公路治超必须从动态称重抓起

公路治超事业与动态称重事业是一对相互依存的共同体,治超离不开动态称重,动态称重也离不开治超事业。在"四个一流"公路治超体系建设的同时,与公路治超同呼吸共命运的动态称重技术也取得了很大发展,已经完成了由轴载荷计重模式向整车称重模式的转化,新技术已经具备高准确度、高稳定性、高通行率等特征,能够适应公路现场应用,计量结果完全不受车辆不规则驾驶的影响,精准可靠。公路治超事业需要准确的称重技术,动态称重技术需要公路治超的舞台,"四个一流"的公路治超信息化体系建设更离不开一流的动态称重技术。     

基于无线网络的高速公路建设管理信息系统研究

在分析国内高速公路建设期纵向管理模式缺点的基础上，提出了基于无线网络的高速公路建设管理信息系统的建设，重点研究了无线网络平台建设方案，结合高速公路建设期的特点，给出了无线网络设备选型的基本原则和中继点选址的方法，进行了无线网络拓扑结构的设计，针对高速公路建设期业主、监理和承包商三方责任的不同．划分了三方管理软件子系统的内容。     

基于CTI技术的交通呼叫中心解决方案

介绍呼叫中心及其关键技术，根据我国公路交通的特点，提出了交通呼叫中心概念，对交通行业信息服务进行了需求分析，给出了实现交通呼叫中心的初步方案。     

基于时空建模的视频帧预测模型

视频帧预测是计算机视觉领域一个重要的研究领域,并且拥有广泛的应用。目前,常用的视频帧预测模型虽然取得了一定的效果,但由于这类模型并不能在时空信息上同时建模,因此难以在更加复杂度的现实场景下应用。针对此问题,文中提出一种深度时空建模神经络。该网络通过预测未来光流,并利用该光流对前一帧图像进行采用的方法来预测未来图像,此外分别加入卷积LSTM与自注意力机制进行时空信息的建模。文章在Caltech行人数据集上进行了充分的实验,并取得了较好的实验结果。     

一种改进的边缘细化方法

针对Sobel算子检测出的图像边缘较粗且检测效果受噪声影响大的问题,提出了一种结合自适应平滑滤波并改进原细化算法的方法来抑制噪声并细化边缘。使用新的自适应平滑滤波梯度模板对原始图像滤波,在平滑噪声的过程中锐化图像边缘;在Sobel算子检测出边缘后使用改进的细化算法剔除伪边缘点。试验比较表明:在迭代次数相同的情况下,新的自适应平滑滤波模板比原梯度模板总体效果更好;改进的边缘细化算法在保证与原算法运算时间相当的条件下,保留了更多的边缘细节信息,细化结果更加准确。     

基于亮度与火焰区域边缘颜色分布的火焰检测*

为改善目前的火焰检测方法对环境适应能力不强的情况,提出一种基于亮度与火焰区域边缘颜色分布的火焰检测方法。主要采用二值重构、形态学算法以及边界追踪计算火焰区域边缘颜色分布矩阵,对得到的颜色分布矩阵进行主成分分析（PCA）,并用PCA中协方差特征值分量约束BP神经网络的输入向量,从而准确进行了火焰检测。实验结果表明,此算法计算简单,能准确识别多种背景下的火焰图像。     

MWCNT-WO3薄膜双声路SAW NO2气体传感器

以金属钨粉,H2O2,CH3OH和多壁碳纳米管(MWCNT)为原料,在双声路声表面波(SAW)器件的测量声路上制作了MWCNT-WO3薄膜,提出并实现了一种MWCNT-WO3薄膜双声路SAW NO2气体传感器。由于MWCNT和WO3对NO2气体都有敏感作用,而且碳纳米管的毛细作用、以及MWCNT的加入都增加了气体的接触面积,提高了NO2气体的吸附和敏感作用。同时,SAW器件的双声路结构消除了由于外界测量条件改变引起的测量误差,也进一步提高了传感器的可靠性和准确性。实验结果表明,该传感器对各种浓度的NO2气体具有好的响应特性,在31.2×10-9到20×10-6范围内,传感器的响应灵敏度为9.8kHz/1×10-6,比单一MWCNT或WO3薄膜对NO2气体具有更好的灵敏度和线性特性。     

基于LAN的汽车安全性能自动测控系统研制

针对现有汽车安全性能计算机测控系统存在的不足，研制了一种基于局域网（LAN）控制的汽车安全性能自动测控系统。论文对该系统的结构、工作原理、控制流程及软、硬件设计关键技术进行了论述。应用情况表明，该系统与传统的系统相比，具有明显的优势。     

基于等维新息灰色马尔可夫模型的互联网用户人数预测研究

对互联网用户人数的科学预测可为网络的建设和管理提供决策依据。在传统灰色预测模型的基础上,结合新信息优先的思想,建立了等维新息灰色预测模型,并利用马尔可夫链模型预测出结果的波动范围,形成等维新息灰色马尔可夫预测模型。再以2007年12月－2012年06月我国互联网上网人数实测值为原始数据,构建预测模型,预测2012年12－2014年06月的互联网上网人数。实例结果表明,等维新息灰色马尔可夫预测模型其预测结果的误差更小,精度更高,还能提供预测结果的波动范围及出现概率。