基于改进Mask RCNN的夜间车辆检测方法

传统的夜间车辆检测基于车灯特征的提取和识别,这类方法容易发生误判、检测精度和检测实时性不高。针对上述问题,本文研究了基于改进Mask RCNN(mask RCNN-night vehicle detection,Mask RCNN-NVD)的夜间车辆检测算法。将残差网络（residual network,ResNet）结构中的普通卷积修改为数量为16组的分组卷积,通过16组1×1卷积实现通道数叠加,将网络参数降至普通卷积的1/16,提升检测速度,并实现与普通卷积相同的效果;将通道注意力机制模块（squeeze-and-excitation,SE）嵌入ResNet结构中,通过2个全连接层构建瓶颈结构,将归一化权重加权到各通道特征,增强网络表征能力;在特征金字塔网络（feature pyramid networks,FPN）后加入自底向上结构,将底层特征强定位信息传递到高层语义特征中;加入自适应池化层,根据区域候选网络（region proposal network,RPN）产生的候选区域分配至不同尺度特征图中,并在底层特征与各阶段最高层特征之间加入跳跃连接结构,实现缩减模型参数的同时保留...     

考虑过街行人运动轨迹不确定性的人-车碰撞概率预测方法

为了准确预测人-车冲突中的碰撞风险,研究了利用碰撞概率评估人-车碰撞风险的预测方法。基于车辆运动特征建立车辆运动学模型,通过采集行人实际过街运动轨迹并提取不确定性特征,采用一阶马尔科夫模型和高斯白噪声建立行人随机运动模型,在此基础上构建人-车冲突距离模型;运用蒙特卡洛抽样,提取行人过街过程中的人-车最短距离和碰撞时间（time to collision,TTC）分布特征,通过拟合这些特征来估算最短距离和TTC的概率密度函数,建立人-车碰撞概率预测模型;结合2起人-车深度事故案例和3种不同制动特性的自动紧急制动（automatic emergency braking,AEB）系统,对比验证人-车碰撞概率预测模型的有效性。结果显示：建立的行人随机运动模型,其模拟的行人运动速度的均值和标准差与实际值的绝对误差在2%以内,模型精度较高;在事故案例仿真中,车辆与行人在发生碰撞时刻对应的碰撞概率为100%;在车辆加装AEB的仿真中,激进型AEB,法规型AEB以及保守型AEB在触发时刻对应的碰撞概率分别为超过了80%,在30%～40%之间,以及不足5%,这表明人-车碰撞概率预测模型可有效预测2起真实...     

基于DQN算法的支线集装箱船航线规划与配载协同优化方法

针对支线集装箱船运输中喂给港数和靠泊条件不一,以及集装箱船队船型多样的特点,考虑航线规划与配载环节在实际运输过程中的紧密联系,研究支线集装箱船航线规划与配载协同优化方法。采用两阶段分层方法研究航线规划与集装箱配载问题,设置多个港口、不同船型及其贝位和堆栈组合、不同尺寸集装箱的集合,并确定其间基本关系,实现两阶段优化过程的完整性和连续性。第一阶段以航线总运营成本最小为目标建立船舶航线规划模型,第二阶段从主贝计划角度出发进行配载优化,确认集装箱与堆栈的对应关系,以船舶混装堆栈数最小为目标建立船舶配载模型,保证船舶稳性在航线任意时段均满足要求,并减少堆栈混装数量,提高到港作业效率。为实现模型高效求解,基于深度强化学习的Deep Q-learning Network(DQN)算法架构,设计了航线规划与配载决策对应的马尔可夫过程,结合问题自身特征分别完成强化学习智能体状态空间、动作空间以及奖励函数设计,构建了两阶段分层求解的DQN算法。实验结果表明：随着船舶数量和船舶装载率的增加,模型精确求解的时间大幅增加,部分算例无法在600 s内完成求解,而DQN算法可实现快速求解;与模型及粒子群优化（Pa...     

