基于贝叶斯建模的轨道占用识别方法

识别列车所在轨道,是列车运行控制系统必不可少的功能. 提出一种数字轨道地图辅助的基于贝叶斯建模的轨道占用识别方法. 首先,在考虑全球导航卫星系统(Global Navigation Satellite System, GNSS)与方向相关测量误差的基础上进行地图匹配,采用卡尔曼滤波算法处理速度测量值,通过加权求和的方式对GNSS与速度信息进行融合,获得列车沿轨道方向的一维位置;其次,对列车位置假设进行贝叶斯建模,计算在给定GNSS与速度测量的前提下所有可能的位置假设的概率;最后,与设置的假设概率阈值进行比较,对不同的识别结果进行分类. 实验结果表明,基于贝叶斯建模的轨道占用识别法能够减少剔除小概率假设所需的距离,与垂直投影法相比,该方法可以对列车所在轨道做出更确定的判断.     

基于卫星导航的列车轨道占用加权识别方法研究

全球卫星导航系统在列车位置服务中的研究越来越广泛，基于卫星导航的列车定位方法可结合轨道电子地图将卫星定位结果转换为一维轨道里程值，其中列车轨道占用状态的正确识别是列车卫星定位的基础.本文提出一种基于地图匹配的适用于道岔区段内列车轨道占用加权识别方法，首先构建列车卫星定位的置信区域，然后计算置信区域内的线路数据与原始卫星定位结果的距离偏差和方向偏差等，对列车的轨道占用状态进行识别，并综合考虑铁路线路的拓扑结构，以及列车运行状态以提高运算效率.结合现场数据并与垂直投影法和交互多模型法对比可知，本文方法在保证轨道占用识别正确率的基础上，提高了计算效率.     

基于卫星导航的列车轨道占用加权识别方法研究

全球卫星导航系统在列车位置服务中的研究越来越广泛，基于卫星导航的列车定位方法可结合轨道电子地图将卫星定位结果转换为一维轨道里程值，其中列车轨道占用状态的正确识别是列车卫星定位的基础.本文提出一种基于地图匹配的适用于道岔区段内列车轨道占用加权识别方法，首先构建列车卫星定位的置信区域，然后计算置信区域内的线路数据与原始卫星定位结果的距离偏差和方向偏差等，对列车的轨道占用状态进行识别，并综合考虑铁路线路的拓扑结构，以及列车运行状态以提高运算效率.结合现场数据并与垂直投影法和交互多模型法对比可知，本文方法在保证轨道占用识别正确率的基础上，提高了计算效率.     

基于道岔曲线信息的列车定位方法研究

在安全苛求的现代列车控制系统中,列车的实时定位是一个十分重要的环节. 传统的基于里程计的列车定位方法只能提供列车行驶的里程信息,在具有多条平行股道的铁路车站,传统的列车定位方法无法解决轨道占用识别的问题. 本文根据列车在铁路线路上运行的特点,提出了基于道岔曲线信息的列车定位方法,该方法利用GPS及惯性传感器辅助提取列车在道岔处的速度、加速度、角速度等运行特征,得到列车在道岔处的转弯半径、曲率变化及运行方向,并通过与车载地图数据库进行比较,实现准确的轨道占用识别及列车定位. 文中给出了采用传感器获取运行特征的方法以及实现道岔信息匹配的流程. 现场测试结果表明,在当前试验条件下,该方法已具备较强的轨道占用识别能力,能够在一定程度上提高列车定位的性能.     

���ڵ���������Ϣ���г���λ�����о�

在安全苛求的现代列车控制系统中,列车的实时定位是一个十分重要的环节. 传统的基于里程计的列车定位方法只能提供列车行驶的里程信息,在具有多条平行股道的铁路车站,传统的列车定位方法无法解决轨道占用识别的问题. 本文根据列车在铁路线路上运行的特点,提出了基于道岔曲线信息的列车定位方法,该方法利用GPS及惯性传感器辅助提取列车在道岔处的速度、加速度、角速度等运行特征,得到列车在道岔处的转弯半径、曲率变化及运行方向,并通过与车载地图数据库进行比较,实现准确的轨道占用识别及列车定位. 文中给出了采用传感器获取运行特征的方法以及实现道岔信息匹配的流程. 现场测试结果表明,在当前试验条件下,该方法已具备较强的轨道占用识别能力,能够在一定程度上提高列车定位的性能.     

