面向低速清扫车的信息融合车辆跟踪方法

交通参与者运动的准确跟踪与预测对智能车行为决策的有效性至关重要。传统运动目标的跟踪系统多采用单一传感器,难以保证数据的精度与可信度。为提高系统的鲁棒性与可靠性,设计一种融合毫米波雷达和相机的目标跟踪方案,该方案针对多目标的特征级信息进行融合。首先,考虑低速行驶的自动驾驶清扫车所处环境杂波较多,方案选择基于IMM/JPDA的多目标跟踪方法估计局部航迹。为降低JPDA数据关联的计算复杂度,结合基于马氏距离构造的椭圆关联门和基于车辆非完整性约束构造的扇形关联门,实现关联门的自适应调整,减少关联杂波的干扰。其次,结合传感器的配置与特性,对目标的航迹状态进行空间对准和时间对准,按照航迹点间的欧氏距离和互协方差选择融合模式,进行局部航迹融合。最后,为验证多目标跟踪和航迹融合方法的有效性与实用性,分别设计基于MATLAB/PreScan环境的仿真试验和基于智能清扫车平台的实车试验。研究结果表明：在横、纵方向上,融合后的系统状态都比单一传感器的估计状态更为准确,融合结果对单一传感器的估计误差有35%以上的提升;实车试验证明,该方案能有效融合ESR毫米波雷达和Mobileye单目前视相机的状态估计信息,能基本正确地跟踪目标和估计航迹;融合状态的横、纵向误差都在可接受范围以内,且融合状态比单一传感器的估计波动更小。     

基于Informer的客机长时4D航迹预测方法

客机长时4D航迹预测是基于航迹运行的重要基础,对于改善空中交通系统安全性能和优化空域结构有重要意义。针对现有长时4D航迹预测未充分考虑长序列航迹数据之间存在隐式关联信息等问题,借助Informer模型的自注意力机制,研究构建了基于Informer的长时4D航迹预测模型。为提取航迹数据的全局特征信息,增强数据独立性和时间序列特征学习能力,在数据嵌入层中增加全局时间戳模块,并利用航迹点序列等分层时间戳突破Informer模型固有的嵌入层时间刻度限制;为更好地捕捉非相邻时序序列点之间的隐式相关性,采用自注意力机制提取航迹数据特征,并运用概率稀疏方法降低自注意力机制的计算复杂度至O（LlogL）,同时在编码器中增加蒸馏机制以减少计算维度和网络参数量;为避免传统的逐步预测输出方法造成的误差累积现象,提高航迹预测精度,采用全连接层对预测输出数据进行维度调整,完成一步生成式输出。对历史4D航迹数据进行三次样条插值等预处理后,与时序特征数据同时输入到航迹预测模型中,经过模型迭代训练,输出航迹预测结果。实验结果表明：在同时预测航迹的4D特征时,基于Informer模型的预测表现优于LSTnet方法,其均方根误差和欧氏距离误差分别为0.218 5和15.980 km,相较于LSTnet网络分别减少了1.48%和2.44%。此外,对于分别预测航迹特征的任务,Informer模型的欧氏距离误差为13.248 km,相较于LSTnet网络减少了3.11%,相较于传统LSTM网络减少了34.99%。     

基于VAE-LSTM模型的航迹异常检测算法

为了检测出异常航迹数据从而提高航迹数据挖掘的精确性,将航迹异常检测转化为无监督学习问题,研究了基于VAE-LSTM的航迹异常检测算法.引入残差结构到LSTM中,建立残差门LSTM,通过将变分自编码器中的BP神经网络层替换为残差门LSTM层,实现对变分自编码器的改进,并构建了VAE-LSTM航迹异常检测模型.模型输入为航迹的速度、加速度、真航向和曲率半径运动特征,输出为航迹点特征的重建概率,重建概率小于概率阈值的航迹点为异常航迹点,包含异常航迹点的航迹判定为异常航迹.以长江水域内的航迹数据进行验证并与多种机器学习异常检测算法进行对比.VAE-LSTM航迹异常检测算法的召回率达到了0.935,F1值达到了0.940,各项指标均高于对比算法,验证了方法的有效性.     

特大型桥梁养护信息融合技术

为促进信息融合技术在桥梁管养决策中的应用,进一步推动桥梁工程领域的信息化进程,建立了特大型桥梁的养护信息融合框架。首先,分析了基于建设阶段和运营阶段的特大型桥梁纵、横向信息来源和流转路径。其次,提出了数据级、特征级和决策级3个信息融合层级,并阐述了各层级信息融合的主要内涵。再次,构建了由实施保障、流程保障、标准保障、模型保障组成的信息融合保障体系。最后,以港珠澳大桥的管养信息平台为例,阐述了信息融合技术在桥梁工程领域中的应用。结果表明,信息融合技术有助于构建规模巨大、构造复杂的特大型桥梁管养系统,并可有效提升管养决策的客观性。     

城市轨道系统安全信息集成接入与融合应用平台研究

在分析软件开发行业的发展现状和目前存在问题的基础上,通过对云计算、大数据、分布式对象等新兴技术的研究,以及对软件体系结构的分析,提出了一个分布式多系统数据融合应用平台及其架构,目标在于降低应用平台开发复杂度、提高软件生产率,并形成支持高性能、高可用度、灵活可扩展的软件系统结构模型,最终开发了城市轨道交通系统安全信息集成接入与融合应用平台,平台可实现城市轨道交通线网状态安全评估和数据服务的功能.通过对系统平台关键指标的多次验证,证明了平台的科学性与实用性,后续将投入实际应用.     

