基于乘客感知的常规公交服务质量评价方法

针对当前城市常规公交服务质量评价的理论研究与实践多侧重设施指标水平的统计分析,而对公交服务主体——乘客感受考虑不足的现状,引入＂顾客感知服务质量＂的概念。提出了以乘客感知和期望之差为基本依据的常规公交服务质量评价方法,建立了公交服务质量评价体系。选取上海市北安跨线和成都市119路公交线路为案例,通过分析实际调查数据,量化评价了两条公交线路的服务质量,验证了评价方法的可行性与有效性。案例研究表明,票价、候车时间、车内空间、换乘便利性是公交服务亟待改善的问题。     

浅谈公路线形安全设计

公路交通安全是一个涉及人、车、路、环境多方面因素的综合性问题,探讨了与公路线形安全设计有关的标准、速度以及与驾驶员相关的视觉和心理等因素,要求在公路线形设计中充分考虑人、车和环境的特性,灵活运用设计指标,使公路线形连续、均衡,符合驾驶员的期望,公路交通更安全、更人性化。     

基于离散小波变换和人类视觉系统的数字水印算法

通过对人类视觉系统(HVS)的亮度特性、频域特性、图像类型特性的研究,提出一种基于离散小波变换和人类视觉系统数字水印算法,将秘密信息嵌入到小波变换不同的方位系数中.实现了水印信号在图像信息中的嵌入与提取,达到隐藏秘密信息的目的.实践证明该算法能提高水印的不可见性,同时具有很强的鲁棒性.     

驾驶人手机通话行为中基于图像特征决策融合的手势识别方法

为鲁棒检测自然环境中驾驶人的通话行为, 提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域, 在YC_gC_r色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样, 由此建立了肤色的高斯分布模型; 针对驾驶室光照强度的不均匀性, 提出了肤色分量的漂移补偿算法, 建立了适应光照变化的在线肤色模型, 以准确分割左右手部肤色区域; 运用HOG算法获取手部肤色区域的2 376维HOG特征向量, 运用PCA方法将HOG特征降至400维; 同时提取手部肤色区域的PZMs特征, 并采用Relief算法筛选出权重最大的8个PZMs特征向量, 建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明: 基于PCA-HOG特征的手势识别率为93.1%, 对光照变化的鲁棒性较好, 但易受到手部与头部转动的干扰; 基于Relief-PZMs特征的手势识别率为91.9%, 对于头部与手部姿态的耐受度较好, 但光照鲁棒性较差; 基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%, 对光照波动、手部与头部转动等干扰条件具有较好的适应性。      

引领“首驾驶”船舶的注意事项

本文从结构设计和操纵特点两个方面,分析首驾驶和尾驾驶两种船型的差异。首先从结构上分析首驾驶船舶的优劣势,并介绍引航中常遇到的首驾驶船舶类型;再者从操纵出发,以转心为参考点,分析两种船型在转向过程中,驾引人员视觉观察上的差别,狭窄水域以及靠离泊时操纵上的难点,并提出解决方案。     

基于虚拟点云的二阶段多模态融合网络

针对点云的稀疏性和无序性对目标检测准确率的影响,本文提出了一种基于虚拟点云的二阶段多模态融合网络VPC-VoxelNet。首先,利用图像检测目标信息构造虚拟点云,增加点云的密集程度,从而提高目标特征的表现;其次,增加点云特征维度以区分真实和虚拟点云,并使用含置信度编码的体素,增强点云的相关性;最后,采用虚拟点云的比例系数设计损失函数,增加图像检测有监督训练,提高二阶段网络训练效率,避免二阶段端到端网络模型存在的模型误差累计问题。该目标检测网络VPC-VoxelNet在KITTI数据集上进行了测试,检测精度优于经典三维点云检测网络和某些多传感器信息融合网络,车辆检测精度达到了86.9%。     

