路面抗滑性能检测与预估方法综述

针对道路工程中路面抗滑性能检测与预估中存在的问题,分别从力学机理、检测方法、预估模型3个方面系统梳理了路面抗滑性能相关成果及进展;基于传统的库伦摩擦定律,阐明了路面抗滑性能的摩擦力学机理,从路面、轮胎以及接触环境3个方面总结了抗滑性能的影响因素;总结了抗滑性能的直接与间接测量方法,重点分析了路表纹理检测技术的难点以及测试数据的预处理方法;对比分析了抗滑性能预估的传统经验统计模型、力学模型以及机器学习等方法的优点与不足。研究结果表明：影响路面抗滑性能的因素众多,传统的摩擦理论难以描述橡胶与粗糙表面接触界面第三体的力学行为,因此,需要进一步研究具有润滑介质的接触界面摩擦机理;抗滑性能直接检测方法功能单一,成本较高,表面纹理的高速无接触自动化检测更加符合未来智能一体化检测需求,但高精度、大量程检测以及数据清洗仍是需要突破的瓶颈;相比现行的各类预估模型,经验统计模型及机器学习弱化了胎-路接触特性,导致预估模型缺乏扩展性;推行有限元仿真力学模型方法,有望进一步揭示复杂物理场下的摩擦机理,从而开发更精准、高效的路面抗滑预估模型。     

卷积神经网络及其在智能交通系统中的应用综述

从特征传输方式、空间维度、特征维度3个角度,论述了近年来卷积神经网络结构的改进方向,介绍了卷积层、池化层、激活函数、优化算法的工作原理,从基于值、等级、概率和转换域四大类总结了近年来池化方法的发展,给出了部分具有代表性的激活函数对比、梯度下降算法及其改进型和自适应优化算法的工作原理和特点;梳理了卷积神经网络在车牌识别、车型识别、交通标志识别、短时交通流预测等智能交通领域中的应用和国内外研究现状,并将卷积神经网络算法与支持向量机、差分整合移动平均回归模型、卡尔曼滤波、误差反向传播神经网络、长短时记忆网络算法从优势、劣势和在智能交通领域的主要应用场景三方面进行了对比;分析了卷积神经网络在智能交通领域面临的鲁棒性不佳和实时性较差等问题,并从算法优化、并行计算层面和有监督学习到无监督学习方向研判了卷积神经网络的发展趋势。研究结果表明：卷积神经网络在视觉领域具有较强优势,在智能交通系统中主要应用于交通标志、车牌、车型识别、交通事件检测、交通状态预测;相比其他算法,卷积神经网络所提取的特征更加全面,有效地提高了识别准确度与速度,具有较大的应用价值;卷积神经网络未来将通过网络结构的优化、算法的改进、算力的提升以及基准数据集的增强,为智能交通带来新的突破。     

基于半监督极限学习机的隧道内车辆RSSI定位方法

为了提高公路隧道突发事件的判别效率,实现道路交通状态全天候监测,以智能公路上泛在无线传感网络为基础,研究了基于信号强度指示值(RSSI)的网联车辆定位问题;考虑到隧道内车辆的连续运动特性,提出了一种带有局部线性嵌入(LLE)算法的半监督极限学习机(SSELM)实现RSSI指纹定位;离线阶段利用LLE对少量已标记位置的RSSI样本和大量无标记样本进行降维处理,辨识表征目标位置信息的高维数据对应的低维流形,再基于改进的半监督学习拟合降维后的RSSI与位置的映射关系;在线阶段将实时采集的RSSI数据进行流形降维后,输入校准好的SSELM中估计目标位置;采用无迹卡尔曼滤波平滑估计位置。试验结果表明：相比于已有半监督学习算法,提出的方法在不同车辆行驶速度和部署间距下均能取得较优的定位性能;当已标记数据占比(减少了50%~90%)、未标记数据数量(0~1 000个)和检测器部署间距(10~25 m)等关键指标变化后,本文方法的定位性能仍然保持最佳,其平均误差最低为3.09 m;计算复杂度上,当已标记数据为30%,即仅采集96个参考点样本时,其平均定位误差为3.8 m,训练时间低至8.7 s。可见,带有局部线性嵌入算法的半监督极限学习机在稀疏或密集传感器部署环境中,对不同行驶速度的车辆均能提供理想的定位性能,且训练时间短、样本依赖性低,是进行隧道内网联车辆辅助定位的一种有效方法。     

