基于多阶段注意力机制的多种导航传感器故障识别研究

导航传感器在使用过程中容易发生故障,针对传统方法对其间歇性和渐变性故障识别率低的问题提出了一种基于多阶段注意力机制的多传感器故障识别算法.该算法采用基于长短期记忆神经网络和注意力机制的编码器-解码器结构,根据多类导航传感器数据之间的空间相关性和时间相关性来进行多传感器的故障互判.经验证,该算法对多种类传感器的故障识别率高达97.5%,可以高效地实现故障的检测和分类.该方法可以准确识别出故障传感器和故障类型,具有很强的工程应用价值.

基于轻量型卷积神经网络的非固定场景天气识别算法

针对传统方法无法准确识别天气情况且计算量大的问题提出了一种基于轻量型卷积神经网络的非固定场景天气图像分类方法。该方法应用扩张卷积和深度分离卷积来提取天气特征信息,采用残差结构来防止网络退化,并且采用改进的空间金字塔池化层实现多尺寸图片的处理。经验证,所提方法可以对不同尺寸的非固定场景天气图片进行分类,在构建出的数据集上相对于经典分类卷积神经网络以196M的计算量获得93.2%的准确率。所提方法一定程度上可以准确识别非固定场景的天气情况,并且具有应用到嵌入式平台上的前景。

基于神经网络的短时速度预测

介绍了BP神经网络的相关原理,以北京市东三环南路为研究路段,采用改进的BP神经网络模型对其进行了速度预测,结果表明模型具有较高的准确度。

多导航传感器数据实时并行采集处理与传输系统的研制

多源导航以其容错性、可靠性、精确性成为一种重要的导航方式,而硬件需求复杂、验证周期长是大量多源导航算法还停留在仿真阶段的主要原因。为了减轻导航计算机的软硬件负担,缩短多源导航算法的验证周期,基于ARM核心Linux开发板,采用多进程和多线程的软件框架实现大数据量、高并发性、高实时性的导航信息采集传输与预处理。同时基于Linux网络编程,利用TCP/IP协议族中UDP传输层协议,采用UDP广播的一对多传输方式,搭建了多导航传感器数据采集系统。通过实际系统测试,系统在实时性、精确性、拓展性和适应性等方面具有良好的表现,能够对多源导航算法进行实际检测。

北京市常发性拥堵点段判定及特征分析

为有效快速识别常发性拥堵点段,在总结前人研究的基础之上,按照拥堵等级和拥堵发生频率2个关键性指标建立了常发性拥堵点段的判别方法;在判别常发性拥堵点段的基础之上,从速度的波动特性、快速下降阶段以及状态转移时刻、严重拥堵时刻等不同时间点,分析了常发性拥堵点段的相关程度.结果表明,常发性拥堵点段在拥堵形成阶段具有高度相关性,这为有关部门研究和解决常发性拥堵点段提供了有利支撑.

基于AFC数据的体育赛事周边轨道站点短时客流预测

针对体育赛事活动的大规模人群的集散极易引发大客流拥堵问题.收集北京市3年的体育赛事数据及相应的AFC刷卡数据,分析体育赛事活动举办对周边轨道站点客流影响特点,阐述日期属性、活动类型、活动前后时段、天气、主客场队伍等因素对车站诱增客流的影响.基于此构建梯度下降决策树(GBDT)预测模型.经验证发现:东大桥、东四十条及团结湖15 min出站客流,预测平均精度分别为93.67%、90.76%、89.61%,可对大型活动期间轨道交通应急方案及客流疏解方案的制定提供理论支撑.

北京市综合交通运行监测数据体系与应用

该文通过全面梳理北京市综合交通运行监测数据体系基本现状,分析数据资源的应用情况,以及存在的问题,提出在互联网+大数据背景下数据资源完善、以及面向政府决策和社会化服务应用提升的发展思路及建议。