自动驾驶中视觉次任务对年轻驾驶人接管时间的影响

为了了解有条件的自动驾驶中,年轻驾驶人的接管反应特性,分析视觉次任务（3×3箭头次任务和4×4箭头次任务）和接管请求时间（TTC为5 s和7 s）对不同接管时间的影响,基于驾驶仿真平台,设计了包含不同的视觉次任务和接管请求时间的自动驾驶接管场景,针对29名年轻驾驶人进行模拟驾驶试验。使用双因素方差分析来研究不同次任务与不同接管请求时间对接管时间的影响,以及使用Pearson相关性检验来分析不同接管时间的相关性。研究结果表明：与无次任务相比,次任务会显著增加接管时间;不同的次任务对接管时间无影响,次任务与前方有障碍物时的接管请求时间对接管时间无交互作用;与前方无障碍物时的接管相比,前方有障碍物时的接管会显著减少接管反应时间;在驾驶人执行次任务的情况下,不同接管请求时间对转向反应时间和制动反应时间无影响;在前方有障碍物的接管中,驾驶人更倾向于采用制动加转向的组合操作来回避风险,且驾驶人接管回避操作中直接转向和制动加转向的组合操作的比例相同;接管反应时间与制动反应时间有较强的相关性。     

基于卡尔曼滤波的快时变稀疏信道估计新技术

针对高铁以及山区环境下正交频分复用（orthogonal frequency division multiplexing,OFDM）通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型（basic expansion model,BEM）,应用压缩感知（compressed sensing,CS）理论进行稀疏时延估计,并应用卡尔曼滤波（Kalman filter,KF）技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比（signal to noise ratio,SNR）条件下,随着归一化多普勒频移（frequency-normalized Doppler shift,FND）增大,新方法的信道估计均方差（mean square error,MSE）性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.      

钢结构工程高强度螺栓微小松动视觉检测方法研究

基于计算机视觉的螺栓松动检测方法中,一类是通过对连接节点图像进行透视矫正并分析螺栓轮廓边缘直线角度的变化以及时发现微小的松动缺陷。然而,目前这类方法在图像矫正和螺栓轮廓边缘检测的可靠性方面还有较大的改进空间。为此,针对钢结构螺栓连接节点,提出了基于深度学习的螺栓松动视觉检测方法。首先,基于YOLOv5检测螺栓目标。针对螺栓感兴趣区域(RoI),基于鲁棒性较高的Attention U-Net提取螺栓轮廓边缘直线。为了提高螺栓目标检测精度,目标检测模型应设定较低置信度阈值以保证目标无漏检,再通过螺栓RoI提取的边缘直线数量筛除伪螺栓。使用透视变换法对节点图像进行矫正,变换所需的参考点是根据螺栓检测框之间空间移动后的相交关系自动定位的。最后,根据矫正图像中的螺栓轮廓边缘直线计算螺栓角度,通过检测螺栓和基准螺栓之间的角度差异判断松动情况。研究结果表明：螺栓目标检测的AP值为0.97;螺栓轮廓边缘检测的准确率、召回率和F1的均值分别为0.846、0.807与0.825,且在多种复杂背景干扰下具有较高的鲁棒性;伪螺栓筛除法可过滤掉99.82%的伪螺栓目标;提出的图像矫正法适用于常见的多种螺栓排列形...     

智慧公路毫米波雷达感知精度分析与验证

毫米波雷达是当前智慧公路中路侧感知系统的重要组成部分,在交通流运行态势感知与智能管控、车路协同与自动驾驶中广泛应用。然而,车辆与毫米波雷达之间的相对位置、相对姿态的变化会对雷达信号回波及点云分布产生影响,导致雷达对车辆的感知结果出现偏差,进而影响交通系统的管控决策。分析毫米波雷达感知精度的空间特征,对于指导毫米波雷达在智慧公路中的应用至关重要。为此,基于毫米波雷达的感知原理,综合考虑毫米波雷达信号处理与点云数据处理2个阶段中的感知误差来源,通过数值仿真与实测试验相结合的方式对目标在不同位置与姿态下毫米波雷达的感知精度特征进行分析与验证。研究表明：雷达纵向感知精度主要受到与车辆相对位置的影响,当车辆与雷达纵向距离小于30 m或大于200 m时,车辆位置感知结果会向车头或车尾方向显著偏移,相应产生的纵向感知误差通常超过0.5 m;雷达横向感知精度主要受到车辆横向位置及相对姿态的影响,当车辆横向位置偏离雷达中心光束超过5 m或车辆行驶的航向角超过40°时,车辆位置感知结果会向车身侧向偏移,相应产生的横向感知误差通常超过0.5 m。得到的影响因素分析结果,可进一步为智慧公路场景中毫米波雷达感知...