样本匹配算法在鱼雷弹道融合中的应用

通过分析鱼雷对抗试验中获得的内外测弹道数据的特点,在比较多种曲线匹配算法的基础上,提出了一种基于样本的匹配算法。该方法利用弹道曲线上的点对应的矢量作为特征无关量信息,在合理选取样本点基础上,采用最大相似性准则对弹道曲线进行匹配,找到曲线最佳匹配段,从而对准内外测弹道的时间基准,以用于弹道融合。     

水库水位变化对某岸区公路边坡稳定性影响分析

山区公路经常沿水库修筑,水库的蓄水与放水能引起水位的循环升降变化.水位变化对边坡稳定有较大影响.基于Plaxis有限元软件的渗流计算和边坡稳定的强度折减法计算功能,以一个实际库岸边坡为算例,分析了水位升降变化及下降速率、土体渗透系数、是否考虑超孔隙水压力对边坡稳定性的影响.分析结果表明,当土体设置为排水条件时,不管水位...     

交通行业信息资源整合平台设计

针对交通行业信息化建设过程中产生的"信息孤岛"现象,阐述了交通行业信息资源整合的必要性,设计了交通行业信息资源整合方案以及资源整合平台,分析了数据交换与整合软件的原理、软件模块设计方法以及重要模块的实现方式,并给出了所设计的数据交换与整合软件的实际应用情况.     

土质库岸路基内孔隙水压力的计算方法

把土质库岸路基内地下水的渗流状态简化为4种渗流模型,基于渗流力学理论,建立各渗流模型路基内任意点的孔隙水压力计算方法。     

冻融循环对不同塑性路基土剪切强度的影响研究

为了研究冻融循环对不同塑性路基土剪切强度的影响,通过室内三轴试验和冻融循环试验对3种塑性指数的土样进行了研究。结果得到:当冻融循环次数增加时,剪切强度随着塑性指标的增加而有所增大;当塑性指数相同时,剪切强度随冻融次数增加与围压增加改变各不相同,与冻融循环次数成反比,与围压成正比。并且冻融循环6~7次后,3种塑性指数土样的剪切强度的变化均会趋于平缓。     

基于最小临近点迹和航迹关联的多源目标融合方法

针对智能车辆多传感器的目标融合问题,提出了一种改进的基于欧氏距离与余弦相似度的点迹和航迹数据关联的车用多传感器目标跟踪融合算法。该方法需获取由毫米波雷达系统和Mobileye视觉系统检测到的目标物数据列表,并对两个传感系统检测到的目标物数据进行匹配关联;然后对目标物进行匹配跟踪,更新目标物的生命周期状态;最后对上述两个传感系统输出的目标物的数据进行融合。该算法能够融合视觉系统和雷达系统两个传感系统的优点,以达到精确感知环境信息的目的,从而解决单一传感器难以满足感知系统精度及可靠性需求的问题。     

排阵式交叉口延误及最佳周期模型

为了提高排阵式交叉口这一非常规信号交叉口的运行效率，对其延误和最佳周期进行分析。首先针对先直行后左转、先左转后直行和直行左转交替通行3种信号相位相序，通过对排序区内车辆驶入、驶离、受信号控制阻滞等车流运行情况的分析，构建可反映排阵式交叉口车辆2次停车启动的车均延误计算模型。通过仿真对比可知，左转和直行延误估算误差均在10%范围内。在此基础上，以交叉口总延误最小为目标，考虑清空时长、主、预信号相位差、绿灯时长等约束条件，建立排阵式交叉口最佳周期理论模型。针对不同排阵式控制进口道数量设置的情况，通过对最佳周期的拟合分析，建立最佳周期简化模型。与理论模型相比，最佳周期简化模型的拟合优度在0.935~0.972范围内。通过模型对比和案例分析，对最佳周期简化模型的优化效益和稳定性进行检验。研究结果表明：在非饱和状态下，建立的最佳周期模型的平均误差和均方误差分别为2.13%和2.39%，均小于Webster模型和HCM2010模型的计算结果，具有较高的准确性和稳定性，案例中可降低车均延误36.46%；相较于传统信号控制交叉口，建议排阵式交叉口采用较小的周期时长，且当关键流量比大于0.6时尤为显著，分析中发现最佳周期减小14.53%~34.65%。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于轨迹的内河船舶行为模式挖掘

从内河海量的船舶AIS数据中提取出有用的交通知识,辅助水上安全监管,对于研究日益复杂的水上交通安全形势具有重要意义.基于内河船舶行为特征,构造由船舶位置、航速和航向4个维度组成的船舶航行状态空间来描述船舶行为.针对传统DBSCAN聚类算法提取状态空间中相似船舶轨迹存在计算复杂高的问题,提出增量式算法改进DBSCAN算法用以高效地计算不同船舶的行为模式;然后利用核密度估计等统计方法对不同模式的船舶行为特征进行数据挖掘,得到船舶航速、航向和位置的时空分布特征规律,进一步挖掘不同行为模式下的船舶微观特征.以武汉航段的汉江分叉航道水域作为研究案例,利用所提的方法对该水域分析研究,得到了6类不同行为模式,挖掘出不同模式下分叉航道内船舶静态属性信息(船舶类型、船舶尺寸)、空间分布特征(轨迹点分布、航速分布、航向分布)、船舶到达规律等信息.利用该模型所提取的知识有助于水上监管人员迅速获取水域交通态势,从而提高水上交通安全监管的水平和效率.     

船舶能效数据清洗方法研究

船舶能效数据清洗对于建立准确的船舶能效模型,提高船舶能效计算和分析的准确度,指导船舶节能航行具有重要意义.对船舶能效数据的故障特征进行了分析,运用阈值理论、船舶航行关联理论对故障数据进行了识别,运用插值法和灰色关联理论方法对水深、对水航速以及主机油耗数据中的异常数据进行修正,并且根据数据错误特征和数据清洗方法制定了船舶能效数据清洗流程,以内河邮轮"凯娅号"船舶上安装的船舶能效数据采集系统采集到的能效数据为研究对象,对数据清洗结果进行了分析.结果表明,水深数据修正值与实测值平均误差为1.58%,油耗数据、对水航速数据修正值与实测值平均误差为2.8%,1.5%,误差较小,能够满足后续建模以及数据挖掘等工作.