基于B/S模式的矿区铁路安全管理信息系统的研究

论述矿区铁路安全管理信息系统的管理现状,确定系统研究目标.在介绍系统体系结构的基础上,对系统结构设计和功能模块进行论述.通过挖掘安全生产和管理中的各类资源数据,为安全管理和决策提供技术支持.针对系统现状,提出应用层安全机制和管理办法,从而保证企业内部数据的安全性.     

线圈检测器采集信息的预处理方法和多维数据模型的构造

通过环形线圈检测器采集的数据,不仅具有时间序列的特性,而且与其所处的空间位置有很大的关系。文中论述了线圈检测器数据产生的原理,并提出了相应的预处理算法。针对交通数据管理现状和数据挖掘需要,借鉴了空间多维数据模型以建立交通流数据仓库。     

在线导航模式随机参数插入加密算法应用研究

为满足在线导航模式下位置信息实时发布的需求,同时满足国家测绘局对坐标信息加密的要求,提出在线导航应用随机参数插入加密算法,并在实际运营中进行应用.运营结果表明,在纯在线模式下,即只预装基础地图并支持在线更新和发布实时信息的模式下,该算法具有计算量小、加密效率高、隐秘性强等优点,适用于数据更新和发布迅速的在线导航服务.      

基于网格分类与纵横向注意力的城市道路车道线检测方法

车道线检测是汽车安全辅助驾驶系统的基础模块,在城市道路场景下车道线存在受碾压致特征缺失、车辆间相互遮挡以及光照环境复杂多变等问题,本文提出基于网格分类与纵横向注意力的车道线检测方法。提取道路图像的全局特征图,将其划分为若干网格,计算网格中车道线的存在概率;通过将车道线检测转化为网格位置的分类,定位每条车道线的特征点;构建基于Ghost模块的主干网络,结合车道线的形状特征,引入纵横向注意力机制,通过增强车道线纹理特征和融合位置信息,获取缺失的细节特征;利用三次多项式,拟合车道线特征点,修正车道线的检测结果。基于TuSimple与CULane数据集,在ResNet18、ResNet34和DarkNet53中嵌入纵横向注意力模块,并开展对比实验。结果表明：在TuSimple数据集上,嵌入纵横向注意力模块后,模型精度均提升了约0.1%,与其他模型相比,Ghost-VHA模型的准确率为95.96%。在CULane数据集上,嵌入纵横向注意力模块可提升精度约0.65%,与其他模型相比,Ghost-VHA的F1分数为72.84%,提升了0.54%。在TuSimple与CULane数据集上,Ghost-...