基于机器学习模型的建成环境对小汽车拥有行为的影响

为分析家庭小汽车拥有行为，同时考虑居住地和工作地建成环境的影响，构建梯度提升迭代决策树(GBDT)模型；分析社会经济属性，居住地、工作地建成环境属性对小汽车拥有行为的影响程度，并基于长春市居民出行调查数据进行实证研究.结果表明：3类影响因素中，社会经济属性对小汽车拥有行为的影响最大(58.95%)；职住地建成环境属性均对家庭小汽车拥有行为具有显著影响，且居住地建成环境影响(23.77%)高于工作地建成环境(17.28%)；职住地建成环境属性中，除居住地交叉口密度，工作地到中央商务区(CBD)距离及公共交通站点密度外，其他建成环境属性对小汽车拥有行为的影响均大于5%.因此，有必要同时优化职住地的建成环境来抑制小汽车拥有量的增长.     

融合注意力机制的轨道入侵异物检测轻量级模型研究

基于智能视频分析的轨道线路环境入侵物自主识别是保障轨道交通运营安全的关键技术之一。然而基于神经网络的高精度目标检测模型严重依赖算力，部署成本高，很难普及运用。为此，提出一种改进yolov4-tiny的轻量级网络模型。在网络主干，通过融合跨阶段结构和通道混洗策略，提出CSPShuffleNet结构，加快网络推理；在网络颈部，引入多头注意力机制，增强网络目标定位能力；在网络头部，使用深度可分离卷积替换传统卷积，进一步压缩网络参数量。基于铁路异物数据集的实验结果表明：相比于原始yolov4-tiny,本模型的均值平均精度最大提高1.4%,参数量减少49.9%,模型容量减少55.4%。验证了本模型对于固定平台和移动平台检测系统的普适性，从而为铁路安全保障提供决策支持。