转体斜拉桥转体施工关键技术控制

通过石家庄市环城公路跨石太铁路分离式立交桥(转体斜拉桥)的施工,对桥梁平转法施工中的关键工艺的控制进行了系统的总结,为以后同类转体桥梁的转体施工控制提供可靠的借鉴经验。     

自行车流视频识别判断方法研究

考虑算法的实时性,交通流个体识别往往采用轮廓特征来描述。由于自行车与行人的很多轮廓特征值相近,在复杂城市交通环境中,从慢行交通流中准确地识别出自行车是目前采用视频检测交通流的难点之一。通过现场视频检测获取足够的样本外轮廓数据,分析检测目标轮廓的高、宽、高宽比、面积等典型轮廓特征,发现目标轮廓高宽比特征能较好地识别出行人、自行车等慢行交通,并给出合适的取值范围。研究表明自行车高宽比能够较好地成为视频识别的依据,为自行车视频识别提供数据。     

基于特征的高速列车铝合金车体断面参数化建模

针对高速列车铝合金车体断面结构复杂、设计周期长和建模效率低等特点,提出了一种基于特征的高速列车铝合金车体断面参数的建模方法.引入特征概念,定义车体断面型材的特征及其拓扑关系,采用CATIA系统中CAA二次开发技术,对车体断面的轮廓和车体断面型材的特征进行参数化建模,建立车体断面型材的特征库,通过车体断面的骨架进行自动装配设计;最后以某型车铝合金车体断面参数化建模为例验证该方法的正确性和有效性.     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。     

基于MATPCA方法的混凝土表观缺陷识别研究

以混凝土表观缺陷为对象,研究用图像处理和模式识别技术来实现表观缺陷的检测和识别,重点在混凝土外观缺陷图像的特征提取和设计有效、可靠的分类器,实现缺陷的准确分类.基于矩阵的主分量分析（MATPCA）是统计学中分析数据的一种有效的方法,它可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等.将MATPCA法应用于混凝土表观缺陷识别系统的特征提取层,并在MATLAB中实现特征的提取,较好地满足识别层的输入要求;而在系统的识别层,研究BP神经网络方法取得了较好的实验效果.     

道路地形动态三维可视化及相关属性查询研究

采用CDT理论建立道路与地形整体模型,并转化成格网模型进行三维显示;采用小波算法对格网地形模型进行简化,成功应用在道路三维场景实时浏览中;根据OpenGL技术原理,解决了三维空间数据与地物属性数据库的连接;在三维空间中,通过鼠标点击获取三维空间目标,再从地物属性数据库中返回此目标的属性数据,供设计者参考.     

水泥中不可忽视的一项重要技术指标-凝结时间

阐述了水泥中不可忽视的一项重要技术指标-凝结时间。     

苏州石湖大桥深覆盖层钻孔桩施工技术

结合苏州石湖大桥钻孔桩施工的具体情况,介绍苏南地区深覆盖层钻孔桩施工的主要方法及技术措施.     

在役轨道交通矮塔斜拉桥检测与评估

以某在役轨道交通矮塔斜拉桥的检测与评估为例,通过对矮塔斜拉桥受力特点的分析,确定了定期检测中矮塔斜拉桥的检测重点.主梁、主塔和墩柱的恒载几何形态测量表明,该矮塔斜拉桥整体保持稳定的状态,主梁跨中有沉降的趋势;通过桥梁自振特性、斜拉索索力和动位移的测试,明确了该桥的动力特性和动力响应;通过外观检查,明确了主梁主塔混凝土结...     

基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究

遥感图像纹理信息丰富，需要进行有效的纹理特征描述．小波域隐马尔可夫树（HMT）模型提供了一种有效的纹理特征提取方法．简述了HMT模型及分割思想，并在此基础上针对多光谱遥感图像，探索更好的纹理描述方法．通过适当的数学变换，得到多光谱遥感影像在不同角度下的描述：H—S—I分量和最大主成分分量．研究比较各分量特性并应用HMT模型，得到不同分量下纹理分割结果．实验表明，利用多光谱信息可有效地提高分割质量。