基于智能视频分析的铁路入侵检测技术研究

针对视频监控系统人工监视容易产生疏漏的问题,研究在铁路场景下基于智能视频监控图像序列处理和分析的识别物体入侵行为检测技术,给出铁路入侵物体检测、定位与跟踪的适用算法,实现基于轨迹点行为模型的入侵行为分析与理解。设计和开发了基于OpenCV的铁路入侵检测实验平台,在此平台上实现背景建模、运动检测与跟踪等项功能,初步实现了对入侵行为的识别、分析以及对危险行为的报警。

基于高斯混合模型的铁路入侵物体目标识别方法

基于铁路的特殊视频场景,研究铁路入侵物体目标识别技术,提出并应用1种改进的高斯混合模型,拟定合适的颜色变化阈值和背景更新速率,对图像的不同部分分别进行背景更新,实现铁路视频的背景建模,并由此得到稳定的背景图像;通过背景像素与前景像素的贝叶斯分类实现对铁路入侵物体的准确检测。对典型的铁路入侵行为视频进行实验分析,结果表明:应用改进的高斯混合模型可以更好地适应场景的变化,并能够更加快速、准确地实现在铁路环境下对入侵物体的目标识别。

多模态的交通流量预测模型

针对交通状态的多模态性,提出了多模态的交通流量预测方法。引用道路服务水平将交通状态分为6级(类)模态,并研究了不同模态与流量之间的对应关系。多模态的交通流量预测模型根据历史数据判断交通模态的改变情况,在整合自回归移动平均模型(ARIMA)预测的基础上,利用模态修正函数动态调整ARIMA预测中产生的时滞误差。以实际交通流数据为样本进行的实验分析结果表明,多模态的交通流量预测模型在单步、多步长预测中比ARI-MA模型有更高的预测精度。

基于最大熵模型的城市快速路交通状态预测方法研究

道路交通状态预测是交通流诱导和交通信息发布系统的重要依据.本文提出了一种基于最大熵模型的城市快速路交通状态预测方法,该方法通过提取影响交通状态的时间、空间等各种特征,运用最大熵模型训练得到各特征权重,直接预测道路交通状态等级.最大熵模型能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性.实验结果表明,基于最大熵模型直接预测交通状态等级同样具有较高的准确性.最大熵模型的成功使用,也证实了将交通状态预测作为一种模式分类问题来解决的可行性,进一步扩展了交通状态预测的思路.

基于道路检测器的交通信息空间特性分析

在分析道路交通信息空间分布特性的基础上,定义了一个描述交通信息空间关系特性的信息度函数.并利用北京二环路上的交通数据进行相关性分析,绘制散点分布图,给出信息度函数的数学表达式.基于标定的信息度函数可获得路段交通信息的空间分布,并为交通检测器布局优化及其组网优化研究提供参考.

基于约束模型的韵律短语预测

本文提出了基于语法约束和长度约束的韵律短语预测模型。在语法约束模型中,我们引入了组块作为基本的节律分析单元。韵律短语的长度约束模型是利用隐马尔科夫模型对语句中韵律短语的长度规划进行建模,这个模型对短语的长度分布及韵律词与韵律短语的关系进行了描述。最后,利用一个称为k-候选的方法来融合这两个约束模型。整个方法充分利用了韵律短语的语法约束和长度约束,并将之有机地结合起来。试验表明,该预测模型达到了很好的效果,韵律短语边界识别的调和平均值达到82.9%。

城市道路宏观路网交通状态评价方法的研究

提出了宏观路网交通状态的分级和评价方法。基于主观评价的方法可以确定路网交通状态的分级标准,以及各评价指标在线性判别模型中的权重,进而可以定量评判路网的交通状态等级。实验证明该定量评价方法能够有效地融合路网畅通率、空间负荷裕度等多种特征,能够准确地进行路网交通状态的评价。