冻融循环作用下黄土土体力学特性变化研究

黄土材料具有孔隙率大、压密性欠佳以及湿陷性等特征.随着冻融循环次数的增加,土体中细颗粒不断增加,土体孔隙比变大,从而使得土体密度变小,但减少量很小,这会对边坡结构的安全性与稳定性造成极大危害.主要探讨了冻融循环作用对黄土物理性质的影响,为道路工程技术人员提供一些参考性意见.     

企业档案部门如何应对入世后的挑战

加入世贸组织后,我国经济运行的国际环境和国内环境都发生了重大变化,国内企业必须遵守世贸规则,参与国际化的竞争。因此,掌握全球产业动态、培养国际眼光、创造世界级的竞争力就成了企业发展的当务之急。在此背景下,企业档案工作面临许多未知的新领域,档案部门要本着求实、创新、开拓、进取的原则,制定应对策略和措施,创造性地开展工作,增强综合服务能力,开创档案工作的新局面。     

基于深度学习的液位仪表读数识别方法研究

变电站对高铁安全运行至关重要,为准确获取高铁变电站液位仪表的准确读数,基于YOLOX-S提出KN-YOLOX-S深度学习网络模型。在骨干网络中,引入Ghost卷积代替传统卷积层,降低网络的参数量和计算量,实现模型的轻量化;在SPPBotteneck模块中增加KNSE注意力模块,提高网络对空间信息的敏感度,增强有效特征信息的提取能力。实验表明,KN-YOLOX-S比YOLOX-S模型在mAP@0.50上提高0.4%,mAP@0.5:0.95提高0.54%,同时推理速度提高近2倍,满足高铁变电站液位表实时检测要求。     

铁路建设项目投资控制主要因素及措施研究

为了有效控制铁路建设项目投资,促进铁路建设可持续发展,选取6个代表性铁路建设项目作为案例,对投资变化情况、最终总概算超支主要内容及其原因进行了分类汇总与对比分析,并提出了完善变更管理激励制度、加强建设与运营有效衔接、及时补充完善造价体系、多方合力弄准征拆费用等建议.研究成果对于提高铁路建设项目投资管理水平及修订相关管理...     

基于参数扰动模型的遥控潜水器滑模控制方法

[目的]遥控潜水器(ROV)的运动控制易受到环境和模型参数不确定性因素的影响,难以达到预期控制效果,针对此情况,提出一种基于参数扰动模型的ROV滑模控制方法.[方法]以标准ROV模型为基础,将环境干扰与模型自身参数的不确定性作为模型扰动参数,建立带参数扰动的ROV模型,并对模型进行解耦得到深度方向的控制模型,基于带参数...     

沥青路面的抗滑性能影响因素研究

为了对集料磨损度、路面构造深度进行准确评估,基于工程实践,针对沥青混合料材料特征、使用环境差异,在试验室内进行轮碾法成型车辙板试件抗滑值和构造深度检测,探究不同集料类型、环境温湿度、混合料级配因素变化情况下沥青路面抗滑性能的变化特点,以此与相关技术人员探讨。     

基于深度学习的交通信号灯实时决策研究

为有效缓解城市交通压力,提升交通信号控制的智慧化水平,提出一种基于图像识别并融合深度学习的多交叉口交通信号灯实时决策模型方法。采用图像识别的方法判别拥堵状态,搭建区域多交叉口交通信号灯实时决策模型,以总调度期内通行评分最高为目标函数构建深度学习网络;采用机器学习思想优化决策方案,通过预训练增加决策方案容量并缩短现场决策时间,达到实时决策的目的;将研究模型应用于湖北省武汉市武昌区中山路路段,并进行模型论证和结果分析。研究结果表明,所提出的模型方法能有效解决区域多交叉口交通信号灯联合调度问题,可为交通管理者提供更合理的决策方案。