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。     

浅谈青藏线转辙设备的养护与维修

本文根据CTS2轨枕式转辙机本身的特点以及青藏铁路的管理模式，从养护、维修的角度，简要说明了CTS2轨枕式转辙机需要的养护工作量、故障处理方法、维修特点及在施工中要注意的问题。     

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。     

ZYJ7型电动液压转辙机控制电路故障判断与处理

根据ZYJ7型电动液压转辙机启动、表示电路原理,结合日常处理故障经验,从室内到室外阐述了判断ZYJ7型电动液压转辙机启动电路、表示电路各种故障方法,为我们日常处理ZYJ7型电动液压转辙机启动电路、表示电路故障提供了准确、快捷的处理方法。     

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。     

智能车辆机器视觉发展近况

简要回顾了机器视觉的早期发展，从简单的特定场合应用到模拟人眼的复杂系统设计，介绍了机器视觉产品在智能汽车上的应用情况，分析了世界各国在车用机器视觉技术领域研究开发情况以及未来发展趋势。     

基于视觉的前方车辆探测技术研究方法综述

对国内外关于车道上本车前方车辆检测方法进行了综述。根据探测车辆所采用的传感器不同,分别对采用单目视觉、双目视觉、视觉与其他传感器融合以及非视觉传感器的几种探测方法进行了比较与分析。同时,针对每种探测方法,进一步阐述了目前车辆识别的一些具体算法。最后,指出了每种方法存在的优点和一些不足。     

Identifying tourists and analyzing spatial patterns of their destinations from location-based social media data

Reliable travel behavior data is a prerequisite for transportation planning process. In large tourism dependent cities, tourists are the most dynamic population group whose size and travel choices remain unknown to planners. Traditional travel surveys generally observe resident travel behavior and rarely target tourists. Ubiquitous uses of social media platforms in smartphones have created a tremendous opportunity to gather digital traces of tourists at a large scale. In this paper, we present a framework on how to use location-based data from social media to gather and analyze travel behavior of tourists. We have collected data of about 67,000 users from Twitter using its search interface for Florida. We first propose several filtering steps to create a reliable sample from the collected Twitter data. An ensemble classification technique is proposed to classify tourists and residents from user coordinates. The accuracy of the proposed classifier has been compared against the state-of-the-art classification methods. Finally, different clustering methods have been used to find the spatial patterns of destination choices of tourists. Promising results have been found from the output clusters as they reveal most popular tourist spots as well as some of the emerging tourist attractions in Florida. Performance of the proposed clustering techniques has been assessed using internal clustering validation indices. We have analyzed temporal patterns of tourist and resident activities to validate the classification of the users in two separate groups of tourists and residents. Proposed filtering, identification, and clustering techniques will be significantly useful for building individual-level tourist travel demand models from social media data.