基于信息融合的水雷引信目标识别系统设计

该文介绍了水雷在水中的各种信号类型,对于水雷目标识别过程中的多个不利因素进行了分析,引进了信息融合技术来解决目标识别中的诸多不确定因素,并设计了基于多传感器信息融合的水雷引信目标识别系统。     

高速公路标志牌偏转角优化设计研究

针对长湘高速双向六车道标志牌的遮挡问题,根据光的逆反射性能及驾驶员对标志的视认性,通过计算不同偏转角度下入射角的大小对反射角的影响关系,得出了标志牌的最佳偏转角度。     

再生骨料残余砂浆覆盖率测试及其对混凝土渗透性的影响

为了实现盐侵蚀环境下再生骨料的评价与优选，提升再生混凝土渗透性研究水平，提出基于图像分析原理的再生骨料残余砂浆测试方法，该方法通过图像识别技术手段定位并识别再生骨料表面的残余砂浆，定量分析残余砂浆在再生骨料表面的二维覆盖率，结合二维图像三维重构方法获取再生骨料表面残余砂浆的真实覆盖率。采用不同残余砂浆覆盖率的再生骨料制备再生混凝土，通过电通量法研究残余砂浆覆盖率对再生混凝土抗渗性的影响。试验结果表明：采用图像分析方法测试的3种粒径再生骨料残余砂浆覆盖率符合正态分布，证明图像分析覆盖率数据可靠；当再生骨料粒径为5~10，10~20 mm和20~30 mm时，残余砂浆覆盖率的最小样本数量为46，31和50，变异系数比的波动范围为1±5%。多实验室重复试验结果表明，该方法具有较好的重复性和再现性。再生混凝土电通量试验结果表明，再生骨料残余砂浆覆盖率越大，其制备的再生混凝土电通量值越高；再生骨料附着的残余砂浆增加了再生混凝土新砂浆-残余砂浆界面过渡区的数量；残余砂浆覆盖率越高，新砂浆-旧砂浆界面过渡区在再生混凝土中所占比例越大，氯离子更易传输到再生混凝土内部；与残余砂浆附着率相比，残余砂浆覆盖率与再生混凝土抗氯离子渗透性具有更高的关联度。     

Bus running time prediction using a statistical pattern recognition technique

Abstract

Given that real-time bus arrival information is viewed positively by passengers of public transit, it is useful to enhance the methodological basis for improving predictions. Specifically, data captured and communicated by intelligent systems are to be supplemented by reliable predictive travel time. This paper reports a model for real-time prediction of urban bus running time that is based on statistical pattern recognition technique, namely locally weighted scatter smoothing. Given a pattern that characterizes the conditions for which bus running time is being predicted, the trained model automatically searches through the historical patterns which are the most similar to the current pattern and on that basis, the prediction is made. For training and testing of the methodology, data retrieved from the automatic vehicle location and automatic passenger counter systems of OC Transpo (Ottawa, Canada) were used. A comparison with other methodologies shows enhanced predictive capability.     

基于驾驶工作负荷的高海拔地区隧道照明亮度分析

为研究高海拔地区与平原区驾驶员驾驶工作负荷差异特性以得到适用于高海拔地区的隧道照明亮度需求，以及客观量化高海拔地区公路隧道照明设计与管理标准提供理论、方法与技术依据，基于驾驶员驾驶工作负荷理论，从驾驶视认安全、稳定和舒适性的角度，分别在道路运行条件相似的江西宜安Ⅱ级公路和青藏公路高原青藏段（公路－Ⅱ级）设计实车试验进行定量研究。1）运用CART分类方法分析实地驾驶试验数据，发现海拔高度与驾驶员正常行驶的驾驶工作负荷之间呈正相关关系： 平原区驾驶员驾驶需求最低、驾驶工作负荷度最小，海拔高度3 200～3 300 m驾驶工作负荷度居中，海拔高度4 300～4 400 m驾驶工作负荷度最大。2）通过分析得到高海拔地区驾驶员驾驶工作负荷可根据海拔高度进行修正，得到修正系数和驾驶工作负荷度阈限。3）提出高海拔地区隧道照明视认需求相对于平原区的修正系数，海拔高度3 200～3 300 m时为1.2，海拔高度4 300～4 400 m时为1.8。4）得到不同海拔高度公路隧道各个特征段照明亮度设计标准。     

