基于Morgenstern-Price法和改进径向移动算法的边坡稳定性分析

为了能够准确确定边坡的非圆弧临界滑动面位置及其相应的安全系数,采用一种新的启发式优化算法——径向移动算法,对边坡进行稳定性分析。通过调整原算法中的数据结构,增强粒子的自反馈能力,提出改进径向移动算法（IRMO）。安全系数的求解采用严格的Morgenstern-Price法,应用Newton-Raphson法,建立了满足条间力平衡与力矩平衡的Morgenstern-Price法中安全系数F和条间力参数λ的迭代计算公式。基于Morgenstern-Price法,采用IRMO算法对边坡稳定性进行分析,通过2个典型边坡算例和1个复杂海堤边坡实例,从稳定性、精确性、计算效率等多个角度将IRMO算法与未改进的径向移动算法进行对比论证,同时将IRMO算法与粒子群算法、改进粒子群算法等其他算法进行对比分析。结果表明：相比未改进的径向移动算法,IRMO算法连续搜索20次临界滑动面的结果重叠度更高,证明IRMO算法稳定性更强,IRMO算法的安全系数值随代数收敛的速度更快,证明IRMO算法的计算效率更高;与粒子群算法、改进粒子群算法等启发式算法相比,IRMO算法搜索到的临界滑动面位置与其他算法一致,安全系数计算结果更接近裁判答案,标准差也最小,证明IRMO算法在边坡稳定性分析问题上更具可行性与优越性;通过海堤边坡实例的分析,IRMO算法得到了该边坡合理的安全系数值和临界滑动面位置,表明该算法能够正确评估边坡稳定程度,可以应用于实际工程中。     

基于多特征的纹理特征提取方法研究与应用

纹理是图像的1种重要视觉特征,常用于识别和区分图像。纹理特征的提取则是其应用需首先解决的问题。通过总结分析目前较为常用的纹理特征提取方法,基于灰度共生矩阵(GLCM )算法、局部二值模式(LBP)算法和小波变换(DWT )算法的特点,提出基于多特征的纹理特征提取算法,即将各算法提取的特征进行融合。融合中使用权重对参数进行配置。论文设计了1种图像检索实验,通过图像检索实验比较了各算法提取的特征对纹理的描述能力。结果表明,对于Co rel图像库,笔者提出的多特征的纹理特征提取算法检索的平均查准率相对于GLCM 算法提高了20%,相对于LBP算法提高了9%,相对于DWT算法提高了10%,相对于徐少平等人提出的特征融合方法提高了15%。证实了文中所提出的算法能够兼顾各算法的优点,并具有较好的旋转不变性和尺度不变性。其不足之处是需要同时提取GLCM 算法,LBP算法,DWT 算法下的纹理特征,计算所需时间是后3种算法时间之和,使算法的实用性受到了一定的限制。      

一种快速挖掘模糊频繁项集的方法

文章针对快速挖掘模糊频繁项集问题,提出了一个基于fp-树的快速算法FFP,该算法提高了快速挖掘模糊频繁项集的时空效率。实验表明,该算法的执行效率较Apriori算法或类Apriori算法算法有着明显改进。     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。     

决策树算法在学生选课系统中的应用

决策树算法是一种直观的、易于理解和实现的科学算法,将决策树算法积极运用于学生选课系统中能够获得诸多良好的效果。本文在分析决策树以及决策树分类算法中最常使用的C4.5算法的基础上,重点研究了决策树算法在学生选课系统中的应用。     

基于改进型蚁群算法的车辆导航路径规划研究

在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。     

改进粒子滤波算法在组合导航中的应用

为了提高组合导航定位系统的定位精度和可靠性,分别对扩展卡尔曼滤波(EKF)、粒子滤波(PF)和U卡尔曼滤波(UKF)3种算法进行了分析。通过分析3种算法各自的特点,将PF算法和UKF算法的优点相结合,提出了一种新的粒子滤波算法——U粒子滤波(UPF)算法,并将其应用于GPS/DR组合导航系统中。通过对UPF算法与PF算法在GPS/DR组合导航系统中的仿真研究比较,进一步证实了UPF算法的可行性及计算的精确性。     

