基于数据降维与聚类的车联网数据分析应用

智能网联背景下的车联网数据分析与应用对提升交通智能化有重要影响。为了加快交通智能化进程,文章对车联网数据应用过程中存在的数据冗余问题进行研究。以采集的车联网数据为研究对象,驾驶行为特点分类辨识为研究目标。采用相关分析与主成分分析方法对数据进行冗余筛选与降维,使用k-means聚类算法对驾驶行为特点进行分类辨识。研究结果表明,使用数据降维的方法可以降低车联网数据的相关冗余性,驾驶行为特点分类辨识结果表明其特点可分为三类驾驶行为。研究提升了车联网数据的应用价值,也为交通智能化提供了相关的支持。     

浅谈强化机动车维修业监管的对策

1机动车维修业监管的相关点1.1行业监管的特点机动车维修业是纳人政府管理的独立性较强的服务行业,其行业市场模式是以粗放型经营方式为业态,以分散型经营组织为主体,其主要特点有以下几个方面:一是点多面广。截止2(X)5年底,宁波市共有各类机动车维修业户3341家(占全省维修     

基于纹理特征的鞋底花纹识别分类

在刑事案件侦破中,案发现场提取到的足迹和鞋印对串并案件的侦破有重大作用.文章利用图像处理手段,对鞋印花纹的分类要求和实际图片进行了具体分析,寻找一种基于模式识别的图像处理算法,充分利用计算机快速、高效的特点,实现鞋印花纹的自动识别和分类,进而更好地发挥足迹和鞋印在刑事案件侦破中的作用.把Laws掩模和花纹图像卷积后计算能量作为纹理描述的一个特征量,实现鞋印花纹的初步分类,从而为鞋底花纹精确识别奠定基础.     

公路隧道消防安全系统研究

基于系统安全分析方法并结合数理统计理论,系统地分析了近年重大火灾隧道存在的问题,建立了隧道消防安全系统原理图及评估指标体系,运用多元统计理论中的主成分分析法,构造了一种基于统计基础上的综合评估函数,对近年来的典型火灾隧道的防火安全系统进行了合理评估.并针对评估结果构造了分级标准,给出了公路隧道消防安全等级评估的新思路.以雪峰山隧道的实例计算表明,该评估模型具有简便性、可操作性和准确性,能全面系统地反映隧道消防安全系统状况,及时发现隐患,采取消防控制措施.减少火灾的潜在危险.     

粗集料性能对沥青混合料高温性能的影响

为明确沥青混合料中粗集料的表面特性及几何形状对高温性能的影响机理,进而为集料选择及性能评定提供参考,结合当前沥青混合料高温性能的研究状况,通过大量室内试验,分析了粗集料表面纹理、棱角性、扁平颗粒含量对沥青混合料高温性能的影响.研究结果表明:粗集料表面纹理与内摩擦角、动稳定度呈线性关系,表面纹理越大,动稳定度越高;平均棱角性系数大于14.5%时,沥青混合料动稳定度提高幅度明显;粗集料扁平颗粒含量越高,其混合料的高温稳定性越差,同时不同级配条件下,扁平颗粒含量对混合料高温性能影响程度不同,骨架型级配最为敏感.     

基于主成分分析法和支持向量机算法的驾驶人疲劳检测方法

汽车驾驶人的疲劳程度识别对于预防交通事故具有十分重要的意义。设计了实车驾驶实验，采集了20名汽车驾驶人在疲劳驾驶状态下的眼动特征参数，将汽车驾驶人的疲劳等级分为警觉、轻度疲劳、深度疲劳和嗜睡四个级别。利用主成分分析法（PCA）预处理了所采集的眼动特征数据，并利用支持向量机（SVM）算法建立了PCA-SVM疲劳检测模型。实验结果表明，该模型能够高精度地识别驾驶人的四种疲劳状态。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。     

基于CHMM和SSA-SVM模型的高速铁路道岔设备健康状态评估方法

为更加精准地评估道岔设备健康状态，加强对设备的维护与管理，以ZDJ9型转辙机驱动的高速铁路道岔设备为研究对象，提取道岔功率曲线的时域、频域特征指标及经验模态分解奇异值熵，组成道岔特征指标向量，并采用核主成分分析法消除原始多维特征信息的冗余，构建道岔特征指标样本数据库；利用连续隐马尔可夫模型划分道岔退化状态，在此基础上，建立麻雀搜索算法优化支持向量机的健康状态综合评估模型。研究结果表明：所构建的健康状态评估模型的评估正确率高达98.75%,不仅能够实现高铁道岔设备健康状态综合评估效能，而且明显优于GridSearch-SVM、GA-SVM、PSO-SVM等组合算法，为实现道岔设备由“故障修”到“状态修”的综合智能维护提供可行途径。     

沥青路面表面纹理重构与构造深度预测模型

为了实现通过调整混合料的级配设计来获得期望的路面平均构造深度的目标，采用高精度三维激光扫描技术，采集了AC、SMA、OGFC三种典型级配的沥青混合料试件表面纹理特征信息。通过邻域插值法对采样数据的异常值和离群值进行替换，并通过均值滤波对采样数据进行降噪处理后，三维重构了试样表面；在采用傅里叶变换得到重构表面频域信息的基础上，根据宏观纹理的波长对应的频率设计带通滤波器，从重构表面中分离并提取出了路面宏观纹理。应用蒙特卡罗算法计算了路面的平均构造深度，通过采用筛上质量比-粒径积同时考虑了混合料的粒径和筛孔通过率对平均构造深度的影响。采用多元线性回归、随机森林和人工神经网络的方法，建立筛上质量比-粒径积与平均构造深度的预测模型，研究了混合料级配对沥青路面平均构造深度的影响。研究结果表明：均值滤波在去除噪声信号的同时也比较完整地保留了高程轮廓特征，三维重构的试样表面特征与原始表面特征一致；平均构造深度会受到级配曲线中除最大公称粒径外的其他粒径及筛孔通过率的影响；通过多元线性回归、随机森林和人工神经网络3种模型建立了以各筛孔尺寸的筛上质量比-粒径积为自变量，平均构造深度为因变量的回归模型，得到的...