基于人脸识别和信用登乘的轨道交通乘车方案

基于轨道交通现状,提出基于人脸识别和信用登乘的轨道交通乘车和换乘方案,并提出跨制式轨道交通一站式购票方案,提升乘客出行效率.     

车辆牌照自动识别系统的开发

车辆牌照识别是智能交通系统的重要组成部分,通过车辆牌照可以检索车辆的重要信息（监视车辆的违章和车辆缴费情况等）。开发研制了车辆牌照自动识别系统,该系统通过对车辆牌照定位找出车辆牌照位置,并对车辆牌照中的字符进行分割和匹配,从而识别出车辆牌照。实验表明该系统能够实时检测和识别车辆牌照。     

Identifying Proper Names Based on Association Analysis

The issue of proper names recognition in Chinese text was discussed. An automatic approach based on association analysis to extract rules from corpus was presented. The method tries to discover rules relevant to external evidence by association analysis, without additional manual effort. These rules can be used to recognize the proper nouns in Chinese texts. The experimental result shows that our method is practical in some applications. Moreover, the method is language independent.     

基于安检互认下的京张高铁清河站设计

伴随着城市的高速发展与建设,高铁客运站作为城市间交通的重要联系工具,高铁同地铁、公路、市郊铁路等交通模式的联系愈发密切。然而,由于运营部门及安检标准的不同,导致旅客在换乘过程需要经历重复安检,很大程度上影响旅客的出行效率。以京张高铁清河站为例,对清河站功能定位、换乘关系、功能布局以及流线组织进行分析,并采用模拟仿真对安检互认取得的成效进行验证,分析比较清河站站内安检与站外安检互认的方案。研究表明,车站实现安检互认后,可提高旅客出行效率15%～50%,高铁站房或综合交通枢纽设计中,应对旅客进出站通道和安检关口位置进行科学布局,为实现零换乘、安检互认提供条件。     

基于视觉识别技术的“1+X”汽车类技能评价系统的设计

1+X证书制度的提出,对职业教育的人才培养、评价方式必然产生影响,其相应的模式、制度、机制等已经引起了变化并且将会随着发展发生更加深远的影响。另外一方面,随着信息技术、智能化技术的发展,1+X证书制度的落实与实施上,也必然出现新的呈现方式。本文基于职业教育评价与视觉识别技术的相结合,提出设计一种基于视觉识别技术的1+X技能评价系统,利用视觉识别判断技术,进行辅助教学与评价。     

科技创新在驾培行业中的健康发展初探

汽车制造业和道路运输业迅速发展,老百姓生活水平的提升和家庭财富的集聚丰富,使得学车成为了当今社会的刚性需求。驾培行业与老百姓的生活紧密联系,作为新发展起来的热门服务行业,同样得到了迅猛的发展。发展十几年来,它受到传统模式的困扰,想要冲破困境,需借助科技的力量和良好规划管理,方能促使驾培行业形成健康的市场格局。     

交通路网数据自动增量识别与技术更新

道路网络数据是进行交通分析研究、规划设计的基础,为保证数据的现时性,时间和版本的继承性,交通部门需要参考不同来源数据对路网进行更新,文中针对这种专业现状和需求,提出了1种以各种来源新采集路网矢量数据为参考,进行快速、准确自动增量识别及增量更新的技术方法,从而大大减轻路网数据每年更新维护的时间与人力投入。     

FE-SBFE法反算沥青路面结构层模量

目前利用落锤式弯沉仪测得的时程曲线进行路面结构层材料特性反算方法发展迅速。通过分析现有路面模量反演方法的优缺点,并将比例边界有限元方法引入路面弯沉的求解中,与其有限元的结合,解决了有限元方法由于人工边界的引入而存在的问题,并结合系统识别方法,实现路面模量的反演。     

基于K近邻算法的沥青红外光谱质量控制

沥青质量的优劣直接影响沥青路面的性能。红外光谱技术作为一种无损、快速的微观分析手段,能够对沥青品牌进行识别,对于沥青质量控制具有十分重要的意义。为提高沥青红外光谱技术质量控制的准确性,选取K近邻算法对红外光谱数据进行解析和训练,共收集了7种不同品牌的共336个沥青样本,通过衰减全反射傅里叶变换红外光谱仪对其进行光谱采集和分析。结果表明,使用K近邻算法对沥青红外光谱数据分析具有可行性;当K=6,且σ=0.1时,此时沥青品牌预测误差最小,识别准确率达到95%左右。     

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。