基于粒子滤波的场景事件实时识别

为解决智能监控场景中场景事件的检测与分析问题,提出了一种基于粒子滤波的场景事件实时识别方法.将场景事件分解为一系列的子事件,构成多层动态贝叶斯网络模型,模型中每一状态对应一种事件.采用Particle F ilter粒子滤波方法对模型中各节点状态的后验概率进行实时估计,以对场景事件进行实时识别.采样不同的粒子数目进行了对比仿真试验,仿真结果表明该方法能够得到较高的识别精度.     

基于多SVM分类器融合的高速公路异常事件检测方法

提出了一种利用多SVM分类器对高速公路中的复杂交通信息进行有效融合的异常事件检测方法.首先,将初始训练集划分为互不重叠的子集,为每个子集训练分类器.给定一个输入向量,利用分类器求得其所属的类别标签,并计算出该向量对特定簇的隶属度.其次,利用概率方法将多SVM分类器分类结果进行融合,得到最终分类结果.接下来,将“车流量”、“行车速度”、“道路占用率”、“相邻监测站的车流量差值”、“速度差值”以及“道路占用率差值”等交通参数表示为特征向量,分别输入到经过训练的SVM分类器,并将多SVM分类器融合后的分类结果作为判别异常事件的依据.最后,从5个具有代表性的高速公路路段采集到的交通数据构造实验数据集.实验结果表明,对比单一SVM和LS-SVM,文章提出的基于多SVM分类器融合的高速公路异常事件检测方法可以有效提高高速公路异常事件检测的准确性和可靠性,弥补了仅使用单一交通参数进行异常事件检测的不足.     

基于事件序列图ESD的跑道入侵危险性分析

随着机场交通量的增大,跑道入侵事件增长迅速,对于机场的安全造成一定的影响,对跑道入侵进行危险性分析显得尤为重要。采用动态的基于事件序列图ESD的方法对跑道入侵进行分析,详细描述了不同跑道使用情况和管制流程下的机场跑道运行情况,研究动态因素对于系统和事故发展进程及其后果的影响。研究表明在无法消除危险源的情况下,能够及时把握场景事件的发生,能够有效避免跑道入侵事件的发生,因此为预防跑道入侵事件提供了新的思路和方向。     

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。     

交通事件下路段通行能力多层模糊估计方法

交通事件常导致道路网络区域性拥堵。研究交通事件下路段通行能力估计方法，有助于精准施策，缓解交通拥堵，提高道路服务水平。针对交通事件下路段通行能力影响因素复杂、样本数据量少等问题，本文提出基于多层模糊的通行能力估计方法。首先，宏观分析路段通行能力影响因素间关联性，基于模糊逻辑，构建通行能力估计模糊子系统，并将各类交通事件影响量化为多项特征值。其次，研究以交通事件影响量化特征值为输入，构建路段通行能力多层模糊估计方法，输出路段通行能力折减率。最后，通过实际案例验证模型的有效性，对比分析交通事件下路段通行能力实测值、经典通行能力计算方法与本文方法。结果表明：本文方法适用于多种交通事件场景，通行能力估计总平均误差为5.43%，相较HCM折减车道法估计精度显著提高。在交通事件动态检测数据支撑下，研究成果可在线估计交通事件影响下的路段通行能力，可为交通管理部门实现非常态下的智能管理与控制提供支持。     

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。     

高速公路交通事件发生概率的短期预测

通过分析由两个相邻的交通检测器观检测得到的实时交通流数据,建立一个可以估计交通事件发生概率的模型。该模型表明,交通事件发生的概率与稳定交通流中上游交通流密度所占的比例和上游、下游交通流的速度差这两个因素具有较大的相关性。该模型只需要利用基本的交通数据便可估算交通事件的发生概率,在高速公路的管理中有较大的应用价值。     

基于需求预测与CTM的高速公路交通事件影响范围预测

交通事件在高速公路上经常发生,其时间与空间上的不确定性,以及对上游路段和相邻国省道带来的动态衍生影响,使得提前制订具有针对性的预案难度很大.如何快速预测交通事件的影响范围以及交通管控措施的实施效果,成为高速公路应急处置管理的基础.提出基于交通需求预测与元胞传输模型相结合的技术,首先通过卡尔曼滤波算法估计和预测交通需求矩阵,并将上述交通需求加载在元胞传输仿真模型中模拟未来路网的交通运行状态,用于实时、快速预测交通事件发生后未来短时的交通拥堵发展态势.基于该技术,开发了公路网交通运行状态预测系统,通过实际数据的测试,证明该系统在公路网交通事件影响范围预测方面具有良好的精度,并且预测精度随着路网基础交通量的增大而提高.     

交通事件和干预作用影响下的高速公路车流波分析

运用流体力学车流波理论,分析了交通事件和干预措施综合作用下对车流状态的影响,建立了基于车速———交通密度一般模型下的车流波波速模型、干预作用产生的干预波和交通事件影响产生的集结波、启动波、消散波相互作用产生的车流波位置和对应时刻模型以及分流干预措施解除时刻模型.这些模型或关键参数的确定,为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据.     

交通事件和干预作用影响下的高速公路车流波分析

运用流体力学车流波理论,分析了交通事件和干预措施综合作用下对车流状态的影响,建立了基于车速———交通密度一般模型下的车流波波速模型、干预作用产生的干预波和交通事件影响产生的集结波、启动波、消散波相互作用产生的车流波位置和对应时刻模型以及分流干预措施解除时刻模型.这些模型或关键参数的确定,为有效确定事件处理方案,尽快消除拥挤或阻塞提供了理论依据.     