一种基于手机定位数据的出行行程识别方法

提出并实现了一种基于手机定位轨迹数据的出行行程识别方法.通过速度对轨迹点进行划分,将低于一定速度阈值以下的轨迹点合并为候选停留位置,再利用距离阈值和时间阈值对候选停留位置进行合并,从而确定出真正的停留点,继而自动统计出行次数和出行时间.该方法解决了手机定位数据的定位漂移和抖动的问题,行程识别精度高,识别结果可为交通规划工作提供相关数据,并具有比传统交通调查方法更低的成本和更短的数据更新周期.     

基于轨迹特征的船舶停留行为识别与分类

为准确评估大规模轨迹数据中的船舶停留活动,构建了两阶段船舶轨迹停留点提取策略,提出了特征驱动的船舶停留行为识别与自动分类方法;以距离、时间和轨迹点数量为约束条件构建了规则模型,检测了原始轨迹中的停留候选轨迹,引入孤立森林算法检测和去除异常离群点,提取了高聚集度的船舶停留轨迹集合;基于船舶靠泊和锚泊的时空特征,定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标,构建了新的轨迹相似性度量模型,量化了船舶停留轨迹点的分布特征和聚合程度,并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类;采用提出的方法处理了3个不同水域的船舶轨迹数据,准确获取了船舶停留行为的分类结果,并验证了船舶锚泊与靠泊在轨迹时空特征上的差异性,以人工标注结果为参考依据评估了船舶停留行为识别与分类的准确性。研究结果表明：船舶靠泊的轨迹点重复率在80%以上,最远点对距离和相邻点平均距离分别为6~11和1~2 m,船舶锚泊的轨迹点重复率在10%以下,最远点对距离和相邻点平均距离分别为150~250和8~10 m,说明轨迹点重复率、相邻点平均距离和最远点对距离这3个时空特征对船舶靠泊和锚泊具有显著的区分能力;提出的方法对船舶停留识别分类的正确率在98%以上,充分证明了其有效性;采用提出的方法可更新已有码头和锚地的空间位置,自动识别规则水域外的船舶异常停留和规则水域内的超长时间船舶异常停留,掌握在港船舶停留分布情况,识别不同季节、不同时段的热点码头和锚地,从而辅助优化港口规划布局和交通组织。     

改进的Sliding Window在线船舶AIS轨迹数据压缩算法

分析了船舶AIS数据的时间序列特征与船舶操纵特性, 提出了改进的Sliding Window在线压缩算法; 计算了277艘船舶总计1 026 408个坐标点的AIS轨迹数据, 确定了合适的压缩阈值, 分析了距离阈值与角度阈值对算法压缩率的敏感程度; 根据压缩率图像的阶跃点, 推荐了高、中、低3个档位的距离阈值和1个角度阈值, 对比了Douglas-Peucker算法和改进Sliding Window算法的压缩率与压缩效率。试验结果表明: 随着压缩率的提高, 压缩后所剩下的点越来越少, 数据所保留下来的有用信息也越来越少; 压缩率与距离阈值、角度阈值均呈正比; 经量纲为1化处理的高、中、低档位压缩距离阈值分别为43%、38%、33%船长; 距离阈值为130m时, 角度阈值超过9°后压缩率平稳, 所以推荐角度阈值为9°, 与《海港总体设计规范》 (JTS 165—2013) 中风流压差角8°相接近; 随着距离阈值的增大, Douglas-Peucker算法和改进Sliding Window算法压缩率趋于相近, 当距离阈值为120 m时, Douglas-Peucker算法压缩率仅比改进Sliding Window算法高1.74%;在5种距离阈值的情况下, Douglas-Peucker算法运行所用的平均时间是改进Sliding Window算法的5.39倍; 随着数据量的增大, 2种算法压缩效率的差距更加明显。可见, 改进的Sliding Window算法能在降低压缩风险的同时大幅提高压缩效率, 可以在数据持续更新的状态下一直保持压缩状态, 与普通压缩模式相比, 系统所占用的资源更少, 处理效率更高, 可用于船舶轨迹数据处理、电子海图显示与对船舶关键行为特征提取等方面。     

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明：与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。     

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。     

基于轨迹-速度耦合策略的复杂道路汽车行驶速度决策

为了提供复杂道路上汽车自动驾驶的目标速度,提出了基于前视轨迹曲率的速度决策算法:首先决策出前视断面的轨迹点,算出每个点位的轨迹曲率并将其作为输入数据;然后从时间最省、驾驶最舒适、定速巡航以及混合模式中选择其一作为决策目标;在速度界限以及纵向/侧向舒适性约束下进行滚动时域优化,决策出前视断面上的期望速度值,随着车辆的行驶前视断面依次向前滚动,最终得到沿行驶距离变化的速度曲线.用复杂山区道路的实测数据验证了模型的精度,以2条公路和1条赛道作为仿真算例,结果表明:(1) 通过组合不同的轨迹决策目标和速度决策目标,能够得到多种驾驶模式的速度曲线,进而模拟出多种实际驾驶行为;(2) 由于前视轨迹是在通道边界内生成,弯道半径、转角、回旋线、路宽、偏转方向等用于确定通道边界的道路变量,都会改变轨迹特性进而影响行驶速度,因此,本文算法能够适应复杂的道路几何条件.      

