基于双线性递归神经网络的交通流量预测方法

为了提升城市道路智能交通控制和管理的合理性和有效性,从交通流时空特性角度出发,提出基于优化双线性递归神经网络的城市道路交通流量预测方法。该方法有效结合双线性多项式快速准确求解和递归神经网络的动态校准的特点,采用粒子群算法实现冗余神经元和权值的动态剪枝过程,提升了算法的收敛速度和预测精度。采用视频数据对算法进行训练和实验,并进行对比分析。结果表明：该方法能够实现对道路交通流量的准确预测,交通流量预测精度达到90％以上,满足实际交通管理和控制的数据精度要求,同时算法的收敛速度也有明显的改善。     

基于大数据迁移学习的灰岩地区排水孔淤堵自动识别技术

隧道排水管淤堵或者失效,会危及边坡的稳定和公路的交通安全。目前缺乏对排水孔淤堵分类的研究。排水孔淤堵分类对排水管道的后期养护具有重大意义。为探索排水孔淤堵智能化检测方法,文章依托广连高速高峰隧道等粤北实体工程,研究了一种采用模型迁移的方法,将排水孔图像数据输入预训练卷积神经网络进行训练,以对新图像进行分类。在采集的排水孔图像数据集上进行试验,对比了三种不同网络模型对该数据集的准确率,结果表明,使用ResNet-18进行排水孔淤堵分类识别,准确率可达到93%,实现了对排水孔淤堵状态的有效分类,并且随着日后数据集的扩大,识别准确率将会有进一步的提高。     

改进BP神经网络在边坡稳定性分析中的运用

文章基于BP神经网络的传统算法,提出了数据归一化的BP神经网络改进方法,并结合网络应用案例,通过选取影响边坡稳定性的几种自然因素,利用BP神经网络的非线性映射能力计算得出边坡的稳定安全系数,同时与传统分析方法的计算结果进行对比分析。结果表明,该改进方法能够满足一般边坡工程的稳定性评价要求。     

基于卷积神经网络的沥青路面裂缝识别方法

针对传统裂缝识别方法准确性低、环境适应性差的问题,文章提出一种基于卷积神经网络的沥青路面裂缝识别方法,融合了CLAHE与深度学习算法。试验结果表明,该方法能够更准确地识别裂缝,识别精确率达到94.9%,且泛化能力良好。     

基于半监督SVM的交通方式特征分析和识别

为解决基于手机信令数据识别大规模用户交通方式问题,多维度分析出行方式特征,提出结合主动学习和Tri-training的半监督支持向量机算法。以手机信令出行链为基础,将出行特征划分为距离、时间、速度、出行者属性等四类,并进一步研究多维度特征及其计算方法 ,基于有向无环图设计一种结合主动学习与基于Tri-training的半监督多分类支持向量机。运用HY市手机信令数据构建样本集并训练该分类器,与多种监督学习分类算法进行比较。结果表明主动学习构造的富含信息的已标记样本集可以减少半监督学习的迭代次数,Tri-training半监督支持向量机可以通过大量未标记样本提升分类器准确率,结合主动学习与Tri-training半监督支持向量机算法可以有效地识别手机信令数据出行链的交通方式。     

基于RBF神经网络的发动机怠速抖动故障诊断

针对难以获取发动机怠速抖动的精确数学模型,文章提出一种基于RBF神经网络的模型逼近算法。该算法利用RBF神经网络良好的模型逼近能力,对造成发动机怠速抖动的几种典型故障原因进行了诊断。实验结果表明该算法具有良好的逼近效率和诊断效果。     

基于深度学习的交通标志识别技术研究进展

文章综述了基于深度学习的交通标志识别技术,厘清了传统交通标志识别与基于深度学习的交通标志识别的关系,着重介绍了卷积神经网络交通标志识别算法,并分析近年来该算法取得的突破性进展,旨在为进一步的研究提供参考和指导。     