高速铁路基础设施检测传感器网络物理拓扑优化方法

高速铁路基础设施的状态关系到列车运行安全,传感器网络技术为高速铁路基础设施状态的实时、全天候检测提供了可能。根据高速铁路基础设施检测传感器网络的应用需求,建立由检测节点(ED)、信息转发节点(RP)、网络接入节点(AP)构成的3层网络通信模型。在确定检测区域所需ED节点类型和个数的基础上,建立网络通信节点带宽利用率最大的整数规划模型,将传感器网络物理拓扑优化问题转化为多次整数规划问题;针对研究区域无传感器网络资源和已有若干传感器网络资源的2种实际应用情况,给出基于粒子群优化算法的求解步骤。对包含60个ED节点的检测应用实例,利用给出的算法通过50次迭代得到了这2种情况下的最优网络节点个数及各通信节点的ED节点组合策略。对实例求解的结果表明,所提出的传感器网络通信模型、物理拓扑优化方法及算法能够解决高速铁路基础设施检测传感器网络物理拓扑的优化问题,可有效降低传感器网络的成本及确定最优的网络通信链路。

基于双域信息融合的鲁棒二值文本图像水印

该文提出了一种适用于二值文本图像的双域水印方案.该方案生成水印模板作为离散余弦变换域信号,然后将其与要嵌入的信息进行调制.在水印嵌入之前,调制后的信号被变换到空间域中,并调整局部嵌入强度使得水印信号适合人类视觉系统的特征.水印提取采用相关检测器,可在变换域内或空间域内操作,而且,从理论上分析了感知整形过程与翻转像素点个数对水印提取的影响.为了抵抗水印同步信息损失,将提出的双域水印方案与一个图像归一化方案相结合.此归一化方案采用了文本倾斜检测与字符分割技术,适合于文本图像的特点.实验表明,提出的方案对常见的图像处理操作、几何攻击和打印-扫描过程具有良好的鲁棒性.

基于单个地磁传感器的交叉口排队长度估计

通过对车辆排队机理进行建模,利用车辆通过传感器时间及车尾时距描述车辆排队演化过程,从而估计邻近信号灯周期内的车辆排队长度。分析了车辆通过传感器时间及车辆车尾时距的动态变化规律,并提出车尾时距模型、通过时间模型和综合模型等对排队长度进行估计。最后,利用现场试验对本方法进行验证,试验结果表明本文提出的模型和方法能够准确估计交叉口车辆排队长度,且系统成本低廉、部署方便,便于大规模推广应用,能够为信号灯周期优化、交通服务水平评价等应用提供基础数据。

基于时空相关性的城市交通路网关键路段识别

关键路段通行能力的大小是决定城市道路交通是否畅通的重要因素之一.关键路段的识别为交通规划、居民出行等提供了重要的决策支撑,对缓解交通拥堵具有重要的意义.本文对城市路网关键路段的识别进行了研究.首先建立了适用于交通路网的空间邻接矩阵;其次以时空相关函数表达不同时间延迟下路段与周边相邻路段交通状态之间的影响程度,并将其作为路段重要性的衡量指标,构建了逼近于理想点的路段重要性度量模型,通过排序实现了对关键路段的识别;最后将模型应用于北京市区域路网,结果证明,该方法能够有效地识别路网的关键路段,具有实用性和可行性.

用于车辆分类的多传感器车型特征融合算法

为避免单一地磁传感器进行车型识别时存在的误差,结合自主研发的地磁传感器网络,提出一种基于多传感器的车型特征融合算法.该算法通过计算传感器网络内不同车型特征信号的相关关系来确定车辆运行状态,并利用最大似然法则结合皮尔逊相关系数进行数据融合,以获取更加准确的车辆特征信号,为现有车型分类方法提供更加准确的输入参数.实际道路试验表明,与现有单节点分类算法相比,文中算法对中大型车辆的分类准确率可以提高17.5%.

汉语朗读话语重音自动分类研究

汉语的重音由于受到声调、语调以及韵律单元层级的干扰和制约,对于重音的自动感知一直是比较困难的问题。针对标准的朗读普通话语,本文在广义韵律结构的框架下研究了重音的声学表现,设计并实现了重音的自动感知模型。本文提出的基于分类树结构的区分度模型能有效地结合韵律单元结构对重音的制约。研究结果表明,音高高线、调域、音长是表达重音最重要线索,利用这些线索能有效地实现对重音的自动感知。我们的模型能一般能达到80%左右的重音检出水平。

