船舶航行交通事件实时检测技术研究现状与展望

船舶航行交通事件检测依赖基于历史数据的离线检测方法, 检测模型适用性差, 难以满足监管人员的实时监测需求。通过分析船舶异常行为检测、航行事故检测等现有交通事件检测技术, 可以发现: 在数据层面, 监测数据来源单一、环境信息缺失; 在方法层面, 基于统计、风险评估等经典模型的事件监测方法效率高但准确性低, 基于神经网络、图像识别等机器学习的检测方法准确性高但效率低; 多源数据融合、多项技术结合的交通事件检测方法成为实时检测方法的发展趋势。在此基础上, 梳理了实时船舶航行交通事件检测的3项关键技术: (1)海事大数据技术: 高效处理船舶运动数据和航行环境数据, 统一多源异构数据结构标准, 降低数据源单一造成的事件误报率; (2)船舶行为动态建模技术: 利用知识图谱等技术融合船舶航行情境信息, 在不同船舶运动环境下利用深度学习、语义关联、图神经网络等方法构建不同的船舶行为模型, 提高检测准确性; (3)实时分析和可视化技术: 结合平行系统进行虚实系统间信息传递, 定性分析检测结果, 实时显示检测全过程, 提升监管过程中的人机交互效率。然后, 提出了包括数据采集、后台服务和客户端应用3个功能模块的交通事件平行检测系统; 该系统具备实时接收并处理船舶航行数据、分析并预测交通状态、动态检测并预警交通事件和仿真结果展示等功能。从数据融合、交通状态感知和交通虚实映射3个方面, 展望了面向海事监测实务的实时检测技术发展方向。     

紧急避撞工况下驾驶员异常行为检测

在紧急避撞场景下,驾驶员极易因慌乱和误判,产生异常驾驶行为,故提前检测出驾驶员的异常行为对于确保驾驶员自身和周边交通的安全有重要意义.为此,本文中提出了综合转向盘转角残差序列和相平面图判断的异常驾驶行为检测方法.首先,基于相平面法确定车辆稳定性边界;接着,建立基于模型预测控制的驾驶员模型,构造实际驾驶操作与驾驶员模型参...     

1种基于车辆时空图的车辆异常行为检测方法

对快速路车辆异常行为的检测有助于防止或及时处理交通事故,缓解交通拥堵,保障出行的安全和效率。采用多高斯背景模型提取前景运动车辆及其中心点并利用Kalman滤波算法跟踪运动车辆。在此基础上,得到各个车道上车辆的行驶时空图,通过车辆时空图对车辆行为进行轨迹分析,根据时间序列上车辆位置的变化检测车辆逆行,通过车间距和车辆位置状态信息检测车辆碰撞。实验表明,该方法能较好地识别出车辆异常行为。     

交通异常贝叶斯动态检测方法

针对卡尔曼滤波方法在稳定性，滤波器发散及计算方面的缺陷，以占有率为观测变量，以交通流的密度和速度为系统状态，建立了交通异常贝叶斯动态检测模型及算法，能够实施无初始输入的异常检测。     

车联网环境下基于Stacking集成学习的车辆异常行为检测方法

针对车联网中的车辆异常行为的威胁,本文中融合了多种机器学习方法,提出了一种新型的适用于车联网的车辆异常行为检测方法.首先,基于Veins车联网仿真平台,模拟了DoS、Sybil等多种网络攻击,搭建了真实路况环境下遭受网络攻击的车联网场景,构建了车联网异常检测数据集;其次,采用Stacking集成学习思想,融合K近邻、决...     

