裂缝检测模型数据集的低监督快速标注算法

为解决裂缝检测深度学习模型训练时数据集标注效率低、成本高的现状,以及现有计算机标注算法对复杂环境适应性较弱的问题,基于计算机视觉与概率统计理论,提出低监督快速标注的概念,并以计算机标注和人工标注相融合的全新标注模式,形成了完整的裂缝检测模型数据集的快速标注算法。与人工逐像素标注相比,标注精度均为84%以上,且可节省至少85%的时间;与传统计算机标注方式相比,标注干涉和简单人工标注方式可以较好地处理复杂背景问题。经U‒Net深度学习模型验证,测试集的平均交并比可达0.90。

基于Dijkstra和深度优先搜索的进路搜索算法研究

为了搜索铁路站场进路,把铁路站场平面图转化为运输网络,借鉴网络图中求最短路径的思想,对网络图中的顶点和边赋予一定的属性,建立了以最短路为目标函数的进路搜索数学模型。借鉴Dijkstra算法和深度优先搜索算法并进行改进,对进路的搜索算法进行研究,提出一种通用进路搜索算法,可以大量减少搜索的深度,提高搜索效率,得到最优的进路。

基于分支定界法的客运站到发线运用优化研究

为高效使用铁路客运站到发线,提高车站工作效率,以满足车站到发线固定使用、均衡使用和旅客走行距离最短为优化目标,建立多目标0-1规划模型;通过功效系数法对多目标优化函数统一量纲,转化为单目标函数,利用分支定界法求解目标函数。依据成都站的实际数据,应用优化模型进行到发线运用分析计算,得到到发线运用优化方案。

基于城市内铁路路网的铁路物流中心选址问题研究

城市既有铁路货运站由于传统的大宗商品物流需求存在着偏离城市中心,零散物流效率低下等缺点,所以在城市内重新规划适合城市人民物流需求的铁路物流中心并建立新型货运站符合铁路转型的趋势。本文分析了城市内铁路路网与城市物流需求点的相关影响因素,建立模型,改进重心选址算法——建立投影重心选址算法求解基于城市内铁路路网的铁路物流中心选址问题,并利用层次分析法建立评价体系进行选址的筛选优化。最后举出案例证明基于城市内铁路路网新建铁路物流中心的优势。