面向多数据流的车厢拥挤回归分析方法

公交车拥挤度分析对维护公共交通安全起着重要的作用.针对在传统的目标检测方法中使用单个摄像头导致无法获取完整的车厢图片信息,以及在高密度场景下乘客与乘客之间的遮挡或者乘客被车厢内的座椅等物体遮挡的问题,提出了一种借助两个前后车厢的摄像头面向多数据流的车厢拥挤回归分析方法.首先,定义一个线性方程;其次,获取相对可见信息:公交车最大核载人数、根据人眼标记出的总人数、以及通过YOLOv3和ResNet50分别检测出车厢内人头数和拥挤率;然后,将包含已知信息的样本数据矩阵和期望值向量代入所定义的方程中,拟合出隐含信息:系数向量和偏置项,构建出一个多元一次线性回归方程,在高密度环境中狭窄和遮挡严重等情况下能够获得更为精确的车厢内总人数;最后,通过人数估计线性回归算法,获得最终的车厢内总人数.实验结果表明,所提方法能够预测出公交车上的人数,实时获得公交车上的人群流量,并且通过平均绝对误差(MAE)和均方误差(MSE)对数据进行误差分析后,验证了该方法能够正确地反映公交车拥挤度.     

供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

基于气相色谱-离子迁移色谱分析不同贮藏方式对洋葱浆馕风味的影响

采用气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry，GC-IMS）对洋葱浆馕6 种不同贮藏条件下挥发性物质进行分析，包括低温贮藏、室温贮藏、真空贮藏、脱氧贮藏、保鲜剂贮藏和保鲜剂结合脱氧贮藏。研究表明：在洋葱浆馕中共鉴定出66 种挥发性风味物质，其中包括醇类9 种、酮类4 种、醛类18 种、酯类4 种、呋喃衍生物3 种，酸类1 种和未能识别的化合物27 种。随着贮藏时间的延长，低温贮藏和真空贮藏洋葱浆馕在贮藏期内醛类挥发性有机物基本不变，其他处理组的醛类挥发性有机物在贮藏期内变化呈降低的趋势。结合主成分分析和欧氏距离可以发现低温贮藏和其他贮藏方式的第0天挥发性物质种类和浓度较为接近，主成分分析图中点的位置也相聚在一起，说明低温贮藏馕的挥发性物质变化不明显。该研究建立不同贮藏方式洋葱浆馕挥发性气味指纹图谱，可视化出洋葱浆馕挥发性成分轮廓，为洋葱浆馕贮藏期间风味变化规律提供信息。     

甘肃省某县调频广播发射机干扰民航通信解决方案

1发射基站地理环境甘肃省某县地形为东西两面环山,南北峡谷地形,该县广播电视发射基站选择在西山山腰处,邻县机场距离该县发射基站东南方向直线距离约80km,该发射站点恰巧在机场的航线正下方,垂直距离约4 km。距离广播电视发射台的北面约500 m位置有一个市无线电管理委员会(下简称无委会)的监测点。发射机站大致地形如图1所示。     

H_2S制硫酸装置外部安全防护距离设计

以某酸性气制硫酸装置酸性气缓冲罐为例,进行外部安全防护距离设计,结合当地多种气象,使用PHAST软件和LEAK软件进行H_2S气体扩散和爆炸计算,扩散结果应用于周边人员集中场所的防毒设计以及企业的应急救援,H_2S爆炸计算结果应用于周边人员集中场所建构筑物的抗爆设计,并和《石油化工工厂布置设计规范》(GB 50984-2014)中的建议值进行比对。     

基于动态距离的模糊社区识别算法

社区识别技术是公共安全领域潜在危害行为预警预测和已发生危害行为追踪溯源的基础，针对传统社区识别算法将社区视作单一集合而无法描述社区主次成员的问题，提出一种基于动态距离的模糊社区识别算法。该算法将传统的单一社区结构划分为核心区域和边际区域，以边际区域来描述社区的模糊区间。该算法首先将网络设想为动态演变模型，网络中的任意节点均会与其他节点产生互动，互动将改变各节点间距离，距离也反过来影响互动。在阈值的界定下，受到多个社区吸引的节点被划分到边际区域，最终距离分布趋于稳定，各个社区结构得以显现。通过对比实验验证了CDFDD算法在社区识别上的有效性。