基于激光雷达的3D实时车辆跟踪

3D多目标跟踪算法是智能车辆感知算法的重要组成部分,现有跟踪算法多与检测算法耦合以提高精度,导致算法实时性不足。针对此问题,本文中提出一种基于激光雷达的3D实时车辆跟踪算法。首先,对于激光雷达检测结果杂波较少的工况,提出结构精简的双波门GNN关联算法,有效提升其关联速度及精度;其次,优化关联向量与关联距离,既保证了算法的普适性,又提升其跟踪精度;最后,针对3D目标运动情况使用3D IMM-KF算法解决了3D机动目标的跟踪问题。基于公开数据集KITTI,本文算法在获得266.1 FPS跟踪速度的前提下可实现81.55%的MOTA精度;基于自研无人车平台进行面对遮挡工况的验证,结果表明本算法具有良好的目标跟踪及关联性能。     

一种组合式高速公路交通事件检测算法

传统的高速公路事件检测算法原理简单、容易实现,但很难达到高检测率和低误报率的效果。国内外学者越来越偏向于研究复杂算法,虽在理论上取得了较好的效果,但因数据传输量大、数据处理繁琐、对设备要求高等特征,降低了这些算法的实用性。因此,如何构建适合现状高速公路检测设备和软件系统,且具有良好检测效果的实用性算法,成为目前高速公路事件检测技术的热点话题。文中基于降低硬件成本和运行费用、提高检测效果这一目标,利用不同情况下各自算法特征值的变化规律,提供了一种基于California算法和滤波算法的组合算法。仿真研究表明,与单独应用California算法或滤波算法相比,这一组合算法在软硬件费用不增加的情况下,具有较高的检测率,且能有效降低误报率。     

C-V2X应用场景的算法建模及评价模型综述

V2X利用无线信息交互技术,实现车与其他实体之间的信息交互,将"人、车、路、云"交通参与要素有机地联系在一起,构建一个智慧的交通体系。算法的评价基于算法建模,通过建模梳理算法的逻辑思路,输出算法相关的标定参数,进而使算法性能达到更优。基于C-V2X应用场景的算法评价模型,旨在研究如何评判不同应用场景的实现优劣,用于设计出标准的指标参数衡量算法的性能,重点从算法计算效率和算法有效性2个维度考虑,构建起评估算法功能及性能的立体模型,多角度权衡并分析,从而对应用场景的实现给予评估反馈。     

基于决策树的异常电池分类方法

提出了一种基于决策树算法的异常电池精准定位和分类方法，帮助人们在电池维修或更换时能够迅速确定故障单体的位置和类型，从而实施准确的维修更换方法，提高故障处理的效率。搭建电池仿真模型获取异常电池的充放电循环数据；以电压数据为基础，训练用于异常电池分类的决策树算法，使用试验数据和云端实车数据对构建的模型进行验证。验证结果表明，该方法能够准确判断异常电池单体在电池组中的位置和异常类型。在不同验证数据上，该方法的分类准确率高达98%以上，能够有效筛选出动力电池组中的异常电池。该结果说明了提出的决策树算法在动力电池异常分类中的有效性和准确性。     

基于决策融合的城市道路交通事件自动检测算法研究

为了提高城市道路交通事件自动检测算法的性能,引入算法性能可靠度概念对基于浮动车数据和感应线圈数据的事件自动检测算法检测结果进行决策融合。决策融合算法包括3个模块：①感应线圈数据算法模块：选择流量、占有率、路段长度、前一个检测周期的检测参数作为输入参数,训练BP网络进行事件判别;②浮动车数据算法模块：使用误差分析理论确定满足数据精度要求的最小浮动车样本量,选择路段行程时间、行程速度作为BP网络输入参数,进行事件判别;③决策融合模块。引入算法性能可靠度概念,计算模块一和模块二判别结果的权重值,使用加权平均法进行决策融合。通过Vissim仿真获得数据,在Matlab中编程实现算法的计算,仿真结果表明决策融合算法的性能优于单数据源事件自动检测算法。     

基于多属性决策的无人驾驶自主变道决策技术研究

在无人驾驶领域,随着车辆上布置的传感器不断丰富,无人驾驶系统可以从周围环境获得更多的信息,从而为车辆的自主判断行为决策带来可能。然而即使是有经验的驾驶员在进行变道动作的时候也需要格外的小心,因此无人驾驶系统的变道行为分析需要做到足够准确和谨慎,才能保证安全性,这也正是目前为止还没有非常完善的无人驾驶变道决策系统的原因。本文提出一种基于多属性决策的无人驾驶自主变道决策技术,帮助无人驾驶车辆在道路行驶中进行更有效、更安全的自主变道决策。     

