基于MS-RG混合图像分割模型的道路检测研究

道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性,使得传统基于道路分割的道路检测方法大多存在信息冗余,并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用 Meanshift均值漂移算法,通过空间内的概率密度呈梯形上升去寻找局部最优,并搜索属于同一模点的像素然后生成获得超像素块.然后利用 Meanshift算法获得的聚类超像素块进行多种子点区域生长,规范生长规则,克服不能得到封闭边界的缺陷,改进道路图像的分割效果.实验结果表明,本文提出的模型适用性强,相比于传统方法有效地提升了分割准确性和实时性,可准确识别出图像中的道路信息,确保车辆能够行驶在可行驶区域上.     

城市轨道交通运输网络级联失效抗毁性研究

城市轨道交通各条线路和车站相互连接,联系紧密,其中的节点故障会在网络迅速传播,造成较大范围的拥堵,影响整个网络的正常运营.本文首先结合轨道交通特性,对城市轨道交通网络的级联失效现象进行分析.采用改进的边权函数来分析节点状态变化,进而产生流量的重分配.接着,建立了城市轨道交通网络级联失效模型,并以网络失效规模和破坏程度两个指标对其进行评估,仿真了级联失效过程并分析了不同失效策略下城市轨道交通网络的级联失效抗毁性.最后,以北京市轨道交通网络为例进行了实证研究.研究结果对轨道交通网络的合理规划、结构优化及运营安全具有重要的参考意义.