城市地面交通方式单位能耗水平对比

为获得城市内不同交通方式的单位能耗水平,利用交通运输能耗统计监测平台抽样统计相关数据,设计算法分析单位生产任务能耗水平。在分析城市交通方式能耗统计障碍基础上,设计抽样方案、划分分类方法;设计数据分析算法分析已获数据,利用实验对统计数据进行修正,获得私家车、出租车、公交车等交通方式单位生产任务能耗水平。结果表明,由于道路客货运生产和管理现状,基于多源能耗影响因素的统计难以实现,导致生产能耗水平没有基准。依据行业分类方法,结合前期数据调研下的当量换算,可以确定可信度较高的单位生产能耗阈限,为行业发展提供依据。     

基于人工蜂群优化小波神经网络的隧道沉降预测

小波神经网络存在收敛速度较慢、易陷入局部最优的缺陷,而人工蜂群算法收敛速度快且同时具有局部和全局搜索的能力。文章利用人工蜂群算法对小波神经网络进行优化,形成人工蜂群小波神经网络,并将其应用于地铁隧道沉降预测;并以深圳地铁10号线为例,将该模型的预测结果与BP神经网络、小波神经网络进行对比分析。结果表明,人工蜂群小波神经网络较其它两种模型的预测精度更高,预测结果更稳定。     

基于遗传算法的BP神经网络短时交通流预测

对BP神经网络模型、方法及遗传算法的基本原理进行了分析,将遗传算法与标准BP神经网络算法相结合构建了基于遗传算法的神经网络算法;建立了基于BP神经网络的短时交通流预测模型,对BP神经网络算法及基于遗传算法的BP神经网络算法进行设计,并将其应用于短时交通流预测模型的仿真计算,仿真结果表明基于遗传算法的BP神经网络算法具有更快的计算速度及更好的适应能力,该方法可以较好地应用于短时交通流预测。     

基于BP神经网络的油气管道风险分析评估方法

针对油气管道的风险评估主观性强的问题,提出了一种基于BP神经网络训练算法,应用BP神经网络算法对输油管道进行风险分析评估,得出其风险分析评估模型。仿真实验结果与半定量风险评价结果对比,误差率为0.009 6,证明该方法可用于油气管道的风险评估。     

异构计算模型下基于聚类的车型识别

根据线圈检测器采集到的信号变化的波形不同,可以利用k均值聚类以及Bayesian分类器进行车型识别。训练过程中,使用k均值聚类算法对不同波形的特征值归类,再采用Bayesian分类算法去获取分类器。当待处理的数据集较大时,受限于CPU的计算能力,k均值聚类在特征值归类时会表现出较大的延迟,对识别效率造成影响。本文专为CPU-GPU异构计算环境设计的k均值聚类算法及其实现,通过分块计算相似性矩阵,打破了GPU设备内存的限制,所能处理的数据集规模仅受限于CPU主存的容量。本文中使用CUDA设计实现双缓冲轮转四段流水机制,通过重叠计算与传输在打破存储瓶颈的同时保证了高计算性能。在配有一块GTX 480 GPU的单结点上能够对百万以上规模的数据集进行聚类,并对实验中的四个数据集取得了相对于使用16进程的MPI并行聚类实现2.0~4.5倍的性能。     

基于李群理论的汽油发动机尾气分析模型匹配算法研究

为了准确对发动机尾气排放状态和规律进行分析,本文提出了一种基于李群理论的汽油发动机尾气分析模型。该模型针对尾气排放量的非线性变化特征,利用李代数和李群之间的指数映射关系建立李群仿射模型,然后在流行拓扑空间上对尾气中主要污染物的含量进行建模。通过模型匹配算法实现对尾气排放状态的正常与否进行分析。该方法利用数据的流行拓扑信息,有效提高了非线性建模和匹配的准确性和效率。在福特蒙迪欧牌轿车上的实验结果表明,该模型能够以较高精度对汽油机尾气排放状况进行建模和状态匹配。     

人工蜂群优化BP神经网络在输油管道泄漏检测中的应用

BP神经网络的泛化性能很大程度上取决于模型的参数选择,针对此问题提出基于人工蜂群算法(ABC)的BP神经网络参数优化算法,并将其应用于输油管道的泄漏检测。该方法将BP神经网络的连接权值和阈值一一对应于人工蜂群算法优化问题每个可行解的各维度值,找到问题的最优解,训练出符合精度要求的理想模型。将该方法应用于输油管道泄漏信号的识别,提取管道各类工况下压力信号部分非线性特征作为检测模型训练样本集,建立输油管道泄漏检测模型并进行识别测试,有效提高了泄漏检测的准确率。     

