基于FSA理论内河海事艇自身防爆设施配备研究

通过调查、分析海事艇自身爆炸事故的诱发原因,运用综合安全评估(FSA)理论和事故树分析方法,计算爆炸事故树最小割集和最小径集,确定各基本事件的结构重要度.根据海事艇可能遇到的爆炸性环境风险识别,综合评估海事艇自身防爆设施配备的安全性、经济性和实用性,提出海事艇防爆设施配备标准建议,最大限度减小内河海事艇在可能出现的爆炸性环境中发生或引发爆炸的风险.     

基于信息融合的车辆险态运行模式评价研究

提出了一种车辆运行状态识别体系.鉴于车辆行驶环境的复杂性,多作业工况条件的影响以及车辆行驶行为表现特征的多元性,采用BP神经网络技术与Dempster-Shafer证据推理技术相结合的信息模式分类及融合判断的解决方案.为验证所提出的方案,建立车载摄像机视频实时检测系统,以车道偏离信息和跟驰车间距信息作为车辆行驶的表征参量,实现车辆险态行驶特征表现的检测和评价.研究结果表明,模式分类和多源信息融合决策技术的综合运用提高了车辆危险行驶姿态表征信息甄别的自适应性和智能化水平.     

交通信息集成与综合服务关键技术研究与应用——课题一成果综述

概要总结了国家“十一五”科技支撑计划“交通安全信息集成、分析及平台构建技术开发与示范应用”课题的研究成果,介绍了课题在跨部门交通安全信息需求、异构系统可信接入与安全控制、分布式异构信息系统互操作、交通安全综合分析与评估、信息与应用资源状态监控管理等方面理论与技术研究和应用情况,通过交通安全信息集成管理与应用服务平台的构建、应用与课题研究成果验证,表明课题研究成果达到了预期目标,并为异构信息系统互联、跨行业业务协同、交通安全统一服务等奠定了良好的技术基础.     

内河交通物联网安全分析及应对策略

为适应内河交通信息化的发展,提出了内河交通物联网的概念.在分析内河交通物联网概念、体系结构的基础上,研究其信息安全问题.对内河交通物联网的感知层、网络层、数据处理层、应用层和展现层进行全面分析,研究各层存在的安全隐患及面临的安全挑战,并提出相应的安全技术策略,以促进内河交通安全、快速发展.     

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.     

高速公路车辆排队尾部交通事故时空分布特征

根据高速公路常发拥堵路段的交通流数据, 采用累计占有率法绘制交通流占有率波动曲线, 用来判断拥堵路段内车辆排队尾部轨迹, 分析了占有率、里程位置、时间间隔的关系, 确定了累计占有率曲线的拐点。分析了排队传播、消散过程中交通事故频数与时间、空间距离的关系, 对分布特征进行了统计分析。分析结果表明: 车辆在时间和空间上接近排队车辆尾部时, 发生交通事故的频数明显增加, 时间距离与空间距离以排队尾部为中心呈现正态分布, 不同行驶方向路段内正态分布曲线不存在显著差异, 但拥堵传播与消散过程的正态分布曲线存在显著差异。建立的事故发生概率的联合正态分布模型, 可用于预测排队车辆尾部附近的交通事故风险, 为实施动态交通控制以提高快速道路交通安全提供理论依据。     

桥梁风致振动的混沌特性

利用非线性理论和混沌时间序列分析方法, 建立了桥梁风致振动的数学模型, 开发了计算桥梁振动加速度时间序列Lyapunov指数的MATLAB程序, 进行了桥梁涡振和颤振的风洞试验, 分析了不同风攻角下的桥梁风致振动的阻尼比、Lyapunov指数与风速的关系以及涡振振幅与风速的关系, 研究了桥梁颤振和涡振的混沌特性。试验结果表明: 在颤振试验中, 当风速小于颤振临界风速15.5m·s^-1时, Lyapunov指数小于0, Lyapunov指数与阻尼比存在很大的相关性, 当风速从3m·s^-1增大为18m·s^-1时, 相空间逐渐发散; 在涡振试验中, 当风速从4.5m·s^-1增大至8.5m·s^-1时, Lyapunov指数大于0, 桥梁发生明显涡振, 并由多频振动逐渐转变为单频振动, 相空间变为一个较为理想的圆。桥梁的涡振与颤振均属于混沌现象, 低风速下的Lyapunov指数可用来预测高风速下的风致振动, 并且利用相空间也能识别涡振与颤振。     

