Managing transportation during highway reconstruction: A recommended process

Major highway reconstruction can cause significant disruptions to existing travel patterns and economic activity. Reducing these impacts on travelers, shippers, businesses and residents requires that innovative and effective transportation management actions be developed and implemented. This paper reports the major findings and recommendations of a research study on managing transportation during highway, reconstruction. The primary objectives of the study were

铁路入侵运动目标实时检测技术

针对铁路场景下入侵异物的特点,采用智能视频技术,对监控视频图像序列中入侵运动目标检测方法进行研究．提出基于参考点的“相对背景差分法”、基于目标特征的跟踪算法和基于透视规律的目标分类方法,实现对多目标场景运动目标的实时检测识别。典型场景实验结果表明：上述算法实现了铁路入侵运动目标的高效检测,与基础背景差分法相比,误检率和漏检率分别减小了24．56％和54．17％;与基于区域的传统目标跟踪方法相比,误匹配率和漏匹配率分别减小了64．78％和22．58％,且算法具有较强的实时性和鲁棒性。     

基于曲波变换的高铁绝缘子状态检测方法

针对高铁接触网绝缘子破损的不良状态图像检测问题,提出一种利用曲波变换的绝缘子不良状态定位检测方法。先通过Radon变换实现绝缘子角度的确定,接着运用曲波变换对系数矩阵进行统计处理,最后实现绝缘子的角度调整、定位和破损情况判断。该方法能够精确定位绝缘子,并给出不良状态的判断,可以为工程应用提供技术参考。     

实时断轨检测技术发送系统设计

基于轨道电路原理的一送两受式实时断轨检测技术,以单片机为控制核心,设计了适应长大隧道的实时断轨检测发送系统.采用直接数字频率合成(DDS)技术合成了频率稳定度优于10-4的高精度正弦检测信号,使用自动增益控制(AGC)技术实现了发送端轨面电压的恒压控制.结果表明:设计的系统能够满足实时断轨检测技术对发送系统高精度、高稳定性的要求.     

铁路机车车辆电气检测技术的发展

针对铁路机车车辆电气技术的研发需求,提出了构建“完整系统的完整工况的完整重现”试验系统的思路,介绍了其中的牵引动力试验系统、TCN网络测试系统、RAMS/LCC试验系统和软件RAMS测评的总体设计,在试验室内完成对系统产品和多系统组合的深度测评,为铁路机车车辆电气设备与系统的RAMS/LCC认证提供技术解决方案.     

基于Zigbee技术接触网电连接线夹温度监测装置的研究

分析了电气化铁路接触网电连接线夹电气烧伤的原因以及目前既有检测电连接线夹早期烧伤故障技术的局限性,提出了一种基于ZegBee无线技术电连接线夹在线低功耗温度监测装置的设计方案,以提高接触网电连接线夹的检测效率和改进故障检测的有效性。     

探地雷达在地铁隧道施工过程中的应用

探地雷达检测方法具有经济、无损、快速且直观的特点,利用探地雷达对地铁隧道施工过程中的地面建(构)筑物及衬砌质量进行检测,为建设和运营单位解决地铁隧道的安全隐患,及时确定维修与加固方案提供了依据。经现场验证,检测结果与实际基本吻合。     

纯电动汽车故障诊断案例分析

纯电动汽车作为市场上最普遍的新能源汽车,厂家大量生产,深受消费者的喜爱,要推动纯电动汽车的持续发展,必须要提高纯电动汽车的售后维修服务质量。维修人员要掌握纯电动汽车好的结构原理、检测维修技术,从而提升售后服务质量。本文从纯电动汽车故障诊断案例入手,分析纯电动汽车的维修检测方法,以供纯电动汽车维修人员参考。     

基于Faster R-CNN与形态法的路面病害识别

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络（Faster Region Convolutional Neural Network,Faster R-CNN）算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架,进而利用形态法操作提取裂缝形态,计算其长度与宽度;针对Faster R-CNN算法在病害种类识别时漏检率低但误检率偏高的问题,引入精确率、召回率和F₁分数指标对算法进行评估,并根据F₁分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率,以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东一高速公路路面进行表观检测。结果表明：所提方法对典型裂缝图片的识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并,且病害框像素面积及置信度阈值取优化值后,横向裂缝精确率由合并前的0.861提升至合并后的0.918,横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%,漏检率则稍有提高。基于Faster R-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点,在引入评估指标、最优病害框像素面积与置信度阈值后,病害误检率也大幅降低,具有潜在工程应用价值。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。