无线传感器网络局部瓶颈节点的分布式检测算法

为减轻网络的负担,提出了"局部瓶颈节点"的概念及其分布式检测算法.该类节点具有与瓶颈节点类似的影响,但检测算法更简单可行.特别地,对于布设在带状区域的网络,证明了当布设区域宽度不超过槡3/2倍节点通信半径时,即可根据一跳邻居信息判断一个节点是否是瓶颈节点.结果表明,邻居节点数平均为10时,采用提出的分布式算法,被测节点成为局部瓶颈节点的概率仅为准瓶颈节点的1/4,从而提高了判断的准确性,降低了网络维护成本.     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

WSN中改进的基于压缩感知的分簇数据采集算法

WSNs中节点的能量受限,为节约网络节点的功耗,提出了一种将LEACH模型和CS理论相结合的基于节点时空相关性的压缩感知算法。LEACH算法对网络节点进行分簇并选择簇首,然后,采用CS理论对簇首节点进行采样,将采样后的数据通过多跳路由的方法传至远端的汇聚节点,最后,汇聚节点对来自簇首的少量数据采用重构算法以对原始信号进行精确恢复。仿真结果表明,该方法有效减小了数据传输量,降低了网络节点的功耗,延缓了网络寿命。     

基于分类数据样本的交通事件检测

针对当前智能交通方向研究的热点—交通事件检测算法不能达到很好的检测效果提出了将交通数据分成3类,分别是入口处数据、出口处数据和直行路段数据。在进行检测时根据需要检测数据的位置调用相对应的数据库,从而避免了交叉路口数据与直行路段数据之间的干扰,从而提高了事件检测率和降低了事件误报率,而检测时间并没有明显变动。应用朴素贝叶斯算法验证了这种方法是有效的。     

内河航运系统监管技术现状与展望

数字化、自动化及智能化监管技术是保障内河航运系统安全、高效及绿色运行的关键。从态势感知、事件监视及组织优化这3方面阐述内河航运系统监管技术研究现状，总结技术发展沿革与趋势，分析监管技术存在的不足。研究表明：内河航运监管态势感知研究伴随先进信息感知技术发展做适应性进步，从利用海事雷达技术捕捉船舶物理表象特征，逐步结合数据挖掘方法融合多源信息向多船态势感知和智能感知方向发展；事件监视研究起初受限于传感器设备感知水平不足而主要面向事件后分析，结合先进传感器技术和智能技术，逐渐向事件中检测和事件前预测方向发展；组织优化研究主要包括船舶运行空间优化方案和时间优化方案的制定，未来组织优化模型需考虑航道突发事件的影响，有利于推进组织运行方案的实际应用，更好地服务于海事监管需求。提炼内河航运系统多模式一体化融合感知网、全息场景图及智能管控系统构建的关键技术，面向未来新一代航运系统，探索内河航运平行监管模式，阐述内河要素物理及耦合关系平行建模和平行数据集建立与信息挖掘、平行监管及交互可视化等方面建设的核心内容，旨在采用基于数字孪生技术的虚实闭环交互机制实现内河航运系统的高效运行，为内河航运系统监管技术的研究与发展提出了创新方向。     

基于超级节点模式的多Agent入侵检测模型

分析了入侵检测方面的新问题,简述了超级节点和多Agent数据融合,进而提出了基于超级节点多Agent入侵检测模型,讨论了其实现方法.仿真实验表明,此模型在入侵检测方面具有很好的性能.     

无线感测网络上节能的事件驱动数据汇集机制

针对无线感测网络上动态改变的事件,设计一套有效率的数据汇集机制.采用网格架构,建立数据汇集树将事件数据传送至汇集点.在初始建立数据汇集树架构时便尽量减少多余的回传节点,以减少感测点的能量消耗.而在事件产生变动时,可应事件变化的调整机制让树架构依然有效率的运作.本文提出的方法与无线感测网络中的3个数据汇集技术EADA、Dual-Tree-Based和Range Query做比较,仿真结果显示本文的方法能够有效的延长网络存活时间,且在总能量消耗及系统开销（overhead）皆有良好表现.     

