二级公路改扩建为高速公路设计关键问题探讨

结合改扩建工程的设计工作,对二级公路改扩建为高速公路设计关键问题进行探讨,提出了合理的解决措施。指出此类公路改扩建设计成功的重要保证是注重既有道路评价及细节设计,灵活运用技术指标。     

基于深度可分离卷积和多级特征金字塔网络的行人检测

为提高行人检测的准确率,提出一种基于卷积神经网络的行人检测方法。该方法以YOLOv3-tiny算法为基础,在骨干网络部分,用深度可分离卷积的网络结构代替原卷积网络结构,加深网络深度。在检测部分,提出一种改进的多级特征金字塔网络,该网络由8个结构相同的使用深度可分离卷积的特征金字塔组成,特征金字塔之间串联连接,将不同金字塔得到的相同尺寸的特征进行融合,利用融合后的特征金字塔进行检测。在Caltech Pedestrian数据集上进行测试。结果表明:该方法的漏检率为57.83%,比梯度方向直方图(HOG)方法低32.53%,比基于深度学习的方法SA Fast-RCNN和MS-CNN分别低4.67%、3.21%;运行速度为34 ms/帧。因而,该方法满足了实时性要求。     

箱装体模块内气体净化技术研究

介绍了安装有发动机的箱装体内气体净化技术的研究,所研制的空气净化器从环保角度成功运用于实船。运行状况及大量测量数据表明经过该装置处理的有害气体排放满足相关规定和技术要求。其净化过程的设计优化,对类似空气净化装置产品的开发研究有一定的理论和实际意义。     

基于ARM的指静脉识别系统设计

指静脉识别是一种利用手指中静脉特征来进行身份安全验证的一种技术,与其它指纹识别技术相比,具有非接触采集、活体识别、内部特征安全、高精确性的优势,具有巨大的应用前景,目前已经成为关注的对象。本设计将手指静脉识别技术和嵌入式系统结合起来,实现了基于ARM的指静脉识别系统,契合了安全设备小型化的未来的趋势,识别准确率较高。     

结合双向光流约束的特征点匹配车辆跟踪方法

针对复杂交通场景中动态光照变化、目标尺度变化和部分遮挡等因素带来的影响,提出了一种基于特征点的稳定可靠的车辆跟踪方法.针对运动车辆高速行驶时具有较大帧间运动的特点,构造KLT算法的金字塔模型,根据前向和后向跟踪偏移量,对稳定性较差的特征点进行剔除.同时,采用SURF特征匹配算法对目标特征点集进行更新和校正.最后,利用特征点之间的位置信息,确定目标的尺度和旋转变化因子,从而实现当前帧中目标区域的定位.实验结果表明,提出的车辆跟踪方法可以有效地解决复杂场景中目标形变和部分遮挡等问题,对尺度和旋转变化也具有较强的鲁棒性.     

石灰、粉煤灰稳定土施工质量的控制

石灰、粉煤灰稳定土路面的施工,大多与含水量有关,控制好含水量即是保证二灰土质量的关键．而合理的施工碾压也是重要保证。因此,施工人员必须严格掌握二灰土的含水量和压实度控制,才能收到事半功倍的效果．     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果.论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性.     

一种基于船舶辐射噪声信号改进Mel倒谱系数的目标识别方法

基于船舶辐射噪声信号Mel频率倒谱系数(MFCC)的目标类型识别是目前研究的一个热点。现有方法虽然在无噪声环境下具有较好的识别效果,但是在信噪比较低时其识别效果较差。基于此,文章提出了一种改进的提取MFCC特征参数的船舶目标识别方法,该方法在船舶辐射噪声信号的预处理阶段采用多正弦窗来代替传统使用的Hamming窗进行多窗频谱估计,经过计算得到改进的MFCC参数。试验结果表明,相比传统方法提取的MFCC参数,使用该方法提取的MFCC参数分别在不同信噪比的高斯白噪声干扰下,在BP神经网络分类器中的识别率更高,抗噪声的鲁棒性和稳定性更好。     

水中目标回波脉冲包络起伏特征研究

水中目标散射声信号中蕴含了目标外形、结构、材质等物理属性信息,如何表征和提取这些属性信息一直是水中目标散射声信号分类与识别研究关注的焦点之一。为此,文章提出并研究了与水中目标属性信息相关联的散射声信号包络起伏特征,分析了该特征与目标外形、结构等物理属性间的内在关联及其形成机理,建立了相应的特征表征模型,并开展了理论仿真分析和模型实验验证研究。研究结果表明:体目标回波的脉冲包络起伏极值频率随入射声波的载频增加而增加,这体现了体目标的属性;Bench Mark模型的回波脉冲包络起伏频率与目标方位角密切相关,其中艏艉方向最大,正横方位最小。     

Decision tree method for modeling travel mode switching in a dynamic behavioral process

As road congestion is exacerbated in most metropolitan areas, many transportation policies and planning strategies try to nudge travelers to switch to other more sustainable modes of transportation. In order to better analyze these strategies, there is a need to accurately model travelers’ mode-switching behavior. In this paper, a popular artificial intelligence approach, the decision tree (DT), is used to explore the underlying rules of travelers’ switching decisions between two modes under a proposed framework of dynamic mode searching and switching. An effective and practical method for a mode-switching DT induction is proposed. A loss matrix is introduced to handle class imbalance issues. Important factors and their relative importance are analyzed through information gains and feature selections. Household Travel Survey data are used to implement and validate the proposed DT induction method. Through comparison with logit models, the improved prediction ability of the DT models is demonstrated.