基于高低的高速铁路简支梁徐变上拱识别方法

研究目的:现有监测手段难以高效经济地测量高速铁路全线简支梁的徐变上拱量,但可以通过分析轨道动态检测数据实现有效识别。因此,本文选取我国某高速铁路长达7年的检测数据,结合小波分解、极值点搜寻和概率分布拟合,对每一跨简支梁的高低波形进行识别,然后通过波形关键点识别简支梁徐变上拱量,并研究其发展规律。研究结论:(1)波形识别算法对24 m梁和32 m梁的识别准确率分别为94.3%和96.4%;(2)简支梁徐变上拱与混凝土徐变的发展规律相近,利用最小二乘法拟合得到了上拱量发展曲线;(3)在线路开通运营6年后,24 m梁上拱量的中位数在1.5~2.0 mm之间,32 m梁上拱量的中位数在2.0~2.6 mm之间,简支梁徐变上拱的发展趋于平缓,未来的发展空间有限;(4)本研究成果对掌握高铁桥梁变形状态和指导线路养护维修具有参考价值。     

多源遥感数据融合的道路材质精细识别

针对当前道路识别方法对道路材质识别精度不高的问题,提出了一种融合多源遥感影像进行城市道路材质高精度识别的方法。首先,对高光谱遥感影像中的地物光谱曲线进行分析,在保留地物光谱分离度较大的波段的基础上提升计算效率;通过分步融合的策略对多源遥感影像进行融合,提升高光谱影像的空间分辨率,为后续道路材质识别提供高质量的数据保障。其次,通过使用不同的指数对融合影像进行掩膜,提取城市建筑物,并在此基础上提取建筑物纹理信息与光谱信息,进行多特征融合并分类;最后,通过影像后处理对提取的道路进一步进行规范,得到最终高质量的道路材质识别结果。通过使用高分五号高光谱影像、高分二号全色/多光谱影像、高分一号多光谱影像对提出的方法进行实验验证,试验结果表明,本文方法可取得较高精度的道路材质识别效果,具有较好的应用价值。     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术（HMIoIV）是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段。HMIoIV涉及了L0~L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统。针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人机共驾技术分成3类：单驾双控结构、串联型双驾单控结构（Traded Control）和并联型双驾双控结构（Shared Control）;并对驾驶人为因素、驾驶人模型、自然驾驶人状态监测和驾驶意图识别、串联型双驾单控结构和并联型双驾双控结构的研究方法以及权限与责任的关系进行全面综述。最后,分析总结当前智能汽车的人机共驾技术所面临的问题和挑战,并对该技术的发展趋势做出展望。     

地铁列车障碍物视频识别系统设计

基于视频图像识别技术的列车障碍物识别系统,可以实现无人驾驶列车前进方向轨道内障碍物的自动检测。该系统通过采用2台独立的高清摄像机采集图像数据,经软件的智能计算分析,可识别列车前方是否存在障碍物,并实现障碍物与车辆之间的距离测量。该技术在业内属首次开发,可实现列车前方障碍物的检测,有效替代司机进行线路瞭望。目前本系统已通过功能仿真验证测试,拟在实际运行线路的列车上进一步进行功能验证。     

基于轮廓线特征的三维人脸识别改进算法

研究基于面部轮廓曲线特征的三维人脸识别。为提取最优面部曲线特征,提出一种基于模糊聚类方法的人脸曲线特征优选算法。该算法从三维人脸深度图中选取最具代表性的8条轮廓曲线,作为主要识别特征,这在很大程度上降低了计算复杂度,克服表情和光照对人脸识别的消极影响,同时它用最少的轮廓线包含了所需要的人脸识别信息。基于这些人脸轮廓线特征,利用改进的Manhattan距离分类器来提高人脸识别的分类效果。实验结果表明,所提出的算法明显提高了人脸识别率,并且具有很强的鲁棒性。     

基于LBP算子的路面类型识别研究

不同的路面类型会对车辆的制动、加速、变道等决策产生不同影响,因此实时获取路面类型信息对于提高智能汽车的安全性、舒适性等有着重要意义。论文提出一种基于LBP算子的路面类型识别方法,首先采集了四种车辆行驶常见路面的图像信息,并对图像进行了增广处理;然后使用LBP算子提取出路面图像的纹理特征,再采用PCA方式对纹理特征进行降维;最后通过分类器对数据进行训练与分类。实验结果表明该方法的最高分类准确率可以达到98.5%,有效提升了当前路面类型识别的精度。     

模糊模式识别在电器性能综合评估中的应用

采用了改进的模糊模式识别的方法,从综合考虑电磁电器产品性能的角度出发,将动态测得的能够反映电磁电器性能的主要特性指标,作为模糊模式识别的级别变量特征值,建立了综合评估电磁电器性能的模糊模式识别模型,并运用该方法对CJ20-100A交流接触器进行了综合评估,结果合理,方法可行,有一定的参考价值。     

交通出行统一帐号的电子支付MaaS运营探索

交通出行已经定位为民生实事,要求2019年全国260个地级以上城市交通出行城际无障碍互联互通,同时交通出行在不断创新的服务推动下已经悄然升级到MaaS一体化智慧出行新时代,电子支付已经成为交通出行MaaS服务的强力推手,必须对各类电子支付实现集约化运营。提出了基于统一帐号的金融级安全+电信级通信能力的交通出行聚合支付体系架构,基于该体系架构交通运营机构可利用自身优势资源,向用户提供多种账户,多种接入方式的出行全业务聚合支付服务,在完成交通运输部城市交通出行互联互通的同时构建了基于资金信息流的出行“数据链”,向云计算和大数据的智慧服务和运营体系推进。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

一种结合2DLPP与2DPCA的人脸识别方法

为解决二维局部保持投影(2DLPP)需要较多数据表示人脸特征的缺陷,提出了一种新的二维局部保持投影主成分分析方法(2DLPP-PCA).通过对人脸图像在行、列方向同时进行2DLPP和2DPCA投影,2DLPP-PCA 不仅能减少保存人脸特征所需要的数据量,而且能有效地提取人脸的局部特征和全局特征.在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,2DLPP-PCA是一种高性能的特征提取方法,当训练样本数为6时,2DLPP-PCA在ORL数据库上的最佳平均识别率达到99％以上.