基于多传感器信息融合的车辆目标识别方法

鉴于传统车辆避撞系统中,因采用单一传感器进行目标识别,在感知范围、识别准确性等方面存在的固有缺陷,本文中提出了一种基于雷达与机器视觉信息融合的目标识别方法。该方法获取目标序列后,在目标级融合方法的基础上,引入马氏距离进行观测值匹配。再应用联合概率数据关联(JPDA)算法进行数据融合,建立系统观测模型与状态模型,从而实现了基于信息融合的目标识别。试验验证结果表明,该方法基于雷达与摄像头数据,可实现目标的准确识别与定位,其工程适应面更广。     

船舶航行交通事件实时检测技术研究现状与展望

船舶航行交通事件检测依赖基于历史数据的离线检测方法, 检测模型适用性差, 难以满足监管人员的实时监测需求。通过分析船舶异常行为检测、航行事故检测等现有交通事件检测技术, 可以发现: 在数据层面, 监测数据来源单一、环境信息缺失; 在方法层面, 基于统计、风险评估等经典模型的事件监测方法效率高但准确性低, 基于神经网络、图像识别等机器学习的检测方法准确性高但效率低; 多源数据融合、多项技术结合的交通事件检测方法成为实时检测方法的发展趋势。在此基础上, 梳理了实时船舶航行交通事件检测的3项关键技术: (1)海事大数据技术: 高效处理船舶运动数据和航行环境数据, 统一多源异构数据结构标准, 降低数据源单一造成的事件误报率; (2)船舶行为动态建模技术: 利用知识图谱等技术融合船舶航行情境信息, 在不同船舶运动环境下利用深度学习、语义关联、图神经网络等方法构建不同的船舶行为模型, 提高检测准确性; (3)实时分析和可视化技术: 结合平行系统进行虚实系统间信息传递, 定性分析检测结果, 实时显示检测全过程, 提升监管过程中的人机交互效率。然后, 提出了包括数据采集、后台服务和客户端应用3个功能模块的交通事件平行检测系统; 该系统具备实时接收并处理船舶航行数据、分析并预测交通状态、动态检测并预警交通事件和仿真结果展示等功能。从数据融合、交通状态感知和交通虚实映射3个方面, 展望了面向海事监测实务的实时检测技术发展方向。     

智能车载交通信息系统及其动态传播效果分析

为解决集中式道路交通信息系统存在的系统建设资金投入大、建设周期长、数据处理过于集中、应对严重突发灾害能力不足等相关问题,论文对基于车车通信方式的分布式交通信息系统进行了深入研究,改善和构建了基于VANET实现路网交通拥堵信息自主采集与动态传播功能的新型交通信息系统(IVTIS)模式及相关模型,进而通过交通仿真软件Vissim的二次开发,对交通拥堵信息自主采集、融合、传播及路网拥堵信息自动生成与动态更新模型等,进行了不同车流量及信息发布间隔情形下交通拥堵信息传播效果的综合仿真.通过对路网交通拥堵信息的车辆接收率、最短传播时间及最大传播速率等评价指标的综合分析与比较评价,结果显示IVTIS系统模式及相关模型基本合理,其在路网拥堵信息的自主采集、动态传播及其路网覆盖效果方面显示出较好的整体效果.     

基于多传感器融合的排队长度检测系统设计

提出了一种基于多传感器信息融合的交通路口排队长度检测方法,该系统以无线地磁车辆检测器作为数据检测来源,基于无线传感器网络,构建了一种互联感知的分布式检测系统.系统以多检测节点协同工作的模式,由点到面,实现排队长度等深度路交通流信息获取,为交通信号控制系统提供准确的路网交通流数据.系统基于交通流特性建立数学模型,采用无线地磁车辆检测器及多传感器融合算法实现交通路口各方向排队长度检测.可实现红灯期间实时排队长度检测及绿灯放行期间队首位置判别及实时排队长度检测.通过绿信比优化,均衡各相位绿灯时间的分配,对提高道路通行能力有重要意义.     

船舶新能源系统监管平台关键技术

为实现中国内河新能源船舶统一监管、远程运维,文中分析了现有船舶、车辆远程监管平台关键技术和内河新能源船舶监管要素及管理需求后,提出并搭建了内河船舶新能源系统监管平台.该平台采用自定义通信协议满足监管对象、数据项扩展需求;采用船载端与岸端信息数据加密方法保障信息安全;采用多种数据存储单元结合的混合分布式存储架构满足船舶新能源系统数据存储需求;提出布谷鸟搜索-概率神经网络算法,为开展新能源系统故障诊断研究提供技术支持.平台能够实时监管并记录船舶新能源系统运行状态,实现长江水域新能源船舶信息化管理,开创内河新能源船舶信息服务新模式,推进绿色长江建设.