基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

城市交通控制与诱导系统协同的信息分析

交通信号控制和动态交通诱导是城市交通管理的两个主要手段，2者协同运作能提高城市交通管理效率。多源交通信息处理是交通控制与交通诱导实现协同的基础和关键。文章分析了交通控制与动态诱导系统的信息需求特点，对交通控制与交通诱导系统协同运作的数据处理与信息融合进行了研究。     

基础交通信息融合方法综述

文章介绍了几种经典算法在基础交通信息融合中的应用,包括卡尔曼滤波、人工神经网络、统计分析(加权平均,指数平滑法,平均值的递推估计算法),以及交通流量和行程时间预测方法。各种方法均通过实际验证其有效性及可靠性。融合后的数据能够满足智能交通系统的子系统ATMS相关应用领域对信息的精度要求,为下一步的交通状态估计提供可靠信息。     

基于NN-FR的交通中同一检测面上多检测器的数据融合

基于神经网络-模糊推理(N N-FR)的数据融合方法——自适应神经网络-模糊推理信息融合系统(A N N-FRIFS),对交通中同一检测面上的多种检测器采集的数据进行融合。首先简单介绍了A N N-FR IFS,然后分析了AN FIS置信度判别器的设计,并给出了A N N-FRIFS算法,最后结合仿真算例,验证了该方法能以较高精度对同一检测面上的多检测器进行数据融合。     

试验数据统计建模研究

针对数据融合技术和仿真试验的难点，对试验数据的建模问题作了分析研究，简要介绍试验数据建模的成果。     

汽车防撞系统中目标跟踪与防撞决策研究

为了实现汽车主动安全系统中的目标跟踪与防撞,提出了混合式汽车防撞系统信息融合结构模型,采用分级信息融合实现目标跟踪,推导出了基于跟踪残留误差和预测残留误差共同校正的融合算法,并给出了算法的实现结构;提出了基于局部分析的映射变换方法,实现驾驶模型特征向量连续、实时的修正,在此基础之上,利用模糊积分方法融合多种相关信息,确定汽车应采用的安全运行模式,实现主动安全防撞决策。经过大量试验证明:该算法具有很好的稳定性和准确率。     

基于融合技术的BP算法在发动机诊断中的应用

主要融合了怠速控制阀信号、喷油驱动器信号及水温传感器信号,设计了通过提取信号特征值,应用神经网络故障识别系统诊断发动机怠速不良故障。信号特征以各自信号的特点提取,其中怠速控制阀信号为脉宽调制信号,选取脉宽及幅值等参数为特征;喷油驱动器信号也为脉宽调制信号,选取喷油时间和峰值电压等为特征;水温信号因其为慢速变化信号,取不同阶段的水温为特征。神经网络的BP算法加入动量项法和动态参数两阶段调整法进行改进。     

基于深度学习的三维感知算法在船舶自主靠泊场景中的应用

随着船舶自主化在航运业的快速发展,《自主货物运输船舶指南》提出了针对自主靠泊场景的环境感知等相关技术要求。本文提出一种基于深度学习的三维感知算法,将多传感器的点云和图像数据进行深度融合,提升目标检测和分类的精度,用于寻找指定的靠泊目标。搭建基于虚拟物理引擎的船舶靠泊仿真系统,模拟靠泊场景,解决数据采集的难题。最后结合成熟的决策和控制算法,构建完整的自主靠泊系统,完成靠泊仿真试验,验证算法的有效性,对船舶自主靠泊应用具有重要意义。     

城市轨道交通安全智能融合监控体系的构建

从轨道交通所具有的开放的复杂巨系统特性出发,探讨实现轨道交通安全智能监控目标的一条途径———智能融合理论和方法体系。采用系统工程全方位思维模式,将知识工程、信息智能处理等理论和方法,与传统的数学、信号处理方法相互渗透和融合,来完成轨道交通安全监控中的各项工作。将智能融合监控分为数据级融合、分析级融合、诊断级融合和评价级融合等4级体系结构,叙述了各级融合的基本原理和典型实现方法。该融合监控体系能够对轨道交通系统安全状况及安全级别做出综合分析和评价,从而实现全过程的轨道交通系统安全分析和评价。     

鱼雷目标检测的贝叶斯判别融合方法研究

对基于贝叶斯判决法的模式分类方法进行了理论分析,并将多变量的贝叶斯模式分类方法应用于决策信息融合过程,证明用多传感器测得的多维信息通过决策融合进行目标判别优于用单传感器测量进行目标判别,此方法用于鱼雷的目标检测,能大大提高系统的目标检测概率,或降低检测的虚警概率。理论分析和数学仿真均证明其是一种有效的方法。