基于图模型与卷积神经网络的交通标志识别方法

为了提高交通标志识别的鲁棒性, 提出了一种基于图模型与卷积神经网络(CNN)的交通标志识别方法, 建立了一个面向应用的基于区域的卷积神经网络(R-CNN)交通标志识别系统。构造了基于超轮廓图(UCM)超像素区域的图模型, 有效利用自底向上的多级信息, 提出了一种基于图模型的层次显著性检测方法, 以提取交通标志感兴趣区域, 并利用卷积神经网络对感兴趣候选区进行特征提取与分类。检测结果表明: 针对限速标志, 基于UCM超像素区域的图模型比基于简单线性迭代聚类(SLIC)超像素的图模型更有利于获取上层显著度图的大尺度结构信息; 基于先验位置约束与局部特征(颜色与边界)的层次显著性模型有效地融合了局部区域的细节信息与结构信息, 检测结果更加准确, 检测目标更加完整、均匀, 查准率为0.65, 查全率为0.8, F指数为0.73, 均高于其他同类基于超像素的显著性检测算法; 基于具体检测任务的CNN预训练策略扩展了德国交通标志识别库(GTSRB)的样本集, 充分利用了CNN的海量学习能力, 更好地学习目标内部的局部精细特征, 提高了学习与识别能力, 总识别率为98.85%, 高于SVM分类器的95.73%。     

终端区空域结构调整对进场交通流的影响

根据终端区空域运行规则, 采用网络理论建立了终端区空域网络模型, 基于终端区航空器微观行为建立了空中交通流跟驰模型和等待模型, 基于NetLogo仿真平台进行了仿真试验, 分析了不同入度分布的空域结构对交通流的影响。仿真结果表明: 当密度小于等于0.075架次·km^-1, 速度大于等于0.04 km·s^-1时, 交通流处于自由相; 当密度为0.075~0.200架次·km-1且速度大于等于0.04 km·s^-1时, 交通流处于畅行相; 当密度大于0.200架次·km^-1, 小于最大密度时, 交通流处于拥塞相; 随着航班波作用的减弱, 交通流进入反向畅行相, 之后进入反向自由相; 当进场交通流分布一定, 入度值依次为2、3、1时, 交通流速度小, 密度大, 拥塞消散最慢, 入度值依次为3、2、1时, 交通流速度大, 密度小, 拥塞消散最快。可知, 增大空域网络上游关键节点的入度, 使进场交通流提前完成汇聚, 有利于交通流快速运行, 增大交通流量; 减小空域网络下游关键节点的入度, 有利于交通流在达到拥塞相后快速完成消散。     

汽车ABS轮速传感器及其信号处理

研究了汽车防抱死制动系统变磁阻式磁电轮速传感器及其信号特性。在此基础上提出了轮速传感器信号处理电路的要求,并设计出了由低通滤波器和迟滞比较器构成的信号处理电路。在Matlab/Simulink环境下对电路进行了仿真研究和实验研究。结果表明,设计的轮速信号处理电路工作稳定、可靠,抗干扰能力强,能满足ABS系统的要求。     

城市混合交通控制设计理念与方法

针对我国城市特有的混合交通特性,在分析城市路网特征和交通流运行特征的基础上,确立了混合交通控制系统设计的基本理念。基于混合交通流理论,建立了城市交通控制的方法体系,包括匝道控制、单点控制、干线协调控制、区域协调控制以及公交优先控制。运用此设计理念与方法开发出的混合交通控制系统（HiCON）,在北京、青岛、福州三地的应用表明：车辆平均延误减少10％～20％,平均行程时间降低5%-10％。     

公共交通接驳换乘系统评价指标体系的构建

依照公共交通接驳换乘系统评价指标体系的构建原则,提出评价指标体系由技术性、经济性、社会性评价指标构成,并对各指标的含义做出解释,最后以北京地铁13号线部分车站作为实例,对技术性评价指标加以应用。论述一套合理的公共交通接驳换乘系统评价指标体系如何有效解决公共交通换乘效率低的问题。     

道路客运业经营现状与发展趋势

针对我国道路客运业经营现状和面临的铁路、航空等运输方式的严峻挑战,分析了道路客运业发展的实践经验和不利因素,提出了道路运输企业的发展趋势和发展交通专业保险业的优势。     

案例教学法在税务稽查教学中的运用探析

税务稽查是一门具有很强技术性的课程,要求学生掌握稽查的相关理论知识和技术方法,能够对复杂问题独立地做出判断和决策。传统的“注入式”教学模式,忽略对学生综合操作能力的培养,存在理论与现实脱节的问题。因此,需要引进案例教学方法、选择恰当的案例教学形式、设计完善的教学案例,使案例教学成为税务稽查教学的常规手段。     

考虑均衡性的城市轨道交通线路负荷水平评估研究

线路负荷水平的评价工作是优化运输组织方案的重要前提。首先,本文分析了采用单一均值性指标表征负荷水平不能体现线路内负荷分布偏差的问题。为此,从城市轨道交通线路客流与运输能力匹配的角度出发,以列车负荷为评价单元,建立包括负荷均值和标准差率二维指标的线路负荷水平评估模型。负荷均值指标考虑了各评价单元加权计算,以反映每个评价单元对线路负荷水平的贡献程度,标准差率指标表征负荷均衡性。模型分析得出,线路所有区间的运力同等规模变化不影响标准差率指标,相对提高大客流区间或大客流方向上的输送能力能够改善线路负荷的均衡性。算例分析表明：客流方向不均衡系数超过 1.4 时,应考虑运力优化措施以提高运输能力利用的均衡;组织列车大小交路方案和不成对行车模式,能够提高线路负荷的均衡程度。     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著,本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据,调用开放地图接口地理编码解算事故地点经纬度,使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入,为解决这一局限,建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型,并与原始聚类模型进行对比.结果表明,优化算法在参数确定上更加智能,对簇的划分更加准确,对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分,证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为,提出基于隐马尔可夫模型(Hidden Markov Model,HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型,模拟驾驶人感知过程,获得期望的车间距;预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹,即决策过程;优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作,即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析,结果表明,本文模型预测车间距平均误差仅为1.47%,证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。