支持向量机在公路软基沉降预测中的应用

针对公路软土地基沉降发生的过程多变量、强耦合、强干扰、大滞后的复杂特性,提出利用支持向量机(Support Vector Machine,SVM)对公路软基进行沉降预测建模,使用加载过程中的沉降观测数据作为训练样本集,建立可依据现场测量数据对软基沉降量随时间发展的过程进行动态预报的分析方式.仿真试验和实践结果表明,该模型能够更准确地反映实际沉降过程,且满足精确性和适用性的要求.     

基于模式识别与ST-MRF相结合的车辆检测方法

车辆检测技术的主要难点是在于解决车辆之间的遮挡，以及由于光照变化引起的车辆与其阴影之间的遮挡问题，这些问题将直接影响检测的精度。针对这个问题，在原ST-MRF方法上研究了基于模式识别与ST-MRF相结合的车辆检测方法。模式识别技术分割相互遮挡的2辆车之间的边界，并识别相互遮挡车辆的边缘间隙以及边界信息，模式识别结果反馈给ST-MRF算法，算法对相互遮挡车辆重新分配标号，优化处理并融合不完整的分割部分，确定单个车辆信息。路段车辆检测实验结果表明，在检测区域行驶的325辆车，用原始ST-MRF算法跟踪统计到的车辆数为258辆，成功率为79%，采用模式识别技术与ST-MRF相结合算法统计到车辆315辆，成功率为97%；交叉口车辆检测实验结果表明，该方法在机动车与非机动车混行，公交车与小汽车相互遮挡的交叉口场景下，能较准确地得到车辆检测结果。      

城市道路运营后的安全评价

为减少城市道路交通事故的发生，采用道路安全当量事故指标层次分析法对运营或整改后的城市道路各项事故指标进行安全评价，得到每条道路危险度表，为城市道路交通安全管理决策提供科学依据，确保城市道路交通系统安全功能的充分发挥。