基于多传感器信息融合的3维目标实时检测

针对基于多传感器信息融合的3维目标检测，提出了一种实时高精度的双阶段深度神经网络PointRGBNet。第1阶段，在区域提案网络中，首先将3维点云投影到2维图像上生成6维RGB点云，然后对输入的6维RGB点云进行特征提取，得到低维特征图与高维特征图，利用融合后的特征图生成大量置信度较高的提案；第2阶段，在目标检测网络中，利用第1阶段生成的提案进行RoI池化，得到特征图上与每个提案对应的特征集合，通过针对性地学习提案的特征集合，实现了更精准的3维目标检测。在KITTI数据集上的公开测试结果表明，PointRGBNet在检测精度上不仅优于仅使用2维图像或3维点云的目标检测网络，甚至优于某些先进的多传感器信息融合网络，而且整个网络的目标检测速度为12帧/s，满足实时性要求。     

城市轨道交通车站运营中断后网络动态脆弱性与恢复力分析方法

城市轨道交通网络的快速发展对日常运营提出了更高要求。研究突发运营中断事件下城市轨道交通网络脆弱性与恢复力能够了解网络中的薄弱环节，可为日常运营管理提供依据。首先对城市轨道交通网络脆弱性与恢复力的定义及影响因素进行讨论，构建网络动态脆弱性与恢复力分析与评价方法。然后对某市轨道交通网络在不同车站不同中断时长条件下的脆弱性与恢复力水平进行案例评估，结果揭示出网络脆弱性与中断车站客流量及其在网络中的拓扑重要性关系，以及网络恢复力与中断车站的位置及设施设备能力的关系，同时也表现出一定的时空特性。