公路病害自动检测及养护管理平台的设计与实现

介绍了1种基于YOLO目标检测模型和元学习训练方法的软硬件系统平台,即道路养护管理平台,用于道路养护。针对我国的路面情况,道路养护管理平台设计了1套路面病害检测分类标准,用于构建道路状况数据库,并在真实路面进行了测试。基于YOLO目标检测模型采用低阶视觉和高阶视觉相结合的方法,将低阶视觉和高阶视觉数据进行融合,提高道路病害分析的鲁棒性。基于元学习的模型训练方法,保证模型可快速适应新的路面病害数据,提高模型泛化能力。实验结果表明,该平台设计的路面病害检测分类标准合理有效,所使用模型在路面病害分析方面具有较高准确性。本文提出的平台可为道路养护和管理提供有效的支持,并为在新技术背景下的国家道路病害标准提供依据。

基于混合模型的内容资源流行度预测算法

预测内容资源流行度是提前进行缓存资源布局,提升用户体验的重要环节。针对内容资源流行度预测,提出一种面向不同资源周期的混合流行度预测模型。首先以社交网络数据为基础,针对内容资源历史数据周期长短构建ARIMA和多元对数回归模型,然后分别对模型进行参数估计、拟合和检验,得到适用于内容资源流行度预测的混合模型。最后将此混合模型与其他模型进行MAE性能指标对比,结果表明混合模型的预测绝对误差率最小,在0.38%以内,预测精度较高。

基于交点算法的轨道网络质差问题定位

针对当前网络中无线网络优化无法准确定位的问题,本文利用轨道经纬度信息和软采的MR数据实现轨道网络无线问题点的分析及捕捉,结合GIS呈现,形成一套分析定位整体解决方法。其中使用了交点算法,利用TA和AoA结合轨道的经纬度进行质差点定位,同时结合软采数据和网络爬虫的轨道经纬度数据,通过GIS地图直观呈现无线问题点。实验测量结果显示这种基于交点算法的网络质差定位法能达到20m内定位精度90%以上,优化效果明显。

位置大数据的价值提取与协同挖掘方法探讨

伴随着互联网技术的不断发展,位置服务和车联网技术的普及以及推广成为了顺应时代发展的趋势,利用地理数据和车辆轨迹等参数集中感知人类社群的活动规律,一定程度上为地理国情以及智慧城市提供数据和信息支撑。文章从位置大数据内涵分析入手,对预处理机制、全局特征以及降维处理进行了集中分析,实现价值的提取以及协同挖掘,以供参考。