基于时延特性建模的多断面短时交通流预测

针对现有交通流预测方法未充分考虑多断面车流演变规律，提出基于时延特性建模的时空相关性计算方法. 该方法采用对不同断面、不同时刻交通流的分布相似性度量，对输入的车辆到达数据序列进行切割构建时空相似度矩阵，得到相邻断面之间的时延参数. 基于时延特性建模，将多断面之间的流量信息进行融合，使用长短时记忆(LSTM)网络进行流量预测. 通过对实际路段数据的预测和结果分析，验证所提方法的有效性和实用性.     

基于门控深度循环信念网络的边坡沉降预测

本研究针对现有边坡沉降预测模型精度低、无法有效反映沉降值蕴含的时序信息等问题,提出基于门控深度循环信念网络(GDRBN)的边坡沉降混合预测模型。为提高训练效率,引入自适应学习率,并以广佛肇高速公路二期工程为实例,建立多种边坡沉降预测模型,并进行计算比较。研究结果表明:基于GDRBN的边坡预测模型的预测精度比GM、BP、RNN、DBN预测模型的分别提高了69%、54%、38%、26%,可为边坡预测提供更准确的计算方法。     

基于双目视觉的AUV避障模拟研究

提出了一种基于双目视觉的自治水下机器人（AUV）避障模拟方法.为了模拟AUV在复杂海洋环境中对未知环境的感知以及避障过程,设计了AUV避障模拟实验系统.介绍了AUV避障模拟平台的总体结构和参数设计.应用双目立体视觉系统模拟水下声呐,并建立了模拟前视声呐的模型.通过对双目视觉系统进行标定,确定校正系统的内参数和外参数,使校正后的视觉系统建立了图像输入和输出的映射关系,并采用视差法获取被测目标的深度信息.对于目标的避障问题,提出了一种基于速度势场的避障方法,利用相对速度的极坐标,建立由水平面速度势场和垂直面速度势场组成的三维速度势场.当机器人利用视觉传感器获取到障碍物信息时,通过调整速度矢量实现动态避障.模拟实验证明了AUV的避障模拟方法是可行和有效的.     

基于运行信息的断路器故障率预测研究

目前电子设备元器件故障率的预测多根据标准开展,降低了故障率预测的准确性和可信性.提出了基于运行信息预测断路器故障率的方法,为消除设计应力的影响,定义了额定故障率.给出了基于多项目运行信息建立额定故障率的模型及计算方法,并以已运行深圳四号线项目和南京二号线项目为例说明额定故障率计算,并应用额定故障率对新开发的上海十三号线二期项目中断路器故障率进行了预测,同时与标准预测进行了比较.     

基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.     

基于深度学习的短期交通流预测方法综述

针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、多步预测与单步预测以及单体预测与集成预测等相关问题;按照网格化和拓扑化2种交通流数据组织方式,分别综述了当前最新的基于深度学习的短期交通流预测研究方向。研究结果表明：针对网格化交通流数据,当前研究主要包含了基于2D图像卷积神经网络、基于2D图像卷积神经网络与循环神经网络相结合、基于3D图像卷积神经网络3种预测建模方法;针对拓扑化交通流数据,当前研究主要包含了基于1D因果图像卷积与卷积图神经网络相结合、基于循环神经网络与卷积图神经网络相结合、基于自注意力与卷积图神经网络相结合、基于卷积图神经网络的时空同步学习4种预测建模方法;总体上,基于深度学习方法进行短期交通流预测相较于采用时间序列和经典机器学习方法获得了预测准确性上的极大提升;未来,针对物理理论、知识图谱与深度学习相结合,构建多时空数据挖掘大模型以及轻量化、可解释性、模型结构自动化搜索等维度的相关探索将成为重要研究方...     

航用恒星视位置高精度计算

基于FK5及DE405星表数据文件,考虑相对论效应、岁差、章动、光行差影响,采用天文矢量处理方法,提出高精度恒星视位置计算数学模型。精度分析表明,该模型计算精度优于《航海天文历》及现有天文导航计算自动化软件,是可行的。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.     

基于深度学习的四轴无人机飞行姿态估计方法

为解决传统无人机姿态估计过程中出现的精度低、实时性差、容易被干扰、模型复杂、计算量大、处理时间长等问题,研究基于深度学习的四轴无人机飞行姿态估计方法.结合多传感器数据融合技术,使用MARG传感器和光流传感器采集无人机飞行姿态数据,经小波阈值去噪算法和最大—最小标准化算法对采集到的数据进行去噪及归一化预处理后,基于GRU神经网络构建一个新的姿态估计模型.将预处理后传感器的数据输入模型中进行融合,通过模型训练输出重力矢量和地磁矢量,经无人机姿态角转换获取无人机飞行姿态.实验结果表明：基于深度学习的四轴无人机飞行姿态估算结果与实际值接近,且误差小、速度快,同时利用GRU神经网络可以融合多种传感器的数据,无需建立复杂的数学模型,即可实现无人机飞行姿态的高精度测量.     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于图像叠合的工程机器人立体视觉系统

立体视觉系统为遥操作工程机器人增加了视觉反馈.在对三目摄像机获取的3幅图像进行图像叠合的基础上,对比分析、求解3幅图像的视差来获取物体的视差图与深度图,进而获取物体的真实坐标,以利于三维物体重新构建.实验结果表明,利用叠合后的图像进行处理、计算,能够准确地实现三维物体的定位.     