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。     

BP小波神经网络模型及其在交通事件检测中的应用

将小波变换和BP神经网络进行紧致型结合,提出了基于BP小波神经网络的高速公路交通事件检测算法,即采用小波函数代替BP神经网络的隐层节点函数,相应的输入层到隐层的权值以及隐层阈值分别由小波函数的尺度参数和平移参数代替,以上下游检测器的速度、流量和占有率作为算法的输入,采用梯度下降法进行网络训练,构建适合于交通事件检测的小波神经网络模型。最后在Matlab中实现了对新加坡AYE仿真数据的实例分析,并将其与现有的经典算法进行了对比分析。结果表明,BP小波神经网络算法在检测率和平均检测时间方面具有明显的优势。     

基于视频的交叉口排队过程感知及预测

在研究交叉口排队过程中,全面、精细地感知及预测方法一直是难点. 传统的排队过程感知方法缺乏不同排队阶段的精细感知和关联,无法得到全面、精细的交通参数. 对此,提出一种基于视频、分阶段感知再关联的排队过程感知及预测方法. 该方法包括3 部分：第一,通过目标检测和边缘检测提取道路和车辆信息;第二,对道路和车辆边缘信息进行卷积融合,检测排队区域和排队长度;第三,利用车辆位置重构和KCF跟踪等方法感知并关联不同排队阶段,重构并预测交叉口车辆运行轨迹,得到精准到车辆个体的排队车辆数和停车延误等参数. 实验结果表明,所提方法在检测正确的情况下,平均95.7%的排队车辆轨迹重构结果是准确的;并且在实际应用场景测试中,在不同车流量和光照条件下均可取得满意的效果.     

高速公路固定检测器布设方案分析

为研究高速公路交通事件检测算法及固定检测器布设间距,设计高速公路基本路段的人工神经网络事件检测算法,并研究基本路段检测器布设间距为200～700m时,使用不同情况的事件来检测效果。利用VISSIM4.2软件仿真获得数据,并在MATlab人工神经网络工具箱中计算,验证所设计的事件检测算法的有效性,得出基本路段固定检测器的合理布设间距。     

区域交通预测中土地利用模型的研究

根据区域交通运输的特点,研究区域节点的土地利用状况与节点间交通需求二者之间的直接关系,改进以往区域交通需求预测方法中节点土地利用模型,建立区域中各节点的土地利用状况与区域中节点间交通量直接相关的两步式区域节点土地利用模型,即按照＂土地利用-交通需求预测＂的程序建立区域节点土地利用模型,可优化预测过程,提高预测精度。     

智慧公交为疫情防控时期的公共出行保驾护航

本文以新冠肺炎疫情防控为例,将国内疫情及其防控分为疫情突发时期,遏制疫情流行时期,防疫精准化、动态化、常态化时期三个阶段,并通过回顾性研究方法评述重大突发公共卫生事件影响下城市地面公共交通的信息化防控策略,分析公交防疫措施在智慧感知层、交换共享层、应用服务层存在的不足,提出了基于多元融合感知技术、加速自动驾驶场景应用、创新数据共享融通机制,持续深入推广大数据示范应用以及优化定制公交线路,丰富突发公共事件下交通行业应急策略体系的建议。     

基于自适应压缩感知的分簇式网络数据收集

分簇式传感器网络中基于混合压缩感知的数据收集方法可以有效减少数据传输量并均衡网络负载.但是,固定采样率因不能考虑信号的稀疏度在时间和空间上的变化,导致低采样率难以保证信号的重构质量,而高采样率又会造成资源浪费.针对此问题,基于数据线性程度分析提出了一种采样率自适应调整的分簇式网络数据收集方法.首先,Sink节点以簇为单位分析当前采样时刻与上一采样时刻重构数据的线性程度,以掌握数据变化趋势;然后,根据分析结果计算网络在下一采样时刻所需采样率及簇头节点所需观测值维数;最后利用数据传输树实现对簇头节点观测数目的自适应调节.仿真结果表明,与基于固定采样率的网络数据收集方法相比,该方法能够在增加少量反馈观测值维数所需的数据传输量的情况下有效提高压缩数据的重构精度.     

