高速公路异常事件检测中的目标检测和主体识别算法

针对高速公路监控中心需要轮询查看大量视频的繁琐任务及人员消耗,文章提出了基于人工智能计算机视觉的高速公路事件检测方法。该方法针对传统检测无法判断事件主体是否为工程养护车辆和工作人员的情况,制作了工程养护车辆和工作人员的数据集,采用yolox网络结构作为基础,在网络结构中增加目标识别头,同时对人和车辆进行检测和识别。经实际应用后表明,该方法检测效果优于对比组,可有效检测和识别社会车辆和工程养护车辆、普通行人和工作人员。     

交通出行统一帐号的电子支付MaaS运营探索

交通出行已经定位为民生实事,要求2019年全国260个地级以上城市交通出行城际无障碍互联互通,同时交通出行在不断创新的服务推动下已经悄然升级到MaaS一体化智慧出行新时代,电子支付已经成为交通出行MaaS服务的强力推手,必须对各类电子支付实现集约化运营。提出了基于统一帐号的金融级安全+电信级通信能力的交通出行聚合支付体系架构,基于该体系架构交通运营机构可利用自身优势资源,向用户提供多种账户,多种接入方式的出行全业务聚合支付服务,在完成交通运输部城市交通出行互联互通的同时构建了基于资金信息流的出行“数据链”,向云计算和大数据的智慧服务和运营体系推进。     

大数据环境下舰船尾迹破碎图像高精度识别技术

针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%～60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

基于支座反力的桥梁动态称重方法

为了解决传统基于应变的桥梁动态称重(BWIM)方法存在的精度不高和车轴探测传感器存在的可适用桥型有限、复杂工况下可靠度低的问题,提出了一种基于支座反力识别移动车辆行驶速度、轴距、轴重和总重的桥梁动态称重新方法。首先介绍了车桥耦合振动系统的建立和求解过程以及基于桥梁支座反力的车轴识别理论,建立了试验室车桥振动缩尺模型,并通过模型试验对提出方法的有效性和精度进行了验证。然后基于数值模拟,研究了路面不平整度、车辆行驶速度、噪声水平等重要因素对该方法识别精度的影响。最后,将此方法与既有基于桥梁弯曲应变的桥梁动态称重方法进行了对比。研究结果表明:该方法能够准确识别车辆的行驶速度、轴距、轴重和总重信息,模型试验和数值模拟结果均显示车辆行驶速度、轴距、轴重的识别误差能控制在5%以内,车辆总重误差能控制在2%以内;该方法的识别精度优于传统基于弯曲应变的动态称重方法,且车速越高时,该方法精度优势越明显;该方法在路面不平整、噪声等因素的干扰下仍然具有良好的稳定性。     

在用工业管道焊接缺陷的识别和自身高度的测量

在用工业管道定期检验划分安全状况等级时,须确定焊接缺陷性质和自身高度,当采用射线检测和超声检测时,缺陷具有不同的特征和自身高度的测量方法。通过分析射线检测和超声波检测,夹渣、未焊透、未熔合缺陷的识别方法和自身高度的测量,总结出根据缺陷的产生部位、缺陷的性质、缺陷的方向选择无损检测方法,综合运用射线检测技术和超声检测技术。     

隧道爆破信号主分量特征提取与毫秒延期识别研究

为了准确揭示隧道爆破振动信号所包含的反映爆破特征参数的重要信息,通过EMD分解与交叉小波变换组合分析方法对实测爆破信号进行分析,得到各分量与原信号的相关性系数,从而准确判别出信号的主分量。再依据相关性系数对包含主分量在内的相关分量重组并进行Hilbert变换取模值,精确识别出隧道采用的各段别雷管的毫秒延期时间。结果表明： 组合方法确定的主分量及相关分量重组信号能够突出爆破信号的主要特征,对隧道爆破信号的分析效果好。     

适于TBM施工的HSP法实时预报技术设计与实现

为实现TBM施工隧道的实时地质预报,以TBM刀盘滚刀破岩震动作为震源的HSP法地质预报技术为基础,通过分析TBM施工工艺与机身结构特点,对HSP系统硬件和软件进行优化设计,使其小型化、自动化和智能化,并搭载于TBM上进行智能控制。在TBM掘进过程中,首先,通过隧道轮廓位置的检波器连续或高频次地采集地震反射波信号; 然后,经系统软件对数据的自动处理,实时获取掌子面前方地层反射特征参数图谱; 其次,通过智能识别技术完成对不良地质反射界面的有效拾取与判识; 最后,实现不良地质的探测。通过对适于TBM施工的HSP法实时预报技术进行优化设计,实时探查前方地层不良地质(体)位置、规模与性质,为TBM的高效施工起到一定的推助作用。     

面向智能船舶的容错卡尔曼融合估计方法

针对智能船舶多传感器系统因未知海洋环境干扰和设备间干扰等因素导致的一个或数个传感器产生随机间歇性故障从而导致融合估计结果出现偏差甚至失真的问题,设计1种基于四分位滤波的容错方法,并针对该方法导致的观测时滞问题设计1种预报方法,提前预报观测值,进而抵消容错方法导致的时滞问题。此外,针对多传感器之间的互协方差难以准确估计的问题,采用CI融合估计方法进行融合估计。为验证算法的有效性和融合估计的精度,对带有间歇性故障的两传感器系统进行仿真试验,并与按矩阵、按对角阵和按标量3种分布式融合估计方法得到的结果进行对比。4种方法的均方误差系数大小对比结果显示,对于带间歇性故障的多传感器系统,设计的融合滤波不仅具有鲁棒性,而且具有较高的融合精度。