基于CNN-GRU的船舶轨迹预测

针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题,提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)和门控循环单元(Gated Recurrent Unit, GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基于船舶AIS信息的船舶轨迹特征表达方法,以目标船舶连续4个时刻的轨迹特征值作为输入,以第5个时刻轨迹特征值作为输出,训练构建的CNN-GRU轨迹预测网络,对未来船舶轨迹进行预测,并与现有模型进行对比.实例验证表明：CNN-GRU模型的预测精度显著提升,经度误差不超过3×10^-5(°),纬度误差不超过5.5×10^-4(°),相较于CNN-LSTM模型,预测效率显著提高,运行时间减少19.1 s.     

�����г���λRAIM ������Ԥ�ⷽ���о�

基于北斗导航系统实现列车定位具有显著的性能及成本效益.为确保其符合特定应用需求,需要对定位完好性进行有效监测.立足于对常规接收机自主完好性监测方法进行有效辅助,本文提出一种应用于北斗列车定位的接收机自主完好性监测可用性预测方法.该方法利用北斗导航系统历书信息,结合列车运行计划实施完好性监测离线计算,预先对实际行车过程中可能的完好性状况进行估计,为列车在途定位完好性监测计算提供先验信息,确保定位结果满足应用需求.采用现场试验数据验证了本文所提出方法的预测能力,在基于卫星导航的列车控制等系统领域具有重要的应用价值.     

基于深度分层图的虚拟视点合成方法的研究

提出了一种基于深度图分层的虚拟视点合成算法,该方法先采用均值漂移聚类算法将深度图进行分割处理,使得深度图中的对象块有同一深度值,然后对视频信息以及处理后的深度信息进行3D图像转换,再对图像中的空洞进行填充处理,完成了虚拟视点合成。实验结果表明,与通过MVC编码后合成的虚拟视点相比,该方案改进了合成图中对象边缘的质量问题。     

具有亚像素精度的冗余特征机器人视觉伺服控制

为克服机器人视觉伺服系统对位姿估算及标定精度的依赖性,结合前期特征识别和后期视觉伺服控制,提出基于冗余特征的机器人视觉伺服控制方法.首先,针对图像处理计算密集的问题,从加快特征提取运算速度考虑,研究了矢量数据的递归贪婪压缩算法;其次,从提高图像空间测量精度考虑,研究了基于向量正交性的亚像素特征提取方法,并结合合作目标形状,给出基于多边形形状拟合的目标识别实验性准则;最后,基于图像视觉伺服理论和任务函数方法,直接以具有亚像素级的冗余图像特征作为反馈信息,建立了机器人视觉伺服控制模型,并进行了视觉伺服验证试验.理论分析和实验结果表明,本文提出的视觉伺服控制方法能够在复杂的环境下快速稳定地提取伺服特征,并对标定误差和深度估计误差具有一定的鲁棒性.      

高速场景相邻前车驾驶行为识别及意图预测

相邻前车的驾驶行为会影响后车,因此先进的辅助驾驶系统需具备识别前车驾驶行为的能力. 对高速场景下相邻前车换道行为进行研究,分别提出双层连续隐马尔可夫模型-贝叶斯生成分类器(CHMM-BGC),以及基于双向长短时记忆网络(Bi-LSTM)的行为识别模型和意图预测模型. 采用自然驾驶数据集对模型的有效性进行测试验证. 实验分析表明：基于Bi-LSTM的行为识别模型相较于双层CHMM-BGC在平均识别率上提升了11.24%,两种行为识别模型均可在相邻前车换道过程的早期阶段识别换道行为;考虑相邻前车与周围环境车辆的交互作用,可使模型具有预测性,两种意图预测模型均可在车辆换道时刻前预测到驾驶人换道意图. 模型仿真计算时间可满足系统的实时性需求,为本车驾驶人预留出反应时间,为预测周围车辆行驶轨迹研究提供支持.     

基于ST-MRF的自适应车辆跟踪算法研究

可靠的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素.为了解决这一难题,文中提出一种基于ST-MRF模型的自适应车辆跟踪算法.在ST-MRF模型中,把图像分成块,将相邻图像间的块通过它们的矢量联系起来,建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,然后利用松弛算法实现目标地图最小化能量计算,从而解决车辆跟踪中的遮挡问题.实验结果表明,跟踪不遮挡的车辆时达到的跟踪成功率为95%,遮挡情况时成功率也可达到91%.通过实验得出以下结论:基于ST-MRF模型的自适应车辆跟踪算法能在交通量比较大,且车辆出现相互遮挡的情况下,能较准确地获得车辆跟踪数据.为以后的交通事件检测提供重要的数据基础.     

椭球体水动力数值计算

自主开发了数值求解RANS方程的CFD计算软件.采用基于多块结构化同位网格的有限体积方法,各块间采用正接网格对接,并有一层网格的重叠,便于块间的信息交换.采用SIMPLE方法和动量插值法处理速度-压力耦合.对流项采用SMART格式离散,扩散项采用中心差分格式离散,采用SST湍流模式.作为算例之一,给出了6∶1椭球体在不同攻角下定常流场和水动力的数值计算结果,包括物体表面的压强系数、切应力系数的分布及物体所受升力系数、阻力系数和力矩系数随攻角的变化规律,并与国外文献的计算和实验结果进行了比较,符合程度令人满意.     

BIM技术在预应力混凝土连续梁0#块支架施工中的应用

如何将BIM技术深度应用于桥梁施工,是当前桥梁领域BIM技术研究与应用的关注重点.以广清城际北延项目为例,在正确选择好支架方案的前提下,采用RBCCE+Revit联合应用技术,通过构建项目中15座连续梁桥0号块钢管支架的力学信息模型及相应的三维信息模型,系统、协同、高效地实现了连续梁0号块钢管支架的方案设计、力学计算、...