灰色关联投影法在公路网综合评价中的应用

在建立用于公路网综合评价指标体系的基础上,论述灰色关联投影法在公路网方案综合评价的应用,并根据实际数据,应用灰色关联投影模型对吉林省各地区2002年现状公路网方案进行评价并排序比较。结果表明,该方法用于公路网综合评价和排序是可行有效的。     

阶段约束下Gauss配点离散化平行车位自动泊车轨迹规划

针对平行车位自动泊车高精度轨迹规划,提出一种联立多阶段划分和非均匀Gauss配点参数化的轨迹优化算法。首先,结合车辆泊车动力学方程和约束条件建立了平行自动泊车数学模型;然后,根据泊车过程,提出将泊车过程划分为泊车起动、接近车位、进入车位、姿态调整、泊车落位5个阶段,并建立各阶段对应的不等式约束条件;进一步,在伪谱法算法框架下,结合阶段约束给出了多阶段局部高斯配点策略,以此实现分阶段独立配点离散,从而提高泊车轨迹规划的精准度和适应性;最后,在通用小型汽车模型上在长短车位上进行仿真测试,验证提出方法的正确性和适应性。结果显示,相较于分段区域Gauss伪谱法,改进方法在获得平滑泊车轨迹的同时泊车时间平均减少2.976 s,时间性能提升21.7%,表明了所提算法的有效性。     

一种优化的Canny边缘检测算法

在对Canny边缘检测理论研究基础上,针对Canny边缘检测算法在高斯滤波、梯度计算和高低阈值的确定上的缺陷,提出一种改进的小波变换法,替代高斯滤波,实现对图像的降噪,同时,优化了原有梯度幅值和方向的计算方法,采用改进的迭代算法对高低阈值进行计算。运用MATLAB仿真实验对比优化后的Canny边缘检测算法与传统Canny边缘检测算法。结果表明,优化后的Canny边缘检测算法可使检测结果拥有更多的边缘细节,提高了检测的精度和准确度。     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求,提高智能车辆人-机交互协同的满意度和接受度,构筑双层驾驶人跟驰模型框架,提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先,提取个体驾驶人跟驰均衡状态的数据,采用高斯混合和概率密度函数(GaussianMixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型,即驾驶人期望跟车距离模型。然后,将期望跟车距离参数引入模型,基于高斯混合-隐马尔可夫方法(GaussianMixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性,建立第2层模型预测加速度,即个性化驾驶人跟驰模型。其次,研究不同高斯分量个数对模型效果的影响,对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后,8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性;在最优高斯分量数量下,8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2,在测试集上为0.123 m·s-2;随机选取其中1位驾驶人的2个跟车片段数据进行模型计算,结果显示,加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2,预测效果优于Gipps模型、ODM模型、单层模型及通用模型30%以上,与驾驶人实际跟驰行为的吻合度更高。     

考虑交通运行条件影响的驾驶员特征聚类

为提升驾驶员特征聚类方法的适用性与可靠性,本文基于机动车运行轨迹分析提出考虑交通运行条件影响的驾驶员特征聚类改进方法。首先,经过对车辆运行轨迹数据的分析发现,不同道路类型和平均速度条件会显著影响驾驶行为的集计特征;其次,提出改进的驾驶员特征聚类方法,第1步设计考虑道路类型与平均速度因素的车辆轨迹的切片和分类方法,从而稳定提取典型交通条件下的驾驶行为特征参数,第2步选用高斯混合模型聚类驾驶员特征。聚类案例表明,在相同的道路类型和平均速度条件下,驾驶员类型越激进,其速度变异系数、加速度标准差和平均减速度等参数均值越高。不同聚类方法的对比表明,改进方法在驾驶员聚类的类内聚集度和类间分离度方面均表现更好,能有效提升驾驶员聚类的适用性与可靠性。     

顺层白云岩边坡稳定性分析与计算

在对西南山区某顺层白云岩边坡进行资料收集和现场调查的基础上,通过赤平投影法对顺层白云岩边坡稳定性进行了分析,确定了边坡的稳定性和边坡的滑移类型;深入分析了影响边坡稳定性的主要因素;采用极限平衡法计算了边坡的安全系数。通过对滑面强度、滑体密度等参数的敏感性分析发现,抗剪强度参数对边坡的稳定性影响较为敏感。其成果可为今后类似边坡的稳定性分析和加固设计提供参考。     

计算机视觉技术在列车行李遗留检测上的应用

利用计算机视觉技术,通过帧差法和YOLOv3目标检测算法实现了列车车厢内遗留行李的自动检测和识别,检测效果良好。     

自适应高斯遍历和声搜索物联网射频识别均衡优化

针对物联网射频识别过程中存在的数据量过大、传统算法计算复杂度较高和识别准确率较低的问题,提出了自适应高斯遍历和声搜索(Gauss traversal and harmony search algorithm, GTHS)物联网射频识别优化算法.首先,基于和声搜索算法进行网络优化设计,针对标准HS在优化精度和计算复杂度等方面存在的问题,利用高斯函数的遍历特性对算法即兴创作过程引入控制参数,提高前后期搜索的针对性,并给出参数选取的理论分析;其次,对物联网射频识别优化模型进行研究,提出改进的自适应优化目标,实现性能指标的均衡优化;最后,将该算法与RPSOAS、CDE以及C-MC算法进行了实验对比分析,结果表明,所提GTHS算法在区域大小为1000 m1000 m、标签数量为100000的大型物联网RFID (radio frequency identification network)实验对象中,收敛精度为7.2156,收敛精度提高29.6%以上.      

异步码分多址硬判决并行干扰消除算法的改进高斯近似分析

以异步码分多址系统硬判决并行干扰消除检测器为模型，分析了一阶干扰消除后残余多址干扰的结构及统计特性，提出了一种低复杂度的改进高斯近似误码率计算方法，给出了封闭形式的误码率表达式。该方法可以迭代使用，计算多阶干扰消除后的误码率。当各用户功率具有独立同分布时，计算复杂度为Ｏ（１）。