ABC-S:智能网联汽车网络安全分析框架

针对智能网联汽车分层分布式的架构,借鉴IT网络安全领域的经验,提出一种名为ABC-S的网络安全分析框架。A指资产,即需要保护的对象。B指边界,C指通信,即访问资产的非常规渠道与常规渠道。S指多尺度服务,将资产在多个层级进行分解,理清安全需求与相互职责;合理规划各结点的防护投入,实现整体效能最大化;建立综合服务机制,保障系统持续运行于安全状态。因此,ABC-S框架在智能网联汽车安全领域具有显著的实用性与自适应能力。     

基于声振法的隧道二衬脱空检测仪器设计研究

针对声振法在隧道二衬脱空检测中存在的不足,提出了一种新型的隧道二衬脱空检测仪器,旨在实现隧道二衬脱空声振法检测的规范化,降低检测成本和人工高空作业带来的风险,并在隧道二次脱空声振法检测中得到更准确的结果。     

基于层次分析-可拓理论评价岩质岸坡稳定性

为了研究岩质岸坡的安全稳定问题,以云南玉楚高速绿汁江特大桥玉溪岸某岩质岸坡为例,运用层次分析与可拓物元理论相结合的方法,建立边坡稳定性评价物元模型,确定其稳定安全等级。通过层次分析法计算出各评价指标权系数后,结合可拓理论构造出的有序三元组,形成多因素关联度函数,进行模型的物元可拓分析,获取边坡最终的安全分级结果。结果表明：边坡的安全等级为Ⅳ级,处于不稳定状态。同时,运用FLAC3D有限差分软件对边坡进行数值计算,得出安全系数Fs=0.98,为不稳定边坡。两种方法的分析结果一致,进而论证了层次分析-可拓理论评价模型的可靠性,也为岩质岸坡的稳定性评价提供了一种新的决策方法。     

影响老年人步行效能的关键性建成环境要素识别

针对当前建成环境与老年人步行活动关系研究中,考虑个体主观感知嵌套于建成环境空间层次的不足,本文通过构建主观感知、建成环境与老年人步行距离效能的多阶层线性模型,以揭示各层级变量交互作用的本质和程度.结果显示:安全性、通畅性是老年人步行效能的主观敏感性因素;客观建成环境要素对不同步行距离效能存在一致性或差异性影响,其中,交...     

兼顾成本与风险的渣土车运输路径优化模型

为提高建筑垃圾运输过程的经济性和安全性,针对渣土车运输路径优化问题进行了研究,提出一种兼顾成本与风险的多目标0-1整数规划模型。该模型将时间成本、固定成本和运输过程中产生的与渣土车流量、道路等级、单双车道相关的风险因素融入了优化目标,同时其约束条件充分考虑了时间窗和路段连续性等影响因素。鉴于模型的复杂性和多目标特征,设计NSGA-Ⅱ算法对模型进行求解。基于济宁市渣土车实时监测数据设计实例对模型和算法进行验证。结果表明：NSGA-Ⅱ算法适用于求解渣土车运输路径多目标优化模型;通过对模型求解可以得到兼顾运输成本与风险的渣土车运输路径;相比于现有运输路径,模型所得路径最多可以使运输成本和运输风险分别降低19.6%和24.6%;渣土车更适合采用道路等级较高的双车道路径。     

基于自适应变分模态分解的扩展工况传递路径分析方法

为削减扩展工况传递路径分析在信号采集过程中干扰噪声的影响,提高分析精度,提出了一种结合自适应变分模态分解和巴氏距离的优化OPAX方法.该方法考虑到多尺度模糊熵能够较好地表征非稳态复杂信号,将其作为适应度函数.采用模拟退火粒子群算法和粒子群算法分别对信号进行自适应变分模态分解,并通过模拟信号证明了模拟退火粒子群算法的泛化...     

城市公交线路模态行驶工况构建研究——以西安市公交线路为例

模态行驶工况是公交车运行和排放的基础研究之一.从线路代表性和覆盖面角度出发,统计市区和市郊线路强度并排序,确定测试公交线路.采用GPS设备对测试线路公交车实际运行状态进行试验,提出以线路强度比为基础的线路耦合方法,以西安市为例建立样本数据库.基于参考模型设置优化变量,通过分析样本特征值确定模型目标函数和约束条件,采用多目标优化理论优化模型关键数据点参数,建立西安市区和市郊公交线路模态行驶工况.经工况验证可知,市区和市郊模态工况与验证样本的特征值误差分别为8.54% 和2.77%,比功率分布误差分别为0.37% 和0.78%.结果表明,建立的模态工况在数理分析和比功率分布2个维度均能更准确地反映西安市公交车实际运行状态和排放相关特征.     

多线路公交停靠站停靠组织研究

针对多线路公交停靠站公交车辆进出站排队现象严重,站点延误大,运行效率低等问题,分析了不同停靠组织形式和不同主辅站设置类型对公交运营效率的影响。运用Vissim对3泊位直线式和港湾式公交停靠站点的顺序停靠组织和不同组合的划线停靠组织分别进行仿真研究,从公交延误、车辆总延误、行程时间以及通过车辆数4个方面对不同停靠组织形式在不同条件下的交通运行效果进行评价,得到不同形式公交停靠站的最佳停靠组织形式;在此基础上,对不同组合型式的6泊位主辅站停靠组织进行仿真评价,得到了最优的主辅站设置类型。仿真结果表明:对3泊位公交停靠站采用直线式停靠站,总延误平均降低38.4%,采用港湾式公交停靠站,总延误平均降低40.6%;对6泊位主辅站采用双港串联设置,总延误降低22.8%。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题, 提出了融合多模式弱分类器, 并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点, 以Haar特征训练判别式弱分类器, 以HOG特征训练生成式弱分类器, 以AdaBoost算法为桥梁, 采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器, 利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明: 相比于单模式弱分类器, AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性, 表现为较高的检测率与较低的误检率, 分别为95.7%、0.000 27%, 每帧图像的检测时间较少, 为25ms; 与传统级联AdaBoost分类器相比, AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间, 但检测率提升了1.8%, 误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法, 具有较佳的车辆检测效果。