高斯投影及其换带、归化在高等级公路控制测量中的应用

对在高等级公路设计施工过程中出现因角度、边长变形而引起的精度降低,坐标系统的选择等问题进行探讨。     

高斯-克吕格投影和横轴墨卡托(UTM)投影的异同

介绍在工程测量中使用的2个主要投影的原理和方法,特别在国外测量中常使用的UTM投影和国内常用的高斯投影之间的关系,以及2个投影的异同。结合UTM投影在缅甸工程测量中的应用,分析高斯-克吕格投影与UTM投影的正反解公式。     

基于改进灰色定权聚类的城市轨道交通网络规划方案优选研究

综合考虑路网结构合理性、建设实施性、运营效果、社会经济效益以及城市发展的协调性等五方面的影响因素,建立了城市轨道交通网络规划方案综合评价指标体系。引入高斯白化函数、等面积法则确定参数和基于信息熵的聚类权的标定法,提出了改进灰色定权聚类优选模型,并将其应用于某市轨道交通规划方案优选,评价结果与实际专家评审结果一致,验证了该模型的有效性和实用性。     

高斯混合模型的船舶传感器网络在线定位算法研究

随着无线传感网技术在舰船中的大量使用,其定位功能也正在被充分挖掘。不同于传统的卫星定位技术,无限传感器网络的设备成本非常低廉,且组网迅速,具体功能通过软件编写可以轻松实现。本文在研究船舶定位需求的基础上,提出一种高精度的基于高斯混合模型的无线传感网在线定位模型,建立RSSI三点式定位模型。并在实验室模拟出船舶在海洋中的航行环境,采用Online-LEGMM仿真系统对此算法的定位性能进行验证,实验结果取得预期效果,该算法能够对船舶节点准确定位。     

基于动态栅格与隐马尔科夫模型前车换道意图识别

针对前车换道意图识别预测问题,提出基于动态栅格地图与混合高斯隐马尔科夫模型结合的识别预测方法,建立以自车车头中心点为零点的动态栅格地图描述前车的位置信息,基于语义分割的方法获取前方车辆的轮廓特征与车道线,并分析前方障碍车辆的相关运动状态信息.将动态栅格地图与混合高斯隐马尔科夫模型相结合,识别预测前车换道行为.利用可观测...     

考虑健康损失的路阻模型的构建

运用高斯烟羽模型计算机动车尾气排放量,然后利用支付意愿法定量分析健康损失,同时考虑延误和健康损失构建考虑健康损失的路阻模型。根据实例,分别使用Transcad和新的路阻模型计算出2个路阻,并进行交通分配。结果显示2次交通分配的路网流量不同,表明考虑健康损失的路阻模型影响了人们的出行选择,可有效解决主干路拥挤,增加次干路车流量,协调整个路网车流量均衡,提高路网交通效率。     

基于信噪峭度比的水下目标动态谱增强算法研究

根据非高斯噪声环境中水下运动目标辐射线谱信号的四阶累积量对角切片特征,定义了信噪峭度比的概念,导出了其理论计算公式.理论分析表明,在一定条件下,信噪峭度比总是大于用自相关函数定义的信噪比,提出了基于信噪峭度比分析法的水下运动目标辐射线谱信号的四阶累积量对角切片谱特征增强新算法.用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究.结果表明,该算法具有良好的抑制非高斯噪声能力,且不必对噪声分布作高斯性假设.因此,该算法具有重要的工程应用价值.     

基于高斯脉冲的超短波电台波形设计研究

针对GMSK基带信号的特点,在未引入编码条件下将Viterbi算法的思想运用于超短波高斯波形的最大似然序列估计中,相比逐符号检测达到最佳检测性能,获得了相应地功率增益,并仿真了不同BT值、定时偏差和抽样点数的波形性能。仿真结果可为超短波通信子网物理层波形设计提供理论基础,有较大的工程参考价值。     

面向交通安全信息主动推送的POI检索设计与实现

设计并实现了交通安全信息主动推送系统,根据车辆位置,通过手机终端将高速公路上的道路交通安全信息主动推送给驾驶员。为满足推送需求设计并实现了一种基于地图投影的兴趣点(Point of Interest,POI)检索算法。首先分析了基于位置服务(Location Based Service,LBS)云检索的工作模式,在此基础上提出一种G_Cell算法,该算法利用高斯投影原理将地图网格化,实现了一种基于位置服务的POI检索算法。实验结果表明:所提出的G_Cell算法比直接计算两点之间的距离算法更稳定、有效。     

基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.