Performance measures and data requirements for congestion management systems

Many metropolitan areas have started programs to monitor the performance of their transportation network and to develop systems to measure and manage congestion. This paper presents a review of issues, procedures, and examples of application of geographic information system (GIS) technology to the development of congestion management systems (CMSs). The paper examines transportation network performance measures and discusses the benefit of using travel time as a robust, easy to understand performance measure. The paper addresses data needs and examines the use of global positioning system (GPS) technology for the collection of travel time and speed data. The paper also describes GIS platforms and sample user interfaces to process the data collected in the field, data attribute requirements and database schemas, and examples of application of GIS technology for the production of maps and tabular reports.     

Grouping travelers on the basis of their different car and transit levels of use

Market segmentation studies in travel behavior research are ordinarily based on socioeconomic characteristics and personality traits. This study explores the usefulness of a different approach, where the actual overall mobility levels across different ground transportation modes, along with desired changes in the use of cars and transit, are used as clustering variables. Using a given mode can in fact influence the personal representation of that mode, which in turn has been proven to be a key element in transport behaviours. We form such multimodality-based clusters from two field studies, one involving employees of the French transportation research institute INRETS and the other a representative sample of residents of the US San Francisco Bay Area. We find that strong users of a given mode would like to bring more balance to their “modal consumptions” by decreasing the use of this mode more than the average, and increasing the use of the alternative mode. However, concerning ground transport travel budgets, the desire to travel more (or less) overall seems less strongly related to the composition of the modal balance. The US dataset shows also a greater latent demand for travel than the French one. Socioeconomic characteristics of the clusters could not explain the patterns that were found, confirming the importance of taking into account multimodality issues in travel behavior research. Some policy implications from these findings are finally reported.

既有铁路勘察评价与加固控制标准研究

研究目的:既有铁路经过多年运营后,需重新进行勘探评估,然后进行改造加固,以适应提速和电气化的需要。由于铁路规范缺乏数理统计方面的评价内容,对比了《建筑地基基础设计规范》和《公路工程质量检验评定标准》数理统计方法,并采用了填料分段、任务分段和强制分段三种方法对既有铁路进行了分段评估。研究结论:《公路工程质量检验评定标准》更适合既有铁路勘察指标的合理评价。以评价动态变形模量为例,结合铁路相关规范,提出了不需要加固改造段的动态变形模量最小值为40 MPa。分段法减小了加固长度,取得了较好的效果。根据数据统计与分段结果,Evd值与基床表层填料类型关系密切,A、B组填料在运营中难以保证较大的刚度,要获得较大的刚度,宜选用石灰改良土或水泥改良土。     

基于改进模糊算子和形态学的舌体分割方法

舌诊是中医望诊中的重要内容,为了自动分析舌体的各项指标,必须将舌体从背景区域中分割出来.由于舌体与脸部等背景区域颜色较为接近,提出一种基于改进模糊算子和形态学的舌体分割方法,该方法根据由大津法确定的阈值定义隶属函数,取得了令人满意的分割效果.     

遗传算法在图像分割中的应用

图像分割是图像分析的预处理阶段,被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出用一种改进遗传算法进行图像分割的方法,并给出了遗传算法中参数的设定.仿真结果表明,改进算法的计算速度不仅明显优于传统的Otsu方法,而且算法的分割效果也很好.     

基于彩色图像车牌分割研究

智能运输系统中车牌识别技术得到了广泛应用,车牌分割是车牌识别的重要部分。基于彩色图像车牌分割与采用灰度图像车牌分割相比,可以有效消除阴影影响,同时车牌颜色也是车牌识别的一个参数。颜色分类处理使用特征函数,可以减少颜色坐标转换运算,提高颜色分类速度。文中详细讨论中国车牌特征,给出车牌分割详细步骤。车牌区域判别采用信息融合技术。车牌倾斜矫正结合车牌倾斜特点,提出快速算法。     