基于图自编码-生成对抗网络的路网数据修复

完整的交通路网数据是实现智能交通系统的前提,故本文提出一种基于图自编码-生成对 抗网络的方法对路网中缺失数据进行修复。首先,通过降噪图变分自编码器提取路网缺失数据 的时空特征,使其能最大程度捕获原始路网信息;其次,基于该时空特征利用生成对抗网络生成 路网数据,加入重建损失并优化生成对抗网络的目标函数,实现对缺失数据的有效插补;最后,采 用西雅图(Seattle)和加州(PEMS04)路网速度数据集,针对不同缺失类型和缺失率下的数据修复进 行对比实验。当随机缺失率在 10% ~70%时,Seattle 数据集的 MAE 指标在 2.38~3.25 之间, PEMS04 数据集的 MAE 指标在 1.46~2.38 之间;当聚集缺失率在 10%~70%时,Seattle 数据集的 MAE指标在2.51~2.82之间,PEMS04数据集的MAE指标在1.52~1.54之间。对比结果表明,本文 提出的路网数据修复方法均优于BP、DSAE、BGCP等模型。     

基于压缩感知和字典学习的背景差分法

针对当使用背景差分法时,背景存在突变和渐变、图像数据的冗余和伪前景对目标检测的干扰等问题,提出一种基于稀疏表示和字典学习的背景差分法。该方法首先训练视频流得到其数据字典,并根据数据字典学习与稀疏表示理论建立背景模型,可以有效减少数据的冗余。然后根据目标及其邻域的密集度进行目标分割,以排除前景的干扰。最后再根据数据字典的更新算法,有效解决了背景的突变和渐变问题。实验结果表明,该方法具有可行性。     

元认知策略对学生英语成绩的影响

元认知策略是学习策略重要的组成部分,掌握了元认知策略,学生便可以对自己的学习进行管理,其重要性不言而喻.本文通过进行为期一年的对照实验,发现元认知策略对学生英语学习成绩有一定的影响,并有可能对学生其他方面产生正面影响,大学里应该加强元认知策略的学习和训练.     

基于CDIO电气自动化专业人才培养模式的研究

当今高职教育普遍采用"做中学"的教学模式,CDIO工程教育模式的引入,拓宽了高职教育改革的思路。文中分析了CDIO的理念,以培养高技能应用型人才为目标,研究基于CDIO电气自动化专业的人才培养模式,对提高高职电气自动化专业办学水平有很强的指导意义。     

提高高职课堂教学学生学习参与度研究

提高高等职业院校的课堂教学质量,是高等职业院校加强内涵建设和实施素质教育的需要。高等职业院校的课堂教学质量受学生学习参与度的影响。找到高职课堂教学学生学习参与度的影响因素,应当能够梳理卅提高高等职业院校的课堂教学学生学习参与度的措施。     

GMDSS综合业务实训理实一体化评估方法研究

针对传统的GMDSS综合业务实训评估方法过于刚性的问题,结合实施"理实一体化"新教学模式,论文给出了新的GMDSS综合业务实训评估方法:评估主体采用多元化方式,并增加了平时成绩的考核,在专业技能评估时,采用新的评估方法和标准,并将评估结果改为百分制进行打分,通过加权求和得到最终评估结果。新的GMDSS综合业务实训评估方法不仅具有可行性和可操作性,而且能够反映学生掌握设备操作的实际情况和专业技能的差异性。     

机工英语教学中对学习策略培训的探索及尝试

笔者在机工英语教学实践中,根据教学对象和教学内容等要素的特征,结合对已有学习策略研究成果的分析,探索能在课堂教学过程中有效渗透的学习策略培训途径,并进行尝试。结果表明,特定教学情况下在课堂教学中有针对性地培训学习策略,有助于提高教学效率。