基于Matlab的中间视觉模型的构建

中间视觉模型是研究中间视觉光度学的基础,本文运用Matlab软件构建了常用的中间视觉模型,包括MOVE模型,USP模型,MES1模型,MES2模型和CIE推荐的模型,给出了编程流程和程序源代码,并证明了程序的正确性。本研究对中间视觉下光源的设计和应用具有重要意义。

众源车辆轨迹加油停留行为探测与加油站点提取

针对当前加油站点信息采集成本高、更新周期长等问题,提出了运用车辆轨迹数据提取加油站点的方法。首先,从轨迹运动特征、几何模式等方面分析个体和群体加油行为轨迹特征。其次,基于Stop/Move模型,集成加油轨迹运动特征提出速度序列线性聚类算法提取加油停留轨迹。最后,运用Delaunay三角网层次聚类加油停留轨迹线,综合运用傅里叶形状识别、语义约束等方法识别、提取加油站点。运用北京市7d的出租车轨迹数据进行试验分析,共提取482个加油站,正确率为93.1%,且位置精度高。

LED、高压钠灯和金属卤化物灯道路照明效果的研究

对高压钠灯、金属卤化物灯以及LED三种道路照明常用光源进行分析计算,利用基于视觉功效的MOVE模型得出了三种光源不同的照度修正系数。结果显示中间视觉情况下人眼感觉到的照度值比明视觉照度计测得的值高10%~20%。此结果对中间视觉照度计的设计、照明工程的节能、灯具布局的合理化等都具有重要的指导意义。

基于轨迹语义的船舶活动知识图谱构建

随着全球经济一体化的深入推进,海上交通拥堵和船舶事故频发。为了对海上船舶活动进行监管和分析,传统的方法主要利用船舶定位数据进行数据挖掘,未结合其他海上多源数据进行船舶时空活动过程和行为模式分析,缺少深层次的知识挖掘。为此,本文综合利用多源数据,在提取轨迹的语义信息基础上,构建船舶活动知识图谱,为低知识密度的轨迹时空点序列向高阶语义知识转化提供一种有效途径。具体地,首先通过解析船舶活动的特征和组成要素,基于“过程-事件-行为”的核心思想,设计船舶活动知识图谱本体层;然后利用Stop/Move模型提取轨迹语义信息,利用DMCNN模型抽取船舶突发事件,完成实例层填充;最后通过构建原型系统,对上述模型和方法进行验证。结果表明,本文所构建的船舶活动知识图谱,可以支持对船舶常规活动和突发事件进行知识表示,并可以实现时空活动查询和回溯,进而达到语义增强效果,具有一定的应用价值。