事件检测概率神经网络模型的建立与验证

在对概率神经网络(PNN)的分类机理、输入向量选取和网络设置进行分析的基础上,建立了用于识别两类事件模式(无事件模式和有事件模式)的事件检测PNN模型。采用高速公路路段1-880实地线圈数据集和事件数据集验证模型,通过比较PNN模型与多层前向神经网络(MLF)模型的结果,发现无论对于向北、向南或混合方向的高速公路事件检测,PNN模型的检测率(DR)比MLF模型高;平均检测时间(MTTD)比MLF模型短:但误报率(FAR)也较高。概率神经网络是高速公路事件检测的一种有效算法,其在理论基础、算法和学习速度等方面比多层前向神经网络具有优势。     

基于TCM的可信事件日志生成方法

系统事件日志记录是系统安全审计最重要的数据源.现有的日志保护机制主要解决事件日志生成后的数据完整性保护方面的问题,但对于日志数据生成阶段的可信生成方面还没有解决.本文主要贡献是提出了一种基于TCM模块的可信事件日志生成方法,为事件日志提供了生成时的数据完整性、可认证性等安全特性,增强了事件日志数据的可信性,通过分析证明了本方法的有效性和可实施性.     

���ڸ��������ݵij��п���·��ͨ�¼�����㷨�о�

交通事件是引发快速路交通延误的主要因素,迅速、有效的检测事件是快速路交通管理与控制的重要组成部分。本文利用CUSUM理论提出了基于浮动车数据的城市快速路交通事件自动检测算法;通过采集北京市快速路上的真实事件信息以及浮动车探测数据,对不同采样间隔条件下的算法性能进行了实际验证,并与传统的基于浮动车数据的UCB算法验证结果进行了对比分析。结果表明：所提算法在采样间隔为1分钟条件下的检测性能要优于采样间隔为5分钟条件下的检测性能;相对于UCB算法而言,所提算法的检测性能大大提高,在同一误报率条件下检测率可提高10%左右。     

基于粒子群优化SVM的高速公路交通事件检测

为了更加准确地检测出高速公路上的偶发性交通事件,采用一种粒子群优化SVM参数的高速公路交通事件检测算法,提升事件检测效果。文中运用高速公路实测数据集（L880）,对支持向量机算法进行分类性能测试,并且采用改进的粒子群优化算法对支持向量机的参数进行优化,进而利用测试集数据对该模型进行验证比较,获得满意的检测效果。     

地铁枢纽通勤乘客体能消耗实验设计及感知分析

大城市地铁对通勤出行者吸引力不断增强,地铁通勤大客流现象呈常态化趋势。地铁枢纽作为地铁网络节点,通勤大客流现象更为频发、显著性更强,地铁枢纽大客流也会对乘客生理感知造成较大影响。通过地铁枢纽内通勤乘客的体能消耗测量实验,获取通勤乘客在地铁枢纽内的体能消耗数据,分析通勤乘客在地铁枢纽的出行体能消耗影响因素,得出初始状态、自身体重、拥挤度、性别等因素对乘客生理感知疲劳度有明显影响。基于降低出行者生理疲劳及提升乘客感知服务水平,提出地铁枢纽的大客流服务改善策略。     

基于VISSIM的交通事件检测仿真及数据处理

采用VISSIM软件模拟交通事件,获得交通流数据,作为检测系统的训练源数据.利用MAT-LAB软件进行仿真.结果表明：相对于其他算法,该网络结构具有检测率高、误报率低、检测时间短的优点,完全适用于交通事件检测系统,同时也存在不足之处,指出了今后进一步研究的方向.