用范围, 选取SST κ-ω和LES两种常用的湍流模型对阶梯背MIRA模型外流场进行稳态和非稳态仿真分析; 将气动参数仿真结果与试验结果进行对比分析, 得出合适的y+值取值范围; 结合仿真速度云图和车身表面受力曲线分析了边界层首层网格厚度对仿真精度的影响; 建立了方背MIRA模型在2种湍流模型下的外流场仿真模型, 进行不同流速下气动参数的计算, 从而对y+值取值范围进行验证。研究结果表明: 针对车辆外流场数值仿真, 采用SST κ-ω模型时对应的合适平均y+值取值范围为20~50, 而采用LES模型时对应的合适平均y+值取值范围为5~10;当边界层首层近壁网格厚度过大时, 数值仿真无法准确捕捉边界层中速度梯度的变化, 造成边界层流场流动信息丢失, 而当边界层首层近壁网格厚度过小时, 边界层网格会严重畸变, 2种情况下气动参数计算误差都超过5%, 从而影响车辆外流场数值仿真精度; 根据所获得的y+值取值范围, 方背MIRA模型计算的气动参数误差小于5%, 说明了2种湍流模型平均y+值取值范围的正确性。      

自激气动力有理函数系数的直接识别算法

有理函数系数识别是基于气动力有理函数逼近的桥梁颤振计算的前提条件. 有理函数滞后项的数量对其系数的识别结果影响较大，现有方法中一般仅考虑单滞后项的有理函数系数识别，易造成气动力描述上的失真，进而导致桥梁颤振计算结果不准确. 基于正弦信号的自激气动力在时域上与有理函数对等的原则，采用最小二乘拟合方法，提出了一种可计入多个滞后项的有理函数系数的直接识别算法. 以薄平板模型为对象，利用强迫振动风洞试验获得了自激气动力，采用该算法直接识别了计入不同滞后项的有理函数系数，并分析了滞后项数量对气动力重构精度影响以及对颤振临界风速计算精度的影响.通过自由振动颤振试验获得了实际的颤振风速，进而与采用识别出的有理函数计算的颤振风速进行对比，结果表明:颤振临界风速的试验值与计算值吻合较好，从而验证了本文所提识别算法的准确性；与现有的有理函数系数识别方法相比，本文提出的识别方法兼顾了效率和精度，可广泛用于实际桥梁断面自激气动力有理函数系数的识别中.      

基于物联网的桥梁安全监测预警系统的研究

对现有服役桥梁进行安全监控,提出一种基于物联网的桥梁安全监控预警系统,采用在被监控的桥梁上安装桥梁安全状态数据采集与处理子系统,在后台安装桥梁安全监测预警中心,并采用物联网实现数据传输至桥梁安全监测预警中心,实时进行分析和处理,从而实现对桥梁安全状况的监测预警、分析、评估,以及危险桥梁的及时预警。