货车装载安全状态监测系统的研制

货物装载尺寸是否超限,货车车门的开闭状态直接影响到货物列车的运行安全.为此铁科院铁建所研制了货车装载安全状态监测系统.系统能够测量得到车辆的轮廓尺寸,监测车门开闭状态,并能正确识别车序.系统还能将得到的信息通过网络传送到商检等货运监管中心,供多用户查询.介绍了该系统的组成、主要功能和技术特点,并与现有的其它一些技术方式作了对比.     

贝叶斯假设方法在水声成像声呐阵控制中的应用

在对水中目标轮廓进行水声成像时,可设计声呐阵中各声呐单体对目标分割识别,利用贝叶斯假设方法,解决多声呐单体识别结果的目标最终识别问题,实现声呐阵的有效控制。     

交通信息系统作用下的随机用户均衡模型与演进

在有交通信息系统作用下的路网中,出行者会根据交通信息系统提供的交通状况信息和以往的经验选择白己的出行路线和出发时间。根据出行者对交通信息的信任和接受程度,本文将出行者分为怀疑保守型和信任乐观型两大类,在他们的路径旅行时间基础之上,推导出新一轮期望理解路径时间函数,讨论了该函数的特性,并建立了一个等价的随时间演进的随机用户均衡模型。     

随机交通分配中有效路径的确定方法

对用于随机交通分配的三种不同路径进行了比较和分析,研究了无环简单路径的寻求方法和无环简单路径集上的随机交通分配问题。重新定义了有效路径,提出通过利用求解确定性用户均衡分配问题的迭代过程来产生有效路径的启发式方法,算例表明该方法是有效性的.     

基于BP神经网络的静态手势识别方法

手势识别正成为人机交互技术研究中的一种重要模式.本文针对运用摄象机和计算机视觉技术捕获来的静态手势,提出了一种手势特征提取和基于神经网络分类的手势识别方法.实验表明该方法的正确识别率可以达到98%左右,是一种非常有效的静态手势识别方法.     

铁路集装箱运输径路辅助决策系统的研究

对集装箱运输径路的选择和管理,是集装箱运输管理的一项技术问题之一.以往是依靠经验选择,因此效率低,决策慢.用计算机解决此问题是最佳方法.针对铁路集装箱运输径路辅助决策系统的构成图、车流径路方案及其算法进行了研究.     

影响SLS技术发展的因素及改进措施

本文简述了 SLS技术的特点、发展要求 ,通过分析影响 SLS技术发展的主要因素 ,阐述了相应的改进措施 ,并指出了 SLS技术的发展方向。     

基于感兴趣区域的CNN-Squeeze 交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

关于智能运输系统的关键理论——综合路段行程时间预测的研究

行程时间预测是智能运输系统研究的一个重要问题。为此,建立了许多算法,有历史趋势方法、非参数回归模型、时间序列方法、神经网络、卡尔曼滤波、交通模拟和动态交通分配模型等。然而,在变化的交通状况和任意时段的条件下,这些方法和模型都不能取得令人满意的预测结果。在总结这些已有的预测方法和模型的基础上,提出了一种综合模型。