�ڳ��н�ͨ��Ϣ�����л��ڱ���������ں�ģ��

交通信息融合技术已成为智能交通系统中研究热点,它对于城市交通综合管理、交通预案应急联动以及数字城市建设有着十分重要的意义. 采用本体技术和语义逻辑代数方法,
对多源异构的城市交通信息的统一表示、融合等问题进行了深入探索. 通过城市交通本体建立静态和动态的城市交通信息的统一语义模型,并定义本体在语义层面上的融合规约和代数操作,以实现城市交通信息融合在语义上的完备性和一致性. 在城市交通信息集成中增加语义融合功能,对降低交通信息集成的数据量,提升集成后交通信息的查询和分析效率及准确性都有较大帮助,在实践应用中也体现了一定的效果.     

���ڷ��²���Contourlet�任�Ľ�ͨͼ���ںϷ����о�

电视监控是智能交通监控系统的一个重要组成部分,其目的是通过对视频交通图像处理进行车辆、行人、环境等的监控. 根据非下采样Contourlet变换具有多分辨率、多方向性和平移不变性的特点,提出了一种基于非下采样Contourlet变换的多聚焦交通图像融合方法. 融合策略采用低频系数取平均,高频系数基于邻域、兄弟和父节点信息的区域特征衡量取最大值法. 将本文的方法与小波变换、脊波变换及Contourlet变换相比较,实验结果表明,该方法取得了更好的融合效果,提高了图像质量,满足智能交通监控系统的要求.     

在城市交通信息集成中基于本体的语义融合模型

交通信息融合技术已成为智能交通系统中研究热点,它对于城市交通综合管理、交通预案应急联动以及数字城市建设有着十分重要的意义. 采用本体技术和语义逻辑代数方法,
对多源异构的城市交通信息的统一表示、融合等问题进行了深入探索. 通过城市交通本体建立静态和动态的城市交通信息的统一语义模型,并定义本体在语义层面上的融合规约和代数操作,以实现城市交通信息融合在语义上的完备性和一致性. 在城市交通信息集成中增加语义融合功能,对降低交通信息集成的数据量,提升集成后交通信息的查询和分析效率及准确性都有较大帮助,在实践应用中也体现了一定的效果.     

����·������WSN�ִ�����Ӧ��Ȩ�ں��㷨

部署在铁路路基监测区域内的无线传感器网络（WSN）,由于节点能量和带宽等资源的限制,要求数据的采集、处理、传输满足低能耗、高效率和高可靠性. 本文提出面向智能监测的无线传感器网络分簇部署策略,在感兴趣的区域内部署尽量多的节点,并根据数量类型、环境特征等因素将网络以簇为单位进行划分. 以簇为单位,采用自适应加权数据融合处理技术,将采集的地温数据按照精度分别乘以权重值再进行平均值处理,有利于降低数据冗余度,提高数据准确度和采集效率. 仿真性能分析表明,该方法可以显著提高数据传输效率,降低网络能耗,延长网络生命周期.     

基于非下采样Contourlet变换的交通图像融合方法研究

电视监控是智能交通监控系统的一个重要组成部分,其目的是通过对视频交通图像处理进行车辆、行人、环境等的监控. 根据非下采样Contourlet变换具有多分辨率、多方向性和平移不变性的特点,提出了一种基于非下采样Contourlet变换的多聚焦交通图像融合方法. 融合策略采用低频系数取平均,高频系数基于邻域、兄弟和父节点信息的区域特征衡量取最大值法. 将本文的方法与小波变换、脊波变换及Contourlet变换相比较,实验结果表明,该方法取得了更好的融合效果,提高了图像质量,满足智能交通监控系统的要求.     

基于提升小波变换的医学图像融合算法

图像融合是将多幅图像的信息综合到一幅图像的技术,它使得融合后的图像包含更为准确、更为全面可靠的图像描述。为了改善传统医学图像融合算法对细节信息的丢失,采用提升小波的方式将源医学图像进行分解,并分别对高低频采用不同的融合规则,最后经小波逆变换得到目标图像。仿真实验结果表明,该算法是有效可行的。     

基于深度CNN-LSTM-ResNet组合模型的出租车需求预测

利用海量的离线GPS数据进行出租车需求预测是智能城市与智能交通系统的重要组成部分.本文提出了一种基于深度学习的出租车需求预测方法(CNN-LSTM-ResNet),将出租车GPS数据和天气数据等转化为栅格数据,输入模型获得预测结果.该模型先使用卷积神经网络(CNN)提取城市范围交通流量的空间特征,然后引入残差单元加深网络层数,并利用长短期记忆网络(LSTM)提取GPS数据的临近性、周期性和趋势性,最后通过权重融合以上3个分量,并与外部因素(天气、节假日和空气质量指数)进一步融合,从而预测城市特定区域的出租车需求.采用西安市出租车GPS数据进行实验验证,结果表明,该模型与传统预测模型(如ARIMA,CNN,LSTM)相比具有更高的预测精度.     

智能车辆的障碍物检测研究方法综述

按照使用传感器的不同类型来分类，对智能车辆的障碍物检测和识别技术进行了综述，并分析各种障碍物检测方法。这些方法中主要包括基于立体视觉方法、基于激光雷达的方法：基于彩色机器视觉的方法及基于结构光的方法等等，同时作者指出任何一种有效的障碍物检测系统不能只依靠单一传感器进行环境感知，因此利用多种传感器信息融合技术检测智能车辆前方障碍物，是未来该领域的研究重点与难点。另外，还介绍了近几年一些研究机构在该领域的研究成果，并对所使用的一些算法进行简要的概括，为我国在智能车辆的障碍物检测领域的发展提供借鉴。     

基于模型库的船舰组合导航信息融合算法

在船舰组合导航系统中,由于各导航传感器自身物理特性、工作原理的差异,无法同步获得船舰目标的观测信息,因此船舰组合导航问题实质上是一类典型的异步融合估计问题.然而,现有的异步融合估计算法无法兼顾滤波精度的最优性以及滤波过程的实时性.为此,针对舰船稳态运行过程中的线性平稳过程,提出利用模型库设计一种船舰组合导航信息融合的新算法.仿真实验验证了所提方法的有效性,能同时满足实时性和最优性的要求,并且简捷,易于实现.     

多源交通信息融合技术在重庆市智能交通诱导系统中的应用研究

由于特殊的地理条件和历史原因,重庆市道路交通信息采集设备形式多样,形成的交通信息数据格式和设备数据接口标准不尽相同,多源交通信息数据的存储、处理和使用过程中遇到了诸多困扰.为此,重庆市交通管理局与重庆市科委共同谋划了“重庆主城区交通诱导示范工程”项目,将多源交通信息数据融合技术作为项目研究的重点,采用数据融合技术对多源交通信息数据进行处理,通过判别算法实现对道路交通状态的实时判别,并利用VMS、WEB等多种形式进行道路交通状态的发布,从而实现对主城区路网交通流进行策略性分流的目标.