飞行值勤期警觉性研究

飞行疲劳是影响航空安全的重要因素,为使机组在值勤期内保持良好的警觉性水平,民航规章对机组成员的飞行值勤时长做出限制规定。为探究规章对飞行值勤期限制的科学性及值勤前休息模式的合理性,引用SAFTE模型分析非扩编机组在不同报到时间值勤期内的警觉性水平及波动程度,对模型仿真结果得出结论:日间报到值勤期内的警觉性水平明显高于夜间,上午的警觉性波动程度要明显小于下午的警觉性波动程度;CCAR-121(R6)关于值勤期的限制规定较CCAR-121(R4)整体更加优化,FAR117部夜间报到的值勤期限制优于CCAR-121(R6);值勤两小时前补充8小时的睡眠更能保证机组在飞行值勤期内的警觉性水平,避免疲劳产生和积累。     

基于视觉的地铁列车前向目标识别系统研究

为解决地铁列车前向运行环境中障碍物判断问题,提出基于视觉的地铁列车前向目标识别系统。该系统利用语义分割算法提取行驶轨道区域,结合轨道区域识别,基于SSD算法提取前向运行环境中轨道限界范围内的列车、行人等目标。针对上述场景,建立列车前向运行环境样本库,并基于该样本库完成模型训练。实验结果证明所得模型可有效识别列车前向行驶多目标。     

基于车载LiDAR数据的公路竖向净空自动化评估

现役道路基础设施管理过程中缺乏大范围区域内不同路段的现状或实时的竖向净空数字化资料，导致部分过高车辆撞击跨线桥或其他上空构造物的事故时有发生，造成了重大财产损失与人员伤亡。针对该问题，基于车载LiDAR数据构建公路竖向净空自动化评估方法框架。通过数据重构方法将复杂道路线形的车载LiDAR点云转化为简单的直线形式，利用基于线性索引的点云数据分块方法实现重构场景下车载LiDAR数据的条形、柱形与体素单元的快速分块，建立柱形单元非平面点初步滤波、基于K-Means与体素聚类的复杂LiDAR点云环境中路面优化分割流程。在基于条形单元划分提取道路边界后，利用体素聚类将路面上方点云进行划分。以提取的路面点云作为二维插值基准面，完成不同物体的竖向净空计算，并利用江苏南京市内的2条公路LiDAR数据的对算法框架进行测试。研究结果表明：所提方法在噪音存在的复杂LiDAR环境中可以有效分割出道路上方物体并完成竖向净空的计算；通过部分算法提取与人工标注结果的对比，显示公路1与公路2的竖向净空平均绝对误差分别为0.94、1.57 cm，具有较好的可靠性；在32 GB内存、Intel® Xeon® E5-1650 v4@3.6 GHz六核处理器的计算机上完成公路1与公路2竖向净空评估的平均时间分别为6.62、7.83 s·km^-1，算法效率可满足大尺度场景下的公路竖向净空自动化计算；相比于已有研究方法，所提方法框架考虑了车载LiDAR点云环境内的路面上测量噪音的存在，对变宽度路面条件复杂场景下的公路竖向净空评估具有更好的适用性。     

边缘提取在涂胶缺陷检测中的方法研究

船舶发动机盖外板与内板之间常涂覆一层防震密封胶,但具体涂胶形态难以观测,常用机器视觉手段获取产品涂胶图片。针对涂胶区域分割和检测精度低,效率慢的问题,提出一种新的边缘提取算法获取涂胶区域。为了避免传统Canny边缘检测方法易受噪声干扰的缺点,采用具有保边特性的加权最小二乘法滤波器对图像滤波去燥,增加45°和135°两个方向计算图像梯度,利用改进后的Canny算法获取边缘,对获取到的边缘点用区域生长方式将涂胶区域提取出来,最后将提取到的涂胶区域与标准涂胶区域进行配准和减影,得到减影结果即为涂胶缺陷。试验仿真表明：本算法能够很好的提取到胶水区域,并且获取胶水缺陷。