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。     

海岸泥沙运动研究综述和展望

总结了推移质泥沙研究的现状 ,分析了海岸泥沙研究的动向 ,并展望了海岸泥沙研究的前景。     

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。     

日本铁道车辆转向架的研究与发展历程

从转向架与车辆运动关系等基础理论包括车辆运动与转向架、悬挂系统、有源和半有源控制、驱动装置等的研究方面,简要介绍了日本铁道车辆转向架的发展历程。     

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。     

Dynamic stride length adaptation according to utility and personal space

Pedestrians adjust both speed and stride length when they navigate difficult situations such as tight corners or dense crowds. They try to avoid collisions and to preserve their personal space. State-of-the-art pedestrian motion models automatically reduce speed in dense crowds simply because there is no space where the pedestrians could go. The stride length and its correct adaptation, however, are rarely considered. This leads to artefacts that impact macroscopic observation parameters such as densities in front of bottlenecks and, through this, flow. Hence modelling stride adaptation is important to increase the predictive power of pedestrian models. To achieve this we reformulate the problem as an optimisation problem on a disk around the pedestrian. Each pedestrian seeks the position that is most attractive in a sense of balanced goals between the search for targets, the need for individual space and the need to keep a distance from obstacles. The need for space is modelled according to findings from psychology defining zones around a person that, when invaded, cause unease. The result is a fully automatic adjustment that allows calibration through meaningful social parameters and that gives visually natural results with an excellent fit to measured experimental data.     

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。     

行人微观仿真中的运动模型与行为模型——STEPS与NOMAD模型对比

为了解各类行人仿真模型的性能差异和适用范围,以选取适当模型进行交通枢纽行人仿真,对两种典型行人仿真模型进行研究。依据模型对行人行为描述的复杂程度,将行人仿真模型分为运动模型、部分行为模型、行为模型3类,并分别介绍了各自的特点。选取典型的运动模型软件STEPS和行为模型软件NOMAD,详细探讨其采用的数学模型,并通过4个仿真实例对比分析这两种模型的特点。分析结果得出两种模型在宏观与微观层面的异同点以及存在的问题。