基于概率支持向量机方法的人脸识别

针对智能会议场景对人脸识别的特殊情况,通过依据检测、跟踪得到头部区域与人脸区域的面积比,选择正面的人脸进行识别,降低了人脸姿态对人脸识别的影响.在分类方法的选择上,采用支持向量机方法,并对支持向量机方法进行了概率建模,分类器输出结果是测试人脸属于每类的概率.实验结果表明:该方法不仅使人脸识别的精度得到了提高,还提供了其属于所在类中的可信程度.     

基于群体决策的多交叉口协同控制方法

基于竞争-合作的群体决策机制,将单点信号优化构建为各相位的交叉口通行权的竞争过程,将多点协同构建为上下游相位之间的协作过程,提出了一种兼顾多交叉口协同效益和单交叉口控制优化的路网信号配时设计方法;利用车路协同环境下路网内车辆路径信息的可感知性,动态精准地量化解析上下游交通耦合关系;在此基础上建立了分层动态决策框架,在单层决策中剥离了上下游交叉口控制决策对本地决策的影响,解耦协同控制模型中路网交通状态和信号控制决策之间的复合关系;设计了基于交叉口内各交通流向竞争力的分布式信号配时决策算法,并通过仿真试验平台比较了群体决策协同控制方法与传统协同控制方法的控制效果。研究结果表明：相较于传统协同控制方法,群体决策协同控制方法可动态适应路网交通需求,在交通效率和稳定性上具有显著优势,在不同饱和度的交通需求水平下可降低车均延误15%以上;在路网交通饱和度较高的情况下,群体决策协同控制方法延误降低幅度可达19.2%,控制优势更加明显;由于群体决策协同控制方法可在下游交叉口进口道车辆排队过长时减少上游车辆流出,可降低路网最大排队长度超40%,有效规避路网溢流风险;通过对群体决策协同控制模型的分布式求解...     

考虑连接性的路网划分算法

针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题.先使用最大最小距离算法确定初始聚类中心和路段差异性,并以聚类评价指标ANSK确定K值;然后统计连续时间间隔下路网划分结果的动态频数,合并和拆分不稳定的“噪声”路段,提高划分子区内路网的紧凑性.最后,基于现实路网中的车牌照自动识别实测数据,对改进的聚类方法进行了验证.将算法得到的划分效果与K均值聚类算法和Ncut算法进行对比,并对子区做宏观基本图分析.结果表明,改进后的K均值聚类算法在保证自身原有聚类优势下,可以有效实现连接性约束下的路网划分.     

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.     

基于仿真实验验证宏观基本图的存在性

研究采用Vissim仿真实验的方法,验证了宏观基本图模型的存在性.通过实测数据的标定,建立了阿姆斯特丹高速公路交通网络模型.为了使宏观基本图能够反映交通拥堵产生的全过程,采用实验对比的方法确定了网络交通需求的大小.通过采集关键参数验证了宏观基本图（MFD）在仿真路网中的存在性.研究分析了不同车道数的临界密度,定义了不同严重程度的路网拥堵,基于仿真数据,用MFD模型反映了路网拥堵的动态变化过程.     

基于运行数据的航班运行关键风险因素推断

为降低由于运行控制人员个体差异导致的航班运行风险,提升航空公司运行 控制能力,通过对航班运行程序的系统分析,结合运行数据,从飞行机组、机场、天气、航 路和航空器等运行角度筛选风险因素,建立航班运行控制风险评估指标体系;利用基于 事故树的贝叶斯网络分析方法,以历年不安全事件报告为样本,正向推理预测得到不安 全事件发生概率;综合3 种重要度分析结果,辨识关键致险因素.结果表明,机长和副驾驶 技术水平、机组间搭配、与空管人员配合等5 项关键风险因素概率值超过了40%,严重影 响航班运行安全.风险推断结果与实际运行情况相符.     

基于仿真的离散事件系统生产资源优化配置研究

离散事件系统(DES)在生产制造和物流等系统中普遍存在，这类系统由于事件发生的随机性、动态性和在时间点上的离散性，难以建立确定性的数学模型对此类系统中的生产资源配置问题进行研究．本文分析了基于仿真方案择优和逆向仿真的资源优化配置方法，提出了一种基于仿真优化思想的离散系统生产资源优化配置结构，并将其应用于港口拖轮优化配置问题的研究．     

一种网络安全事件自动处理平台的设计

为实现对网络安全事件的高效适时处理,本文给出了一种集成的网络安全事件处理业务支撑环境的平台搭建设计,并详细阐述了系统整体架构、数据库和业务流程的设计过程。该设计方法具有较强的普实性,可以直接移植应用到其它办公自动化系统的设计环节。     

Thread labeling for news event

Automatic thread labeling for news events can help people know different aspects of a news event. In this paper, we present a method to label threads of a news event. We use latent Dirichlet allocation (LDA) topic model to extract news threads from news corpus. Our method first selects the thread words subset then extracts phrases based on co-occurrence calculation. The extracted phrase is then used as a label of a news thread. Experimental results show that about 60% of generated labels visualize the meaningful aspects of a news event. These labels can help people fast to capture many different aspects of a news event.