基于连续点云数据的既有铁路轨面信息快速提取算法设计

三维激光扫描获取的既有铁路点云数据具有海量性、离散性等特点,难以从点云数据中快速提取线路参数.为此,结合现场实测数据,提出一种基于连续点云数据的既有铁路轨面信息快速提取算法.通过k-d树实现点云的快速搜索、查询和储存,利用主成分分析法和移动激光点聚类法提取的接触线分割构建出铁路缓冲区,进而通过平面格网法的粗提和多种约束条件下的精提实现了轨面点提取.对既有线路现场试验结果表明,轨面点提取的完整度c和准确度p均在93％以上,该方法能较好地实现钢轨轨面点云的快速提取.     

基于能量重心定位的水下防护薄板结构撞击识别方法

为弥补传统能量重心定位方法的不足,综合考虑薄板结构上孔的非对称分布,创造性地提出一种基于加权能量重心定位的撞击识别方法.通过有限元模拟验证该方法的有效性和准确性,结果表明,该方法能快速而准确地对非对称、非连续薄板结构的撞击位置和撞击应力进行识别判定.研究成果可为结构撞击识别方法的改进优化提供理论支持,为工程中复杂结构的撞击监测和识别提供技术支撑.     

基于多点线圈联合数据的高速公路匝道影响范围识别

为准确识别高速公路匝道对主线车流的影响等级和范围，本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响，对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表 明，所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%；A~C级服务水平下，分流匝道对上游主线最外侧车道影响程度比次 外侧车道高6%~29%，D~F级服务水平下，最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m；其中上游160m至下游100m和下游180~ 270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m，其中750~850m、450~ 600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据，可有效降低设置匝道带来的影响。     

基于OpenMV的云台追踪系统设计

为解决传统目标识别过程中目标不能移动、动态追踪等问题,基于OpenMV,采用PID控制、模块识别、颜色识别、图像处理等技术和方法,设计了一种能够自主动态追踪目标物体的云台系统。锥桶的动态追踪识别测试结果表明:系统能够较好地完成动态追踪。     

基于改进TOPSIS的城市客运综合交通枢纽评价

城市客运综合交通枢纽规划方案的优劣对城市综合交通系统的建设发展具有重大影响。为了提高城市客运综合交通枢纽规划方案评价的客观性和准确性,结合城市客运综合交通枢纽客流衔接换乘的系统分析,从多维角度出发构建了城市客运综合交通枢纽规划方案评价的多层次指标体系,在遵循方案评价基本原理及城市客运综合交通枢纽特点的基础上,提出了基于改进逼近理想点排序法的评价方法,用于城市客运综合交通枢纽方案的评价,建立城市客运综合交通枢纽综合评价模型。     

城市轨道交通网络拥堵易发点的识别及评价

在城市轨道交通物理拓扑层、设施能力层与客流分布层网络模型基础上,构建了多属性网络.阐述了网络拥堵易发点的网络拓扑、网络运输能力及网络客流等特征指标,并采用基于AHP-熵权法的组合权重法对拥堵易发点进行拥堵风险的辨识和评估,探究了网络拓扑结构、运输能力和客流需求之间的关联性.在北京轨道交通的实例中,识别的拥堵易发点多为衔接郊区线与市区线的换乘站.这验证了识别和评价方法的有效性和实用性.     

汽车电子标识技术优势及应用前景分析

汽车电子标识作为汽车的"身份证",是无源射频识别技术在交通物联网领域的应用。《机动车电子标识安全技术要求》等六项国家推荐性标准的正式实施以及国内外广泛的应用试点,使得该技术在我国全面推广、应用变得愈发现实。本文阐述了汽车电子标识的系统构架、工作原理、应用现状,通过技术路线、技术对比两个层面的分析阐述了汽车电子标识的技术优势,并基于此对于汽车电子标识的应用前景进行展望。在感知层,汽车电子标识将与视频检测技术有机结合,构建"射频+视频"等具备更高稳定性、可靠性的信息采集体系。而在应用层,汽车电子标识将提升涉车应用的实现水平,为假、套牌等顽固问题提供了解决方案,为诸多潜在应用的实现提供可能性。     

基于LeNet-5的编组站站内机车车号识别系统的研究

编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。