一种杂波环境下的多传感器多目标数据关联算法

研究了多传感器多目标的数据关联问题，提出了杂波环境下多传感器多目标跟踪的极大似然关联算法．算法中考虑了传感器对目标的漏检情况，在各个观测站传感器的观测数据不完备的情况下，建立了传感器测量与目标的可行关联分配模型，并综合采用了假点的后验概率比模型，提高了多传感器对同一目标测量的互补性和对弱信号目标的跟踪精度．理论分析和仿真实验结果表明，所提出的算法可实现杂波环境下对弱目标的持续跟踪，并且在确保航迹关联性能和较好跟踪效果的基础上，降低了算法的运算量．     

带时间矩阵的灰色模型在沉降预测中的应用

灰色模型一般应用于等时长的数据预测,而对非等时长的数据预测,则需通过拉格朗日插值等方法进行修正,因而有一定的误差。考虑将时间矩阵加入公式,采用推导的公式对高速公路路基沉降进行拟合预测,证明了该方法有较高的预测精度,具有一定的实用价值。     

基于灰色理论的高速公路沥青路面预防性养护实施时机研究

预防性养护作为1种主动性养护措施,对于保证路面行驶质量,延长路面使用寿命具有重要作用,而预防性养护效果往往决定于其实施时机.文章利用灰色理论的预测模型建立了预防性养护实施时机决策模型,并编制了相关程序,经实际检测数据验证,该程序具有较好的预测精度,可为预防性养护工作者提供决策依据.     

高速公路路基工后长期沉降稳定判别

随着高速公路建设的迅速发展,公路软基工后长期沉降问题日益得到重视,预测工后长期沉降和判别工后长期沉降是否稳定对高速公路养护和拓宽至关重要。文章提出了路基工后长期沉降稳定的标准,即:路基某时间段的实测沉降小于次固结沉降计算值、且实测沉降速率小于次固结沉降速率的计算值,并应用实际工程中;并对盐靖高速公路和启杨高速公路路基沉降观测资料进行分析,认为次固结沉降与主固结沉降之间呈线性正相关关系。     

一种新的频集发现算法P＆FP

在分析已有关联规则挖掘算法的基础上,提出了应用于Web 文本集的特征关联规则挖掘框架,详细地论述了该框架所涉及的主要技术和实现过程中涉及的诸多问题,据此给出了该框架主要模块的实现算法.在该框架中,Web 文本集的特征关联规则挖掘以Web 文本的结构化处理和特征化处理为前提,核心的挖掘模块由频集发现算法P&FP 和关联规则生成算法GenNoRedundantRule 构成,算法P&FP 结合了Partition 算法的数据分片思想和FP-生成树算法的高效性,算法GenNoRedundantRule 可以避免大量冗余规则的产生.这两个算法较之已有的算法是比较高效的,而且它们还具有较好的扩展性和并行性.     

高速公路路基沉降预测方法综述及应用

本文综述了根据实测资料预测高速公路路基沉降量的方法，并结合宁启高速公路通海段的实测沉降资料，采用泊松曲线模型和灰色模型进行了预测，并与实测结果进行了对比和分析，得出一些结论和建议。     

道路交通事故数据深度挖掘技术与应用——以深圳市为例

现有道路交通事故统计分析技术存在数据项缺失、方法单一、实战应用性弱等问题,很难为公安交管部门提供针对性的辅助指导。基于深圳市2014—2016年交通事故数据,采用Apriori关联分析算法、贝叶斯理论以及模糊聚类等大数据挖掘方法,探索性地提出道路交通数据缺失数据项填补、事故伤亡特征因子甄别以及事故危险性分类评价方法。结果表明,该方法可有效提高道路交通事故数据完整性和事故伤亡特征因子甄别准确性,以及量化交通事故危险度评价。研究方法和结果可辅助公安交管部门开展道路交通事故预防和交通安全管理工作。     

Grey-Markov Model for Road Accidents Forecasting

IntroductionRoadaccidentsforecastingishelpfulforustofindoutthelawofroadaccidents ,andtoanalyzethetendencyofroadaccidentsunderexistingroadtrafficconditionsandtocontroltrafficsafety .Itisthebasisoftheevaluation ,planninganddecision makingofroadtrafficsafety…     

三峡库区河段水质同步观测与联合评价

三峡大坝蓄水后对库区水质的影响一直是国内外广泛关注的问题，对三峡库区河段的水质监测与评价分析无疑是十分重要的．笔者介绍了三峡库区河段水流水质在两次同步观测时段的沿程变化情况，并利用灰关联分析方法对4个重点断面的洪水期和枯水期的水质进行评价分析，结论认为洪水期的水质偏差．认为在三峡大坝蓄水后，由于水位抬高，流速减少，大量泥沙淤积在库区内，将可能引起二次污染，应及早研究防范措施．     

基于Apriori算法的城市关键路段识别

为提高城市交通精细化管理,方便居民出行,采集车辆出行过程中的射频识别(RFID)数据,利用大数据算法实现城市路网中关键路段的识别,提出了一种基于Apriori 算法的城市关键路段识别方法。该方法通过计算支持度,计算出1 d 内城市道路的频繁程度以确定城市路网中的关键路段。本文对判定城市路网中的关键路段提供了新思路,为制定关键路段交通拥堵管理措施、引导部分交通流出行路径或通行权提供了重要依据。并对关键路段的交通流来源进行分析,回溯每条关键路段交通流的产生源头,进而指导城市交通规划和基础设施建设。