自适应阈值法的舰船图像自动分割

图像分割是视觉检测领域中的重要环节。由于舰船环境和图像数据的复杂性,现阶段舰船图像自动分割技术中的抗光照性能差、精度低以及边缘模糊等问题仍普遍存在。如何有效完成对舰船图像进行自动分割成为一大难题。为了有效解决上述问题,对当前图像分割方法进行深入的研究和调查,提出通过自适应阈值法的舰船图像自动分割方法,在总结和分析了现有自适应阈值分割算法存在的优点和局限性后,给出了自适应阈值图像分割法的改进方案,以便从复杂的舰船图像背景中分离出目标区域,有效解决当前图像分割技术中光照不均匀、边缘模糊等问题。为验证方法有效性进行了仿真实验,实验结果证实该方法性能效果相对较好,充分满足对复杂舰船图像进行分割的设计目标。     

小波自适应阈值的混沌去噪方法*

为了提高小波分析方法在混沌去噪中的自适应能力,对不同尺度下的小波信号设定调节因子,根据混沌序列关联维的大小确定最优阈值。为了提高寻优效率,采用遗传算法全局自适应搜索最优阈值。利用该方法对Lorenz混沌时间序列进行了去噪分析,结果表明所提方法是非常有效的。     

社区居民适宜步行距离阈值研究

为研究社区居民适宜步行距离阈值,在上海市进行小区内RP(Revealed Preference)调查,通过询问居民前往某处目的地的出行方式,实际测量居民住处到目的地的距离,得出步行距离;然后在虹桥火车站进行可接受步行时间的调查。综合步行距离和步行时间的数据,结合偏态分布与距离衰变方程的分析方法,得出适宜步行距离与步行使用率的关系式,并通过计算得到了距离阈值。结果表明,由可接受步行时间调查计算得到的极限步行距离阈值为1500m,适用于城市规划的整体设计阶段;由步行距离调查数据计算得到的极限步行距离阈值为950m,可用于具体功能区的选址及交通衔接方式的选取;选取步行累计使用率为10%时对应的步行距离787m为适宜步行的距离阈值。     

基于全车牌识别数据的高速公路交通拥挤识别

针对目前高速公路交通拥挤尚无统一的识别标准的状况，基于河南省高速公路全车牌识别数据研究，提出在路网实际混合交通流状态下高速公路交通拥挤识别标准，并给出了不同设计速度高速公路交通非常畅通、畅通、轻度拥挤、中度拥挤、严重拥挤对应的平均行程速度阈值，用于快速识别交通拥挤地点、拥挤类型、拥挤持续时间等信息，为高速公路管理决策提供依据。     

基于速度的城市快速路交通拥堵预测研究

交通拥堵预测是解决交通拥堵问题的重要步骤之一.为缓解交通拥堵,选取速度这一参数建立交通拥堵预测模型.在对速度时间相关性和空间相关性分析的基础上,提出了基于时空特性和径向基神经网络的速度预测多点模型.将预测结果与决策阈值相比较,粗略地判定拥堵等级,并运用模糊算法对速度和拥堵程度进行量化,建立相应的模糊规则体系,并应用模糊逻辑推理得到定量的拥堵度指标.结合实例进行仿真和分析,与基于单一时间序列的预测方法相比较,基于时空特性的预测方法的平均绝对相对误差由7.45%下降到了3.61%,有效地提高了速度预测精度,基于速度的拥堵预测模型的识别准确率较高.利用模糊算法评判拥堵程度,可得到量化的拥堵度指标,使拥堵程度一目了然.      

公交候车时间容忍阈值的分布特征及影响因素

公交候车时间容忍阈值反映的是出行者能够容忍的最长候车时间. 研究公交候车时间容忍阈值有助于我们更好地理解出行者对候车时间的感知和态度，从而采取针对性的对策提高公交吸引力和分担率，并可以为公交运营组织提供参考. 本文采用昆明市的调查数据，对候车时间容忍阈值进行了实证研究. 首先，对候车时间容忍阈值的分布特征进行了统计分析，并采用秩和检验法对不同群体的候车时间容忍阈值的分布差异进行了检验. 进一步，基于序次Logit 模型识别了候车时间容忍阈值的影响因素，发现年龄、受教育程度、年龄和受教育程度的交互项、职业、家庭年收入、公交出行频率对候车时间容忍阈值有显著影响.     

分层蜂窝Ad hoc混合网络的建模与性能分析

以移动设备同时支持蜂窝和基于IEEE 802.11的网络接口为前提,提出1种分层蜂窝混合网络结构（HCA）,它融合了分层蜂窝结构（HCS）和移动Ad hoc网（MANET）,移动用户根据情况（速度和与基站间距离等）选择直接接入分层蜂窝的下层小区（微小区）、上层小区（宏小区）或以Ad hoc模式接入上层小区。随后利用Markov模型对此混合网络性能进行分析,仿真结果显示,此网络能够提高系统容量,平衡小区业务分布,从而降低呼叫阻塞率和被迫中断率。     

小波理论在路面平整度降噪分析中的应用

在路面平整度数据采集中,通常夹杂着一些噪声信号.文中采用4阶Symlest小波滤波器,对采样信号进行多尺度一维小波分解,通过软阈值法进行消噪,再对信号中的低频部分进行单支重构.分析表明,经过5层分解和分层阈值法处理后的信号不仅能最大限度地保留原始信号的趋势部分,而且能有效降噪.     

基于小波变换理论的车辆实测载荷谱优化处理方法研究

鉴于工程中采集到的车辆道路载荷谱易受外部环境干扰而存在噪声和异常的尖峰信号,而传统的傅里叶变换滤波方法容易将真实信号随噪声信号同时滤除,本文中研究了基于小波变换理论的车辆实测道路载荷谱降噪方法。选用Daubechies小波函数,结合多种小波阈值降噪准则对某试验车辆实测道路载荷谱进行降噪处理,系统性地研究了不同小波阈值降噪准则和小波消失矩对实测含噪随机载荷信号的降噪性能。结果表明,基于小波变换的降噪方法能有效剔除干扰噪声信号,其中Heuristic SURE准则对原载荷谱各项载荷特征的保留效果最好。此外,研究了基于小波变换理论的实测载荷谱中异常尖峰信号自动检测方法,为车辆实测道路载荷谱的优化处理提供了一定的参考。     

门架式可变情报板道路节点数量阈值研究

针对门架式可变情报板道路节点数量阈值缺乏量化依据的问题,选取42名驾驶人对7块显示不同道路节点数量的门架式可变情报板开展了室内静态认知实验,分析了视认时间、理解时间、信息理解正确率、综合设计评分和信息量接受程度评分这5项指标与门架式可变情报板道路节点数量的关系.基于趋势分析和Welch's anova方法确定特征指标,构建了基于熵权法的TOPSIS综合评价模型,并通过计算特征指标综合评价指数进行验证.研究结果表明,道路节点数为2~8个时,驾驶人视认时间、理解时间、综合设计评分和信息量接受程度呈现显著差异变化(4项指标的差异性检验p值均为0.01),信息理解正确率没有显著性差异(p=0.13).熵权法确定特征指标对道路节点数量影响程度由大至小依次为视认时间(0.32)、信息量接受程度评分(0.31)、综合设计评分(0.26)和理解时间(0.12).依据TOPSIS综合评价结果并通过综合评价指数验证,最终确定门架式可变情报板道路节点数不宜超过4个.