基于迁移学习的桥梁表观病害检测技术研究

桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。     

山区在役高速公路边坡地质灾害隐患排查技术研究

针对山区在役公路边坡地质灾害排查工作中存在的一些常见问题,笔者本着实用、科学的基本原则,在遵循相关规范规程的前提下,从切身工程经验出发,应用相应案例数据进行论证,系统性分析了排查工作中普遍关心的排查对象、时间、形式、内容与成果等五个问题,为后续边坡排查研究提供了有益思考。     

在役桥梁混凝土桩基安全性评价方法

针对目前在役桥梁混凝土桩基使用安全性暂无可靠的评价方法,以某座预应力混凝土连续梁桥成桥后桩基安全性评定为背景,通过疑问桩基与完好桩基的对比试验,对疑问桩基与完好桩基的桩顶变位、桩基支撑刚度、抗推刚度及墩柱动力特性等敏感力学参数进行了讨论,提出一种成桥状态下桩基安全性评价的实用技术.经实桥试验对比分析证明,文中所提结构简化模型可行,评定方法快捷、可靠,为进一步开展在役桥梁桩基安全性评定的研究奠定了基础,并可供成桥状态下的桩基安全性检测评定借鉴.     

一种融合ST-GCN算法的高速公路节假日流量预测模型

为高效准确地预测节假日期间高速公路重要路段的交通流量,提出一种融合时空图卷积网络(Spatio-Temporal Graph Convolutional Network, ST-GCN)的高速公路节假日流量预测模型。该模型采用平均速度、交通流量等重要的交通指标作为交通状态评价体系要素,对节假日期间高速公路的交通态势进行综合预测;融合ST-GCN算法模型,综合考虑时空特性,得到准确度较高的预测结果。以宁夏回族自治区高速公路的节假日交通信息为研究对象,对该模型的有效性进行验证,结果表明,该模型相比其他常用预测模型准确度更高,具有更好的稳定性和鲁棒性,预测结果可供高速公路的管理和运营参考。     

基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法

为实现汽车碰撞试验假人响应曲线数据集的类别辨识,研究了面向智能优化算法的问题转换与构造方法。针对假人曲线数据的特征处理与分类过程,提出了一种基于社会蜘蛛粒子群优化算法（SSI-PSO）的碰撞试验多变量时序数据特征选择与分类方法;利用汽车碰撞试验采集的假人曲线数据,测试和验证了该方法。结果表明：本文方法可获得面向假人曲线数据分类的最佳特征组合方式与较小规模的神经网络结构;该方法的假人曲线分类模型性能提升17.5%、分类精度达到96.5%。因而,实现了对碰撞试验假人响应曲线标注信息的有效分类。     

基于Q-learning和BP神经元网络的交叉口信号灯控制

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。     

基于LTE-V2X车路协同技术仿真验证方法的研究

智能网联汽车是我国战略发展的重点支持领域。车路协同技术是智能网联汽车的重要应用方向和基础支撑。车路协同仿真验证技术是车联网智能化基础设施建设及示范应用开展的重要保 障。