基于弹复力调整的高速列车群动态运行轨迹优化方法

为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明：提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著，本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据，调用开放地图接口地理编码解算事故地点经纬度，使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入，为解决这一局限，建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型，并与原始聚类模型进行对比.结果表明，优化算法在参数确定上更加智能，对簇的划分更加准确，对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分，证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著，本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据，调用开放地图接口地理编码解算事故地点经纬度，使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入，为解决这一局限，建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型，并与原始聚类模型进行对比.结果表明，优化算法在参数确定上更加智能，对簇的划分更加准确，对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分，证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

铁路网络列车运行调整的优化模型 及其分支定价算法

研究了铁路网络中列车可变更运行线路下的列车运行调整问题,目标是使得所有 列车偏离终到时间之和最小化.首先引入流平衡约束建立基于列车到发时刻的网络流模型,采 用商业软件GUROBI求解.同时构建了基于列车时空路径的整数规划模型,并给出了分支定 价算法,采用伪费用分支和最佳优先搜索策略加快算法的收敛.最后设计算例进行验证,通过 与GUROBI对比说明本文算法是有效的.当列车数为20 列时,求解时间减少91.6%,得到的最 终可行解距离最优解的间隔为9.72%.验证了本文分支策略较最为分数分支策略更优,列车运 行调整可变更线路相比于只能按原始线路行驶平均可降低目标函数值37.4%.     

基于时空聚类算法的轨迹停驻点识别研究

利用手机等智能移动终端获取个体出行GPS轨迹数据,提出了一种新的时空聚类算法AT-DBSCAN识别轨迹中的停驻点.该方法以固定长度的滑窗搜索核心点,以时空邻近条件定义簇间距离,以簇密度大小规定合并次序.提出了出行次数一致性、出行起止时刻误差、停驻点时长误差、停驻点中心偏移距离4个算法验证指标,弥补了传统查全率、查准率等忽略停驻点时空信息准确性的不足.结果表明,识别的停驻点有98%的位置误差在30m以内,100%的时长误差在5min以内,98%的出行起止时刻误差在5min以内.此外,算法对于室内活动、定位飘移、路径重合程度高等复杂轨迹具有较好的泛化能力.     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

基于决策理论的软件无线信号调制样式自动识别

信号调制样式的自动识别是软件无线电台必须具备的功能之一.主要讨论了基于决策理论的信号调制样式自动识别的基本原理和算法,论述了模拟信号调制样式的自动识别,数字信号调制样式的自动识别方法.也分析了在实现这些算法时会碰到的许多具体的实际问题,提出了能解决这些问题的调制识别新方法-人工神经网络识别法.     

基于多传感器的轨道区段占用解决方案

针对轨道电路分路不良的问题,提出一种基于多传感器的轨道区段占用解决方案.该方案利用红外对射、接近开关和测距3种传感器不同的安装方法来实现数据采集,基于D-S证据理论建立了轨道占用检测模型,并通过Petri网的轨道占用检测模型实现列车计轴,在上位机实现对轨道占用情况的判断,以此对铁路行车控制提供有效依据.分析表明,本文设计的轨道电路占用解决方案的危险侧失效概率达到10-7,MTBF(平均故障间隔时间)达到105 h,满足铁路应用的可靠性和安全性需求;与传统轨道电路相比,解决轨道区段占用问题的正确率提高了20%.      

船舶AIS大数据资源管理及分析应用架构设计

为充分探索船舶自动识别系统大数据在统计决策和安全监管方面的应用价值,系统性地提出了船舶AIS大数据资源管理与分析应用架构。首先,根据船舶AIS大数据特点,设计了船舶AIS大数据处理流程和存储策略,为后续高效计算提供支撑;然后,提出并实现了基于船舶AIS大数据的船舶轨迹重建算法、断面船舶流量统计算法、船舶进出港区识别算法、船舶航行状态分析算法四种基础算法;最后,基于上述计算方法,将船舶AIS大数据应用于断面流量统计、船舶规范使用船载AIS设备行为监控以及船舶规范执行进出港报告情况监控等场景,结果表明船舶AIS数据在统计决策和安全监管方面具有一定的应用价值。