列车通信网络设计问题中的双层规划模型

列车通信网络的物理拓扑结构和逻辑拓扑结构优化问题关系到列车控制系统及安全监测系统的性能和经济效益。对列车通信网络的设计问题进行建模,通过双层规划的思想,将列车通信网络的可靠性、建造费用与通信效率纳入统一的决策过程,从而建立科学的列车通信网络最优性能模型。上层规划以最低建造成本为目标,约束条件为网络可靠性;下层规划以最大通信效率为目标,约束条件为建造费用和网络物理拓扑。最后利用一种基于遗传算法和Floyd算法的混合求解过程对列车通信网络综合规划模型进行求解,得到满足网络稳定性要求下的最小费用设计方案及该方案下的最优效率通信方式。通过对实例结果的分析表明,文中提出的模型是切实有效的。

基于Lissajous图形的光纤分布式扰动传感器定位方法

研究了一种基于Lissajous图形的光纤分布式扰动传感器定位方法。光纤分布式扰动传感器基于Mach-Zehnder干涉仪，通过两路输出信号的时延得到扰动定位。在两路输出信号的Lissajous图形中构造拟合椭圆，基于实验数据的仿真研究表明：通过椭圆半短轴长可以得到时延，实现定位。法进行了仿真和实验研究，在无需噪声抑制的条件下定位精度较高：在信噪比为-6~7dB范围，最大定位误差为207 m 多次测量中，最大误差为94 m。研究结论可以为光纤分布式扰动传感器定位方法提供新的技术参考。

基于道路负荷度的北京城市快速路交通状态评价

鉴于传统道路负荷度(V/C)可能对应两种交通状态的情况,基于时间占有率重新定义了道路负荷度的计算方法,并根据大量的统计数据确定了北京市快速路道路负荷度的分级标准。该方法能够根据交通流检测器数据对道路交通负荷程度进行实时、动态评价,并通过北京市二环路数据的实验结果初步验证了该方法的有效性和实用性。

一种适用于道路交通的传感器网络节点语义编码设计

分析适用于道路交通传感器网络(TSN)节点语义编码结构,本编码结构包括节点的网络语义、位置语义和信息语义3部分;接着对各部分进行详细的语义编码设计,通过划分不同的功能域,对传感器网络节点语义进行描述和编码;最后以用于道路交通流量信息获取的地磁传感器网络设备为例,给出具体的网络节点语义编码结果,并讨论本编码设计的优点和应用场景。研究结果表明:基于本方法的交通传感器网络节点语义编码可以应用于交通系统规划与管理、交通信息服务等领域,为推动交通信息共享和交通传感器网络节点语义编码标准化提供支持。

基于道路连通度的路网可靠度分析方法

传统连通可靠性对于路段的状态划分过于严格,只有中断或连通两种状态。为了能完全体现路网的动态特性,本文建立了一种新的连通可靠性的评价方法,将路网中路段的可靠度从0、1二值扩展到[0,1]区间。作者结合北京城市路网中快速路与主干道的实测数据,分析了基于交通流状况分析的连通可靠性评价方法,并在此基础上,进一步分析了该评价方法中的路段交通状态划分,提出了连通度指标以评价城市道路单元的连通性,最后分析了整个路网的连通可靠性。

基于小波包和AGA-LSSVM模型的滚动轴承故障诊断

为了解决滚动轴承故障特征提取和故障类型识别问题,提高诊断准确率,提出了一种基于小波包与自适应遗传算法优化最小二乘支持向量机(AGA-LSSVM)相结合的故障诊断模型。首先由小波包分解与重构获取振动信号中能反映不同故障状态的能量特征向量,其次,由经过自适应遗传算法优化的LSSVM模型对滚动轴承常见故障进行诊断。MaⅡab运行结果表明,相较于传统LSSVM方法,所采用的方法可靠度较高,可以较好地实现对轴承故障的诊断。

基于随机共振和主成分分析的轴承故障诊断

以列车轴承运行的振动加速度信号为研究对象,采用随机共振进行轴承振动信号的提取,同时基于主成分分析的方法实现对目前旋转机械常采用的23个混合域的故障特征参量进行分析,得到合适的轴承故障特征集.利用BP神经网络对以上内容的有效性进行验证.实验表明,结合2种方法得到的轴承故障诊断结果正确率可达到90%以上.