波音747型飞机跑道滑行力学响应

根据丹佛国际机场跑道大量实测的道面应变与弯沉, 分析了波音747型飞机滑行时道面不同位置弯沉和应变的主要特征, 研究了不同接缝传力特性、不同位置的残留变形与应变率。分析结果表明: 板边与板中有2个应变峰值, 对应于轮轴个数; 板横缝方向(与飞机滑行方向垂直)不存在反向应变, 而纵缝方向(与飞机滑行方向平行)存在2次拉压应变, 纵缝板边底部轮轴间的应变峰值回复量显著, 易发生开裂和疲劳破坏, 其底部应变峰值和应变峰值回复量分别是板边顶部的1.2倍和2.5倍; 飞机滑行时接缝处的应变率最大, 最大拉伸和压缩应变率分别为9.1×10^-4 s^-1和7.6×10^-4 s^-1, 在混凝土板中引起的应变率属于准静态应变率, 忽略其对混凝土板变形的影响; 板中弯沉为单峰值曲线, 而板角与横缝板边弯沉为双峰值曲线; 在同一板中, 板角处的相对残留变形最大, 板中处最小, 板角处的相对残留变形率是板中处的2.60~4.59倍, 相比于其他位置, 板角更容易与基层发生脱空; 铰缝传力系数接近1, 假缝与铰缝相比传力效率较低, 其传力特性具有明显的方向性, 而铰缝传力没有明显的方向性。     

基于CS-SD的车载环境下实时行人检测模型

针对车辆辅助驾驶系统中行人检测的实时性问题, 提出一种基于路面边缘线标定结合显著性纹理检测(CS-SD) 的算法和定位方向梯度直方图(L-HOG) 的行人检测模型, 应用CS-SD算法替代穷尽搜索快速标定图像中的行人区域, 应用L-HOG快速提取行人特征, 并采用附加核心的支持向量机(AK-SVM) 进行高效目标分类。分析结果表明: 在个人计算机上对包含832个行人的500幅图像进行检测时, 模型正确检测720个行人, 检测率为86.5%, 误检率为4.1%, 检测时间为39ms; 在基于BF609的车载行人检测系统上对包含988个行人的48 400幅图像进行检测时, 模型正确检测861个行人, 漏检127个行人, 误检13个行人, 检测速度为20fps。可见, 提出的行人检测模型在不降低检测率的前提下, 可以达到满意的检测速度, 并且可以用于实时行人检测车载设备。     

基于图模型与卷积神经网络的交通标志识别方法

为了提高交通标志识别的鲁棒性, 提出了一种基于图模型与卷积神经网络(CNN)的交通标志识别方法, 建立了一个面向应用的基于区域的卷积神经网络(R-CNN)交通标志识别系统。构造了基于超轮廓图(UCM)超像素区域的图模型, 有效利用自底向上的多级信息, 提出了一种基于图模型的层次显著性检测方法, 以提取交通标志感兴趣区域, 并利用卷积神经网络对感兴趣候选区进行特征提取与分类。检测结果表明: 针对限速标志, 基于UCM超像素区域的图模型比基于简单线性迭代聚类(SLIC)超像素的图模型更有利于获取上层显著度图的大尺度结构信息; 基于先验位置约束与局部特征(颜色与边界)的层次显著性模型有效地融合了局部区域的细节信息与结构信息, 检测结果更加准确, 检测目标更加完整、均匀, 查准率为0.65, 查全率为0.8, F指数为0.73, 均高于其他同类基于超像素的显著性检测算法; 基于具体检测任务的CNN预训练策略扩展了德国交通标志识别库(GTSRB)的样本集, 充分利用了CNN的海量学习能力, 更好地学习目标内部的局部精细特征, 提高了学习与识别能力, 总识别率为98.85%, 高于SVM分类器的95.73%。