采用分段分形维数识别车牌字符

研究了在小波多尺度分解情况下，采用分形维数描述车牌字符特征，并在分区情况下计算出典型车牌字符的分段分形维数。发现小波变换能获取丰富的车牌字符特征，采用分段分形维数描述车牌解决了单一维数描述车牌字符时，有些字符维数相差太小，导致阈值难以选取的问题。结果表明，小波分形方法是研究车牌字符识别的有效的新方法。     

江苏省交通科学研究院信息工程研究所

JSTRI FWD-2000落锤式弯沉仪系列产品FWD-2000系列落锤式弯沉仪是由江苏省交通科学研究院研制的拥有自主知识产权的全自动弯沉检测设备,是由江苏省科学技术厅“2003年度江苏省科研院所技术开发专项”项目开发的产品。该产品2006年通过由江苏省科技厅、交通厅组织的产品鉴定,并荣获国家实用新型专利（专利号：ZL200620068519．4）,其主要技术指标达到了国外同类产品的水平,目前已销往江苏、河北、安徽等省,深受用户好评。     

江苏省交通科学研究院信息工程研究所——JSTRI FWD-2000落锤式弯沉仪系列产品

FWD-2000系列落锤式弯沉仪是由江苏省交通科学研究院研制的拥有自主知识产权的全自动弯沉检测设备,是由江苏省科学技术厅“2003年度江苏省科研院所技术开发专项”项目开发的产品。该产品2006年通过由江苏省科技厅、交通厅组织的产品鉴定,     

基于混合云架构的高速公路信息系统设计及实现

长期以来,由于我国高速公路信息系统普遍建立在物理机服务器上,导致存在计算资源利用率低、系统可靠性差、数据管理工作复杂等一系列问题。得益于云技术的快速发展,为解决上述问题,提出一种混合云架构的高速公路信息系统。首先,基于高速公路信息系统智能化及业务需求,设计实现了异构资源整合、硬件虚拟化和统一的数据访问接口,统筹管理计算资源。其次,研究设计两地三中心数据混合云架构系统备份框架,提高系统可靠性。再次,通过模拟分析验证了架构设计的优越性。最后,将以上成果在湖南省高速公路信息系统升级建设中进行应用实践,实测数据表明,与原系统相比,混合云架构平台提高了394%的计算资源利用率、170%的系统稳定性和49%的数据物理安全性,并提供了更加高效便捷的数据管理操作。     

基于黄灯困境区的相位安全切换时机研究

在路口信号设计中通过合理设置控制参数可以消除黄灯困境区,但当实际车辆运行状态、道路交通环境发生变化时,原有保障信号控制安全的措施可能会失效,出现黄灯困境区。传统感应控制策略受固定检测器位置限制,可能在困境区域位置发生变化并存在车辆的情况下进行相位切换。通过先进的检测器可以获取车辆的实时轨迹数据,对车辆运动参数和位置信息进行分析,从交通安全的角度提出基于黄灯困境区内车辆安全性的相位最佳安全切换策略。结果表明：在不良天气和路面条件下,下坡车辆较上坡、平坡车辆遭遇困境区风险的概率更大,可以通过适当短时调整信号切换时机(时间为1～6 s),规避困境区内车辆通行的安全问题。     

基于时序融合的自动驾驶多任务感知算法

采用连续图像帧作为输入,挖掘连续图像帧之间的时序关联信息,构建一种融合时序信息的多任务联合驾驶环境视觉感知算法,通过多任务监督联合优化,实现交通参与目标的快速检测,同时获取可通行区域信息;采用ResNet50作为骨干网络,在骨干网络中构建级联特征融合模块,捕捉不同图像帧之间的非局部远程依赖关系,将高分辨率图像通过卷积下...     

城市快速路交通拥挤识别方法

为了从海量动态交通数据中快速识别路网中存在的交通拥挤,通过分析拥挤的特征模式和各种数据挖掘技术的特点后,设计了一种适用于城市快速路的交通拥挤自动识别方法。该方法将占有率、速度和流量三个基础交通流参数进行组合得到新的特征变量,运用优化的多层前馈神经网络模型对特征变量进行处理来判断是否有拥挤发生,通过分析模型输出结果的变化趋势区分常发性拥挤和偶发性拥挤。模拟数据和实测数据对比结果表明,该方法可以识别城市快速路上发生的交通拥挤,具有良好的实用性。     

列车运行控制系统设计正确性的验证方法

为验证系统开发阶段列车运行控制系统设计的正确性,提出了基于RAISE软件的系统建模、描述及验证方法.以CTCS-3级两列列车追踪运行为例,采用面向系统特性的域,建立了系统域模型,并在对域模型扩充和完善的基础上,用RSL语言描述了两列列车追踪运行情况.根据RSL语言描述的公理及RAISE自身的推理规则,验证了当两列列车追踪运行时, CTCS-3级列车运行控制系统设计的正确性.     

形式化方法在列车运行控制系统中的应用

为了确保列车运行控制系统设计和开发的正确性,比较了仿真、测试和形式化3种能够验证系统设计正确性的方式。根据列车运行控制系统对安全的苛求性,提出了4个与系统安全相关的重要特性,即实时性、混成性、分布(并发)性、反应性,并分析了与这些特性相关的具体形式化方法。通过对每种形式化方法的数学基础和应用范围的分析和归类,给出了各种方法的优势和不足。分析结果表明:任何形式化方法的应用都具有一定的局限性,这是由模型检验和定理证明的本质所决定的;指出了新方法提出、既有方法拓展以及多方法集成将是列车运行控制系统的形式化领域的方向。     

基于Darknet框架下YOLO v2算法的车辆多目标检测方法

针对道路车辆目标检测传统方法需随场景变化提取不同特征, 检测率较低与鲁棒性差的问题, 提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法; 根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进, 基于ImageNet数据集和微调技术获得分类训练网络模型, 对训练结果和车辆目标特征进行分析后进一步调整改进的算法参数, 最终获得更适合于道路车辆检测的YOLO-vocRV网络模型下车辆多目标检测方法; 为验证检测方法的有效性和完备性, 采用不同车流密度进行了车辆多目标检测试验, 并与经典YOLO-voc、YOLO9000模型进行了对比; 采用改进YOLO-vocRV网络模型, 选取20 000次迭代, 分析了多目标检测结果。试验结果表明: 在阻塞流样本条件下, YOLO9000网络模型检测率为93.71%, YOLO-voc网络模型检测率为94.48%, 改进YOLO-vocRV网络模型检测率达到了96.95%, 因此, 改进网络模型YOLOvocRV检测率较高; YOLO-vocRV模型精确度和召回率均聚集在0.95, 因此, 在获得较好精确度的条件下损失的召回率明显较小, 达到了很好的折中; 采用混合样本训练后, 基于YOLO-vocRV模型的车辆多目标检测方法的检测率在自由流状态下可达99.11%, 同步流状态下可达97.62%, 阻塞流状态下可达到97.14%, 具有较小的误检率和良好的鲁棒性。