车头时距混合分布模型

为描述车头时距分布特性,基于二分车头时距的基本思想,将行驶车辆状态分为跟驰状态和自由流状态,在分析其运行特征的基础上,建立了能同时描述这两类状态对应的车头时距分布特性的混合分布模型.应用实测数据,通过EM(expectation maximization)算法确定模型的相关参数,并结合参数取值分析了路段上、下游和不同车道内车辆行驶统计特征的差异性,最后,进行了实例验证.研究结果表明:混合分布模型在实验路段各处均可通过卡方检验;与负指数分布、爱尔朗分布和M3分布相比,混合分布模型对车头时距分布情况的拟合精度平均提高10%以上,且对快速路入口匝道通行能力的计算结果与实测值较为接近.     

基于出租车GPS数据的路段平均速度估计模型

为了解决现有基于GPS数据的路段平均速度估计模型应用条件苛刻、难以满足低成本和高精度信息需求问题,考虑不同类型GPS车辆运行特征,设计了两个基于出租车GPS数据估计路段平均速度的改进模型.基于两个改进模型,设计了路段平均速度的融合估计方法.用某城市局部路网的出租车GPS数据验证两个改进模型,并与传统模型进行了对比分析....     

三塔斜拉桥抗震性能非线性时程分析

以正在建设的一座大跨径3塔结合梁斜拉桥为研究背景,建立空间动力有限元模型,对E1和E2水平的三向地震作用下结构地震反应进行了非线性时程分析,并研究了行波效应对结构地震反应的影响.结果表明:该桥在两阶段设防的地震反应符合相关抗震规范要求,具有较好的抗震性能;主塔地震反应中,弯矩与应力分布规律有不一致的现象;行波效应对3塔斜拉桥中塔纵向地震反应的影响很小,对边塔的影响较大,且相对一致激励为不利影响,其随视波速的增大而减小;行波效应对主塔横向地震反应影响很小.     

基于Petri网考虑中介状态的机械系统失效相关可靠性分析

机械系统因其各子系统、各部件、各单元之间的相互复杂关系,容易受到自身结构与人为因素的影响,导致其发生失效,严重影响了机械系统的可靠性.在利用Petfi网模型对机械系统分析的基础上,并引入"安全-中介-失效"3级工作模式,从安全、中介、失效3个方面来反映机械系统的可靠(完全正常工作)、可靠与失效的中介过渡、失效(完全不能...     

非线性滤波器在动力定位船位估计中的应用

针对动力定位船舶在作业过程中因丢失GPS位置测量信号,从而导致动力定位系统不能正常工作,而使船舶偏离作业点的问题,设计了一种非线性滤波器,它可以利用以前保存的历史数据进行船舶位置的实时估计,从而使船舶在一定的时间内可以维持在作业点附近,当重新获得GPS信号后,又可以快速地进入正常工作状态。为了使历史数据能够更准确地反映船舶的实时位置,利用历史数据相对于作业点的平均偏差对历史数据进行了补偿。最后给出了此非线性滤波器在船舶仿真系统中的仿真曲线,分析表明在有滤波器的情况下,船舶真实位置估计的准确度比没有滤波器的情况下有明显的改善。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

A competing Markov model for cracking prediction on civil structures

Cracks on the surface of civil structures (e.g. pavement sections, concrete structures) progress in several formations and under different deterioration mechanisms. In monitoring practice, it is often that cracking type with its worst damage level is selected as a representative condition state, while other cracking types and their damage levels are neglected in records, remaining as hidden information. Therefore, the practice in monitoring has a potential to conceal with a bias selection process, which possibly result in not optimal intervention strategies. In overcoming these problems, our paper presents a non-homogeneous Markov hazard model, with competing hazard rates. Cracking condition states are classified in three types (longitudinal crack, horizontal crack, and alligator crack), with three respective damage levels. The dynamic selection of cracking condition states are undergone a competing process of cracking types and damage levels. We apply a numerical solution using Bayesian estimation and Markov Chain Monte Carlo method to solve the problem of high-order integration of complete likelihood function. An empirical study on a data-set of Japanese pavement system is presented to demonstrate the applicability and contribution of the model.     

Suspension system state estimation using adaptive Kalman filtering based on road classification

This paper provides a new method to solve the problem of suspension system state estimation using a Kalman Filter (KF) under various road conditions. Due to the fact that practical road conditions are complex and uncertain, the influence of the system process noise variance and measurement noise covariance on the estimation accuracy of the KF is first analysed. To accurately estimate the road condition, a new road classification method through the vertical acceleration of sprung mass is proposed, and different road process variances are obtained to tune the system’s variance for the application of the KF. Then, road classification and KF are combined to form an Adaptive Kalman Filter (AKF) that takes into account the relationship of different road process noise variances and measurement noise covariances under various road conditions. Simulation results show that the proposed AKF algorithm can obtain a high accuracy of state estimation for a suspension system under varying International Standards Organisation road excitation levels.     

基于深度学习的驾驶员状态识别

提出了基于驾驶员脸部及周围信息的驾驶员状态检测方法。文章通过实车摄像头采集了驾驶员驾驶状态视频数据,利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,基于驾驶员脸部数据建立了深度学习数据集,然后基于该数据集设计了一种卷积神经网络模型FaceNet,利用PyTorch深度学习框架在数据集上对模型进行训练,最终得到了有较高准确率的驾驶员状态检测模型,其可识别抽烟、睡觉、左手打电话和右手打电话四种驾驶员状态。