Automated driving recognition technologies for adverse weather conditions

During automated driving in urban areas, decisions must be made while recognizing the surrounding environment using sensors such as camera, Light Detection and Ranging (LiDAR), millimeter-wave radar (MWR), and the global navigation satellite system (GNSS). The ability to drive under various environmental conditions is an important issue for automated driving on any road. In order to introduce the automated vehicles into the markets, the ability to evaluate various traffic conditions and navigate safely presents serious challenges. Another important challenge is the development of a robust recognition system can account for adverse weather conditions. Sun glare, rain, fog, and snow are adverse weather conditions that can occur in the driving environment. This paper summarizes research focused on automated driving technologies and discuss challenges to identifying adverse weather and other situations that make driving difficult, thus complicating the introduction of automated vehicles to the market.     

基于人车交互行为模型的上下客行为识别

上下客行为是常见的人车交互交通行为，但随意地在路边或者禁停区域上下客，不但容易干扰道路交通秩序，还可能造成人员伤亡的恶性交通安全事故，需要及时检出以便疏导管理。受益于智慧灯杆的开发和部署，全路段的上下客行为检测成为可能。设计了一种基于智慧灯杆监控视频的人车交互行为模型HVIB（Human-Vehicle Interaction Behavior）及上下客行为识别方法，实现路边停车和上下客行为的检测。人车交互行为模型HVIB由车辆运动状态检测模块和人车关系检测模块组成。在车辆运动状态检测模块中，利用YOLOv4（You Only Look Once，Version 4）目标检测模型和SORT（Simple Online and Realtime Tracking）跟踪算法输出高置信度目标信息，并抽取车辆时空位置特征表达。在人车关系检测模块中，结合人与车辆的空间位置变化和相对运动方向，形成人车关系的时空特征表达。通过计算视频中人车时空位置特征，基于车辆运动状态判别函数和人车关系判别函数输出车辆运动状态和人车关系类别，并依据不同人车交互行为的定义，可以实现上下客行为识别。使用真实城市交通场景视频数据，对多种天气条件（晴天、阴天、雨天）下的不同人车行为进行了识别试验。试验结果表明：所提出的方法可以全天候工作，其中在白天多种天气条件下，停车和上下客行为的检测准确率能达到90%和87%以上，夜晚正常天气条件下分别为82.5%和77.5%；同时，检测速度在每秒30帧以上，满足实际应用的实时性要求。     

基于支持向量机的车牌字符识别

支持向量机(Support Vector Machines,简称SVM)能够有效地解决小样本学习、非线性及高维模式识别等问题。对此提出了在无特征提取情况下基于SVM的车牌字符识别方法,通过实验选定二次多项式作为核函数,并将基于SVM的车牌字符识别与基于BP神经网络的车牌字符识别进行了实验对比。结果表明,在训练样本较少的情况下,该系统具有较高的识别率和识别速度,并具有很好的分类推广能力。     

一种回波信号的检测识别方法

本文研究了一种基于回波的目标自动识别方法。该方法首先通过粗取和精取两个步骤将目标回波信号检测提取出来,然后利用回波的Ｆｏｕｒｉｅｒ－Ｍｅｌｌｉｎ变换,提取具有位移及尺度双重不变的目标特征。最后的实验结果表明,该方法具有一定的优越性和较好的分类效果。     

采用补偿模糊神经网络识别雨天导航路径的方法研究

为实现视觉导航智能车辆对雨天导航路径的准确识别,在分析雨天导航路径特点的基础上,提出了采用补偿模糊神经网络识别雨天导航路径的方法,设计了具有5层结构的补偿模糊神经网络,并分别取大雨、小雨、雨后水迹、雨中模糊反光环境的部分导航路径图像作为样本进行训练,又采用剩余部分路径图像进行了识别试验,试验结果表明该方法能够很好的识别雨天导航路径,并具有较强的实时性。