基于分段学习模型的自动驾驶行为决策算法研究

在具有车道线的特定自动驾驶场景中,针对目前端到端的行为决策算法直接输入原始图像进行决策导致的网络模型迁移性差、预测精度欠佳、泛化能力不足等问题,提出一种基于分段学习模型的车辆自动驾驶行为决策算法。首先,基于GoogLeNet建立一种端到端的车道线检测网络模型,并引入车道中心线作为决策的重要线索提高算法的迁移能力,同时利用YOLOv3目标检测模型对本车道内前方最近障碍物进行位置检测;而后,经几何测量模型将两者检测结果转换成环境状态信息向量为决策做支撑;最后,构建基于长短期记忆(LSTM)网络的驾驶行为决策模型,根据编码的历史状态信息刻画出动态环境中车辆的运动模式,并结合当前时刻的状态推理得到驾驶行为参量。使用建立的真实驾驶场景数据集对模型分别进行训练、验证与测试,离线测试结果显示车道线检测模型的检测位置误差小于1.3%,车道内前方障碍物检测模型的检测精度达98%以上,驾驶行为决策网络模型表征预测优度的决定系数 大于0.7。为进一步验证算法的有效性,搭建了Simulink/PreScan联合仿真平台,多种工况下的仿真验证试验中多个评价指标均达到工程精度要求,实车测试的试验结果也表明该算法可实现复杂驾驶场景下平稳、准确无偏航的预测效果并满足实时性要求,且与传统端到端模式的算法相比,具有更好的迁移性和泛化能力。     

基于GIS的高速公路路面养护决策支持系统

建立了一个基于地理信息系统的高速公路路面养护决策支持系统,利用基于专家知识库的决策树模型进行项目决策、费用需求分析和费用影响分析,介绍了该系统的几项关键技术功能的建立,如数据库的建立、自定义功能的实现决策优化流程.     

黑点路段安全车速决策支持系统设计分析

在采集城市道路黑点路段车速数据的基础上，利用数理模型对车速数据进行分析处理，使用方法库对数据进行排序、分类均值收敛、择类管制收敛、循环收敛和多次检验，最终实现对城市道路安全车速限值的决策支持，并演示了该算法在实际项目中的应用。     

基于SVM的二叉树多类分类算法在工程车辆挡位决策中的应用

为了解决工程车辆挡位决策这种典型的多类分类问题,在介绍自动变速器挡位决策基本原理的基础上,提出基于SVM的二叉树多类分类的挡位决策算法,将分类器分布在各个节点上,从而构成了多类SVM,并在制定换挡策略时,考虑了工作油泵所消耗发动机功率的波动问题。试验结果表明:该方法可根据车辆运行状态确定最佳挡位,从而及时准确地满足工程车辆自动换挡要求。     

在路网中桥梁维修优先级的辅助决策方法

通过引用多属性决策的群排序方法的“加权偏差平方和最小的思想”排序方法来处理在资金受限制的情况下,维修优先级问题。本方法具有能够综合考虑各种因素对决策的影响,计算简单,易于操作等特点,且通过算例验算,该方法实用、可靠。     

基于ALARP的桥梁风险矩阵决策方法研究

通过对各种风险改善措施的效益进行分析,确定最优的方案,是桥梁工程中的风险评价和风险决策中常常遇到的问题。研究表明：当用于改善安全的资金达到一定程度时,会出现资金投入对风险控制的边际效应。采用决策论的理论和方法,结合风险矩阵和 ALARP准则,形成基于 ALARP 的桥梁风险矩阵决策方法。该方法不仅反映决策者的风险态度,也为基本的风险对策制定提供了依据。     

卫星定位不停车收费中基于决策圈的路径识别方法

首次提出在复杂区域使用决策圈的方法进行地图匹配,并提出一种GPS地图匹配和设置决策圈结合的新的路段识别方法,用于解决高速公路卫星收费系统或车栽导航中复杂路段地图匹配不准确的问题.对常规地图匹配算法GPS由于精度难以匹配的路段区域设定决策圈,对决策圈内路段进行特殊匹配处理.在处理方法上利用预先采集到的路段上的准确点代替电...