基于轨迹的内河船舶行为模式挖掘

从内河海量的船舶AIS数据中提取出有用的交通知识,辅助水上安全监管,对于研究日益复杂的水上交通安全形势具有重要意义.基于内河船舶行为特征,构造由船舶位置、航速和航向4个维度组成的船舶航行状态空间来描述船舶行为.针对传统DBSCAN聚类算法提取状态空间中相似船舶轨迹存在计算复杂高的问题,提出增量式算法改进DBSCAN算法用以高效地计算不同船舶的行为模式;然后利用核密度估计等统计方法对不同模式的船舶行为特征进行数据挖掘,得到船舶航速、航向和位置的时空分布特征规律,进一步挖掘不同行为模式下的船舶微观特征.以武汉航段的汉江分叉航道水域作为研究案例,利用所提的方法对该水域分析研究,得到了6类不同行为模式,挖掘出不同模式下分叉航道内船舶静态属性信息(船舶类型、船舶尺寸)、空间分布特征(轨迹点分布、航速分布、航向分布)、船舶到达规律等信息.利用该模型所提取的知识有助于水上监管人员迅速获取水域交通态势,从而提高水上交通安全监管的水平和效率.     

基于船舶轨迹挖掘的海上航路网络构建方法

海上航路网络是船舶海上交通活动特征的时空表征,也是船舶航路规划、行为辨识、轨迹预测的重要基础。海量的船舶历史轨迹数据为自动提取海上航路网络提供了基础数据,但受轨迹数据噪声和密度分布不均匀的影响,传统航路网络自动提取方法存在网络节点识别准确性差、网络边连接错误率高等问题。针对上述问题,研究了1种基于船舶轨迹时空特征挖掘的海上航路网络自动构建方法。定义了海上航路网络的3种航路点类型,即停留点、出入点和航路转向点,设计了基于轨迹时空特征的航路点提取方法;提出了基于累计转向特征的航路转向点过滤策略,可有效去除船舶避碰、船舶徘徊等局部活动产生的非航路转向点;根据不同种类航路点的分布特征,综合利用DBSCAN聚类算法和凸包算法从航路点集合中提取和生成航路网络节点集合;定义了航路网络节点的有效连接规则,从原始轨迹中提取航路网络节点之间的轨迹簇,根据轨迹簇的统计特征生成航路网络节点之间的有向加权边,形成有向加权的海上航路网络。以珠江口水域为实验区域,对所提方法进行有效性验证,结果表明：所提方法可提取71个3类航路网络节点和200条航路路线;航路网络节点识别准确率与误识别率分别为86.42%和1.23%;航路网络边连接的准确率接近95%。所提方法能够有效识别海上航路的关键航路点及主要路线,实现航路网络的自动构建。     

道路通行行为研究进展及其展望

道路通行行为是交通行为领域重要的研究热点,文中系统梳理了道路通行行为的学术研究现状、存在问题、研究方法及发展前景。阐述了道路通行行为的定义,分析比较了通行行为与驾驶行为、驾驶员行为的区别和联系。提出将道路通行行为分为基本通行行为、攻击性通行行为、路径选择行为以及竞争与协作通行行为四部分,总结了国内外道路通行行为发展现状,分析了存在问题,并对其未来发展趋势进行了展望。为改善道路通行行为研究方法,针对道路通行行为的多种交通行为特点,提出了适用于道路通行行为的研究方法和手段(时空法、实验法和模拟仿真),探讨了各研究方法的应用现状、优缺点、以及在不同研究阶段的适用性。最后对道路通行行为的发展趋势进行了探讨并提出了建议。     

基于异步交互聚合网络的港船作业区域人员异常行为识别

港船作业区域人员的异常行为识别可为智能航运的管控与决策提供重要数据支撑,有利于推动智慧港口和智能船舶的发展。基于异步交互聚合网络开展了面向港船工作环境下的人员异常行为识别研究。基于YOLO模型对港船图像进行卷积操作,利用特征金字塔优化卷积结果得到图像序列中每一帧的人员位置,结合联合学习检测和嵌入范式输出港船图像序列中的人、物体特征信息以及时序信息;利用异步交互聚合网络中的交互聚合结构更新特征池的多维度特征信息,以识别港区与船舶工作环境下的人员异常行为。实验结果表明：提出的港船作业区域人员异常行为识别方法的平均识别精度为91%,在港区工作环境下的人员异常行为识别精度为85%,在船舶驾驶台环境下,提出的异常行为识别框架对船员的不安全行为识别精度达到97%。所提出的识别框架在不同港船作业区域环境中都能获得较好的精度,验证了其有效性和可靠性。     

