物联网环境下舰船通信数据云隐写技术

随着物联网日趋复杂,物联网环境下船舶数据的通信安全受到极大威胁。传统的数据传输加密技术无法有效地保护数据不被暴力破解,且传统的隐写技术有无法适应物联网中庞大数据计算量。因此,提出物联网环境下舰船通信数据云隐写技术研究。通过对物联网内的待隐写数据进行模糊规则计算,得到隐写数据流的规则特征;再通过引入的对抗学习算法,使隐写数据流具备抗攻击能力;最后对待隐写数据流进行云端隐写的数据位置定位与融合计算,完成提出的物联网环境下舰船通信数据云隐写技术研究设计。为证明提出设计的可行性,采用300组随机数据对提出方法进行验证,通过数据的对比证明提出设计具有数据隐写速度块、数据写入位置定位准、隐藏效果好的特性。     

BIM与GIS融合技术在航道整治工程中的应用

针对航道整治工程中BIM技术无法管理条带状工程、难以表达工程周边地理信息等难点,通过梳理BIM与GIS数据特点,研究探索BIM与GIS融合技术,提出了通过格式转换、坐标转换和数据关联实现BIM与GIS融合的方法。将研究成果应用在蕲春水道航道整治工程,验证了BIM与GIS融合方法的可行性,实现了BIM与GIS数据一体化浏览、显示、管理、分析等功能,解决了BIM无法管理大范围工程、无法反映工程周边环境的不足,为BIM与GIS技术在航道整治工程中的应用提供了技术支撑。     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k 值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.     

基于离散-连续耦合的钢桥面铺装剪切模拟

层间剪切破坏是钢桥面铺装主要病害之一,为了对钢桥面铺装复合结构层间剪切行为进行研究,基于三维离散-连续耦合方法建立了钢桥面铺装复合结构仿真模型,分析得出30℃条件下钢桥面铺装层间剪切破坏行为的变化规律,分析剪切速率对钢桥面铺装层间剪切受力状态的影响。研究结果表明过高或过低的行车速度对钢桥面铺装层都不利。对比分析离散-连续模型与离散元模型模拟结果发现,离散-连续模型计算结果更加符合实际情况。     

区块链在智能交通领域中的应用研究

由于区块链具有难以篡改、异构灵活、智能合约自动执行、协作机制透明、安全可靠的特点,在诸多领域得到应用和推广。结合智能交通领域的业务需求和区块链的技术特点,对区块链在交通领域中的应用研究进行了初步探讨。     

基于大数据的大学校园停车系统规划 ——以大连理工大学凌水主校区为例

为解决大学校园停车系统混乱以及用于相关规划的基础数据样本量小、精度不高、时效性 差等问题,应用大学校园停车调查数据、各出入口车辆记录数据以及各院系教职工信息数据进行多源大数据分析,提出了一种基于大数据的大学校园停车系统规划方法。以大连理工大学凌水主 校区收集到的数据为例,首先从静态角度利用各出入口车辆记录数据和校园停车调查数据获取校园整体停车需求,进而利用各院系教职工信息数据分析各部门的停车需求。然后,从动态角度考虑停车位的周转问题,利用各出入口车辆记录数据分析校园出入车辆停车时段分布状况。最后,根据多源大数据分析所得校园停车系统现状,得出相应的校园停车系统规划结果。研究结果表 明：基于大数据的大学校园停车系统规划方法可有效解决传统方法中基础数据样本量小、精度不高、时效性差等问题,提高了规划结果的实用性和科学性。     

基于移动导航数据的信号配时反推

在交通管理和评价时,信号配时对监测评价路口运行状态,评价路口配时方案至关重要.但是,大范围的实时信号配时方案的获取尚缺乏简明有效的途径.本文提出两种基于移动导航数据计算固定配时路口信号配时的方法.第一种方法是在不考虑驾驶员驾驶行为差异性时,得到路口红灯和车均延误的关系模型,从而计算某相位的红灯时长.另外一种方法是基于车辆通过停止线的时间,结合本文提出的上升梯度法,得到某阶段红灯时长.本文通过实际的路口案例计算,将预测结果和已知路口的信号配时比较,表明此方法计算得到的红绿灯时长准确度较高,为后续进行路口运行状态和通行能力研究提供了数据支持.     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

新能源公交车辆大数据决策支持平台的研究

新能源汽车具有能源利用效率高、环境污染小、适用清洁能源种类多、噪声低、方便保养、安全性高等优点,成为未来公共交通发展的重点方向。为了实现更高的信息化程度,为国内大型城市的新能源公交车辆的规模化应用提供便利,相关的信息化系统平台的建设非常重要。大数据技术为新能源公交车辆决策支持平台建立了数据分析与应用基础,该大数据决策支持平台能够存储、处理来自不同数据源的多维数据,利用联机分析处理实现多维度数据分析,运用数据挖掘技术利用新能源公交车辆信息,提供新能源车辆充电决策、充电场地建设决策、电池容量及衰退分析等功能。     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.