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。     

层间黏结状态对柔性路面力学特性影响分析

为研究柔性路面在不同层间黏结状态下的力学响应规律,建立典型柔性路面结构型式及计算模型,利用BISAR软件对层间黏结状态从完全连续到完全滑动状态时面层、基层的竖向应力、水平应力及路基顶面弯沉进行计算分析.结果 表明:随着层间黏结状态衰变,柔性路面基面层内竖向应力随之增大,最大增幅达到42％,易造成沥青层永久变形增加,导致车辙破坏;基面层内水平应力出现峰值突变,易造成各层间滑移;路基顶面竖向位移随之增大,易导致柔性路面整体弯沉过大.     

质量风险管理在科研生产中的应用

对质量风险管理的来源、基本流程进行介绍,同时结合风险流程简要讲述其在科研生产中的应用,旨在提升人员对质量风险管理的认识,倡导科研生产各环节树立风险思维,采用科学的方法去识别风险和控制风险,提升产品和服务质量。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

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。     

高速铁路无砟轨道线路动静态检测数据均值差异性研究

均值管理是评价线路平顺性状态的重要指标。高速铁路无砟轨道高平顺性、高稳定性的特点决定了均值管理具有更为重要的意义。通过对比分析杭长、宁安客运专线和合福高速铁路的轨道几何动静态检测数据,发现在线路状态较好的情况下,无砟轨道动静态检测数据均值差异很小,尤其是轨向、轨距不平顺。轨道平顺性状态、结构形式及初始状态是影响无砟轨道动静态差异的重要因素。因此在建设阶段应注重无砟轨道精调质量的提升;在运营阶段应结合不同轨道型式自身的结构特点对无砟轨道进行动静态管理。     

技术状态管理在轨道交通车辆全生命周期中的应用

针对轨道交通车辆技术状态管理的功能、过程、应用情况及存在的问题,从所涉及的内容和方法上进行了分析研究,并结合实际情况提出了技术状态管理在轨道交通车辆全生命周期中的应用方案。研究结果可为轨道交通车辆全生命周期技术状态管理的推广实施提供参考。     

城市轨道交通供电系统状态维修模式研究

分析了广州地铁供电系统维修模式现状及存在问题,讨论了计划维修和状态维修的研究内容。在现有技术条件下,针对设备综合信息数据库的建立、地铁供电设备故障诊断、地铁供电设备健康状态评估、地铁供电设备维修维护策略的4个关键技术,提出城市轨道交通供电系统状态维修模式研究思路。     

线网运营下通号设备维护模式的思考

介绍西安地铁在线网运营后,维护方式由专业化向区域化演变的情况,以及通信、信号检修规程优化的方向和内容,说明技术专业化分析、现场区域化维护是适应线网维护模式的方向。通过技术手段加强性能监测,实现状态修、性能修,说明智能化维护是地铁线网维护手段的发展方向