基于VAE-LSTM模型的航迹异常检测算法

为了检测出异常航迹数据从而提高航迹数据挖掘的精确性,将航迹异常检测转化为无监督学习问题,研究了基于VAE-LSTM的航迹异常检测算法.引入残差结构到LSTM中,建立残差门LSTM,通过将变分自编码器中的BP神经网络层替换为残差门LSTM层,实现对变分自编码器的改进,并构建了VAE-LSTM航迹异常检测模型.模型输入为航迹的速度、加速度、真航向和曲率半径运动特征,输出为航迹点特征的重建概率,重建概率小于概率阈值的航迹点为异常航迹点,包含异常航迹点的航迹判定为异常航迹.以长江水域内的航迹数据进行验证并与多种机器学习异常检测算法进行对比.VAE-LSTM航迹异常检测算法的召回率达到了0.935,F1值达到了0.940,各项指标均高于对比算法,验证了方法的有效性.     

波形钢腹板梁疲劳特性的研究进展

阐述了波形钢腹板梁的疲劳特性有别于其静力特性,同时波形钢腹板梁具有与平直腹板梁不同的疲劳破坏模式的构造特点,并对疲劳强度的薄弱点进行了评述。系统地介绍了国外对波形钢腹板钢梁和组合梁疲劳特性研究的发展历史和现状,综述了波形钢腹板梁疲劳特性的一些共同性的研究课题,重点包括基于S-N曲线和断裂力学的疲劳寿命评估等,对较为典型的相关研究结果进行了比较。最后,对波形钢腹板梁的疲劳特性开展进一步的相关应用性研究工作提出了建议。     

道路交通驾驶行为研究进展及其展望

汽车驾驶行为被认为是导致交通事故的重要原因之一,也一直是交通安全领域重要的研究热点.文中综述面向交通安全的驾驶行为研究进展.对驾驶行为的涵义进行了描述,并将其分成了信息感知、决策和操作、车辆状态表现3个主要阶段,提出了表征3个阶段驾驶行为风险的方法,建立了具体的表征指标.根据所建立指标体系,介绍目前面向交通安全的驾驶行为研究主要内容、所采用的主要方法和手段以及取得的研究成果.通过分析目前研究的主要进展和存在的主要问题,对面向交通安全的驾驶行为研究进行总结,并分析目前驾驶行为研究的趋势.结合目前其他技术的发展情况,提出驾驶行为研究的主要方向,阐述用于研究驾驶行为的新方法和手段,对驾驶行为的研究进行展望.     

驾驶行为与驾驶风险国际研究进展

驾驶人在驾驶车辆的过程中总会面临由自身或外界条件所带来的或高或低的风险,即驾驶风险,通过对驾驶风险进行识别、分析及评估是对风险进行管理的有效对策,明确由人为因素(即驾驶人个体特征及驾驶行为)所带来的驾驶风险并对驾驶人进行安全管理尤为重要。为了全面了解各类危险驾驶行为和各种驾驶人群体的驾驶风险行为研究进展,对驾驶风险领域重点问题进行了总体概述。从驾驶人个体特征及驾驶行为的角度出发,探究了驾驶风险领域目前的研究现状,并利用科学知识图谱展示驾驶风险领域研究的发展进程与结构关系。通过Web of Science核心合集数据库获取了3 406篇在1986～2020年(截至2020年2月29日)间出版的驾驶风险研究相关英文文献,共涵盖8 684位作者及6 018个关键词,基于科学知识图谱对该领域文献进行梳理与分析。结果表明:驾驶风险领域的国外研究在驾驶人选择方面主要从年轻驾驶人、老年驾驶人、新手驾驶人及职业驾驶人的角度进行切入,重点围绕酒驾、药驾、分心驾驶及疲劳驾驶等主题开展研究。与国外研究相比,中国在分心驾驶、疲劳驾驶领域的研究相对丰富,而针对酒驾、药驾的研究试验手段较为单一,研究不够全面;在研...     