无验潮模式下水下地形测量时延确定方法研究

随着无验潮模式水下地形测量的广泛使用,GPSRTK技术也被应用于水下地形测量中.然而由于RTK系统内部算法.数据传输以及编码问题.导致导航数据与测深数据不同步.从而影响水下地形测量的精度.本文在分析时延现象的基础上,给出了无验潮模式下水下地形测量中时延探测算法.并通过实验验证了该算法的准确性.     

基于改进的BP神经网络探究航空与陆侧客流关系

为提高航空与陆侧交通客流关系分析的效率,本文基于大数据手段统计海量的航空客流和陆侧交通客流数据,利用改进的BP神经网络算法对航空客流和陆侧交通客流的关系进行了研究。首先,通过遍历隐含层神经元个数并增加算法运行次数的方法探寻隐含层最佳神经元个数。其次,保持航空客流数据不变,在时间轴上偏移陆侧交通客流数据,基于拟合系数设定评价函数,衡量航空客流和陆侧交通客流数据的匹配程度。其三,基于首都国际机场的实际数据进行实例分析,得到航空旅客乘坐陆侧交通方式提前到达和滞后离开机场的时间,并获得了航空客流和陆侧交通客流之间定量关系表达式,为机场陆侧交通设施的建设和改善提供了参考依据。     

管道内检测器里程轮信号优选算法的设计与实现

阐述了管道内检测器里程计量模块的工作原理,提出了一种新的里程轮信号优选算法,设计了单片机控制系统,编制该算法程序,并用实验验证了该里程脉冲优选算法,给出实验数据。结果表明,该系统可以高效、准确地选择最佳里程轮脉冲信号。     

基于灰度共生矩阵的沥青路面病害雷达图像纹理特征提取研究

随着电磁波探测在道路领域的日益推广,探地雷达逐渐成为道路内部状况诊断的有效手段。通过探地雷达设备获取的道路内部雷达图像经校零、背景去除、滤波等处理后因图像差异性较大目前没有较为统一的解释。为了探究不同参数下的灰度共生矩阵特征对不同病害图像的适用性,本文首先通过正交试验设计对灰度共生矩阵参数进行组合,然后在不同参数下利用灰度共生矩阵算法对原始雷达图像进行特征计算,最后得到不同参数设置下对比度、逆方差、能量、熵值四种特征图像。结果表明：当滑动窗口为11×11、统计方向为45°、灰度级数为8时,层间黏结不良的熵特征更为明显;滑动窗口为5×5、统计为方向90°、灰度级数为128时,裂缝的熵特征更为明显。本文提出的探地雷达图像纹理特征适用性参数设置对图像分割、识别及数据增强等有一定的参考价值。     

公路隧道通风设施性能状态评估

针对公路隧道通风设施性能衰损且其功能状态难以判断的问题,本文提出了一种公路隧道通风设施性能状态评估方法。对通风设施振动指标与其性能状态开展关联分析,以振动指标数据中强相关向量作为数据基础,基于LSTM神经网络构建了公路隧道通风设施性能评估模型。采用真实公路隧道轴流风机检测数据对公路隧道通风设施性能评估模型进行验证。结果表明,模型能够有效地对风机性能状态进行评估,评估结果相较于SVM与决策树算法具有更高的精度,且结果可实时获取。     

基于机器学习的民航不安全事件信息数据清洗

为解决民航不安全事件信息中分类不准确的问题，提出一种基于机器学习的数据清洗方案。首先，设计了一种基于one class svm的异常值筛选模型，筛选出现有航空不安全事件信息中事发阶段中标签错误的数据。其次，建立了一种基于BERT的分类模型对分类正确数据进行训练，利用经过训练的模型对筛选出来的异常数据进行重新分类。最后，将清洗后的数据与原始数据进行比较，清洗后的数据标签准确率提高了10.2%。实验结果表明，基于机器学习的数据清洗方法能够实现民航安全信息的数据清洗，提高了数据质量。