公路桥梁智能检测技术研究进展

为促进公路桥梁智能检测技术的发展,系统梳理了桥梁智能检测装备、智能检测方法、智能损伤识别算法、智能安全评价及养护决策的发展现状与趋势。综合分析表明：随着桥梁智能检测技术的发展,针对桥梁检测环境和构件特点,出现了包括无人机、移动机器人、环形爬升机器人、多功能检测机器人、爬索机器人、水下机器人、声呐探测装置等多种类型的智能检测装备。智能检测装备大多采用搭载的图像采集装置进行病害信息收集,其避障及抗环境干扰能力和图像采集精度是设备性能表征的关键;在智能检测方法领域,图像采集技术、激光点云扫描技术、全息摄影技术发展日趋成熟,探地雷达、干涉合成孔径雷达及声呐探测技术可作为桥梁基础及冲刷深度检测的有效手段;但以光纤传感、热成像技术、声发射技术、超声波检测、电磁传感为特征的桥梁检测新技术,其抗环境干扰的能力还有待提升,需要进一步的工程验证。随着桥梁智能装备能力的提升、智能检测技术的发展,不同类型海量数据的涌现,传统的从病害、构件、部件到结构的分层综合安全评价算法已不能适应,采用数字孪生技术进行结构状况的实时再现与评价,以多源数据融合技术进行区域级、路网级桥梁服役性能及抗灾韧性评价是桥梁智能检测与安全评估的主要发展方向。     

北极东北航道船舶行为特征分析

北极东北航道开发和利用,对北极水域船舶通航安全管理提出了更高的要求.采用数据挖掘技术对2015—2017年北极东北航道船舶自动识别系统(AIS)的数据进行了处理与分析;采用Douglas-Peuker算法,对海量船舶AIS轨迹数据进行抽稀与验证;然后利用KD-Tree、DBSCAN和族心确认算法,对海量船舶AIS轨迹点进行了时空聚类分析;成功提取了船舶类型、船旗国、船舶轨迹、船舶密度及船舶速度等船舶行为特征,探索研究了船舶行为特征对于北极东北航道能源、环保及海上交通服务的作用与意义.研究表明,北极东北航道航行船舶以渔船和货船为主,船旗国以靠挪威和俄罗斯籍为主,船舶活动区域集中在巴伦支海与挪威海,主航道主要以8~15 kn速度航行.     

汽车智能雨刮系统雨滴检测方法研究进展

在雨雪天气,为了保证驾驶员前方视野清晰,各类车辆均需配备雨刮装置。汽车智能雨刮系统作为汽车高级驾驶辅助系统的重要组成部分,是智能驾驶领域研究重点之一。详细介绍了汽车智能雨刮系统中常用的两种雨滴检测方法,分别基于雨量传感器和视觉传感器来实现。详细阐述了传统的基于雨量传感器的雨滴检测方法的工作原理及其研究现状,分析了各种类型雨量传感器存在的主要问题。针对新兴的基于视觉传感器的智能雨刮系统,分析了雨滴特征及其目标检测方法的发展历程。基于视觉传感器的汽车智能雨刮系统可以和高级驾驶辅助系统的其他组件共用视觉传感器和硬件设备,极大地降低了智能雨刮系统的应用成本,但是在准确性、实时性和适应性等方面仍存在较多问题亟待解决。     

探地雷达在路基路面异常体病害探测中的应用

针对路基路面、桥梁病害,通过探地雷达探测中数据采集、信号处理和图像识别,开展了地质雷达检测路面结构层厚度、破损状况和路基隐患异常体部位工作,取得了路面隐含裂缝和桥梁空心板顶板厚度的实际应用。