一种自适应停止的SOM神经网络及其应用

RFID采集的车辆信息可以识别营运车辆的运行规律,采用这种方法能找出运行规律类似营运车辆的私家车,并判定为疑似非法营运车辆。应用SOM神经网络聚类时,初始化网络需要设置各种参数。为此,提出一种自适应确定网络训练次数的方法,利用权值导数来判断是否停止训练。利用UCI数据集对传统的和改进后的网络进行测试并对比,发现改进后的网络优于传统网络。最后,将改进后的网络用在车辆运行规律识别中,得到预期的效果。     

基于大数据的两客一危全过程安全监管模型及平台

随着公路网络的建设完善,区域间运输效率得到极大提升。但是如何提高道路交通运输安全水平,是当前亟需解决的重大课题。在此背景下,针对道路交通运输中"两客一危"营运车辆的交通运行安全行为展开研究,首先分析了"两客一危"营运车辆的运行特征,然后构建了"两客一危"营运车辆非法运营判别算法模型,最后基于大数据技术设计了"两客一危"非法营运动态监管全过程安全监管系统框架。应用表明,基于大数据的"两客一危"非法营运动态监管算法,能够准确识别"两客一危"车辆的疑似非法运营行为,为综合执法提供有效依据。     

基于二进制的RFID改进防碰撞算法

防碰撞算法是构成RFID系统的关键技术。在对现有算法分析基础上,论文提出一种改进的基于二进制搜索防碰撞算法,将功率自适应技术和二进制搜索算法相结合,先通过按一定的参数自动调节功率来控制阅读器通信范围,限制进入阅读器识别范围响应标签的数量,再对标签进行识别,从而降低了冲突发生的可能性,提高了标签的识别效率。通过对识别过程进行仿真结果表明,改进的算法改善了防碰撞性能,提高了RFID系统的标签识别效率。     

RFID，GPS和GIS技术集成在交通智能监管系统中的应用研究*

为实现在城市复杂路网情况下对交通车辆的实时监控,并且能通过一定数量的车辆运行状态来判断道路交通的拥挤状况,采用射频识别技术(RFID)对道路上运行的车辆进行动态识别和数据信息交换;依靠全球定位系统(GPS)技术实时获得目标车辆的位置信息,并通过地理信息系统(GIS)将车辆的运行状况以及路网的交通状况以电子地图形式实时地展现给用户。将GPS、GIS与RFID技术综合应用于城市道路交通管理系统中,在此基础上设计出道路交通车辆的全程监控模型和系统框架。对交通监管的信息化建设具有一定的借鉴意义。     

基于RFID物联网技术的车辆防盗报警系统研究与应用

为解决车辆丢失问题,搭建了基于RFID物联网技术的车辆防盗报警平台。平台中的智能检测算法高效、准确,误识率及拒识率低。平台能够自动、远距离地识别非法车辆,并进行报警联动,有效维护人民财产安全。     

基于长短期记忆的车辆行为动态识别网络

高级辅助驾驶装置采用机器视觉技术实时处理摄录的行车前方车辆视频，动态识别并预估其姿态和行为。针对该类识别算法精度低、延迟大的问题，提出一种基于长短期记忆（LSTM）的车辆行为动态识别深度学习算法。首先，提取车辆行为视频中的关键帧；其次，引入双卷积网络并行对关键帧的特征信息进行分析，再利用LSTM网络对提取出的特性信息进行序列建模；最后，通过输出的预测得分判断出车辆行为类别。实验结果表明，所提算法识别准确率可达95.6%，对于单个视频的识别时间只要1.72 s；基于自建数据集，改进的双卷积算法相比普通卷积网络在准确率上提高8.02%，与传统车辆行为识别算法相比准确率提高6.36%。     

基于RFID的客运安检管理系统

利用RFID技术开发的客运安检管理系统,通过计算机网络、数据库及射频卡快速识别车辆、司机的相关信息,实现了营运车辆报班的自动化管理,保证了营运车辆各项安检数据的准确性,采用安检信息逾值报警机制,减少了操作上的失误,提高了安检工作效率.     

一种高效低成本的RFID系统防碰撞改进算法

为提高RFID电子标签被识别的效率,研究和提出一种用于RFID在识别过程中防碰撞的改进算法。通过对识别时间吞吐量的数学分析建立识别时的最佳帧长度表达式,根据误差判决因子选择合理有效的标签数估算值,并调整帧长度。通过Matlab仿真过程,表明该改进算法能够有效缩短识别延迟时间、减少了碰撞时隙和均衡分配时隙数,达到减少整个识别过程所需时间的目的,提高识别效率。研究的改进算法也能应用于其它基于帧时隙ALOHA协议的RFID标准,具有一定的参考性。     

基于四叉树的改进型RFID防碰撞算法

射频识别(RFID)技术是一种无接触的自动识别电子标签的技术,是物联网感知层中的一种重要技术。随着该技术在诸多领域的广泛应用,解决多标签识别问题的防碰撞算法显得越来越重要。目前的RFID防碰撞算法主要分为两大类:基于ALOHA的算法和基于树的算法。针对传统基于树的防碰撞算法识别时间较长、效率不高的问题,提出了一种基于四叉树的改进型RFID防碰撞算法,通过对电子标签的原始ID码进行分组后重新进行编码,消除了识别过程中的空闲时隙。经数学分析和仿真实验表明,在同等数量的标签情况下,该算法的识别时间较其它传统基于树的算法平均降低40%左右,识别性能得到了较大的提升。     

基于改进稀疏栈式编码的车型识别

为了提高稀疏栈式编码对车型识别确率,提出了一种基于改进稀疏栈式编码的车型识别方法。使用逐层无监督方法来训练网络结构,并从大量的无标记的数据集中学习得到特征字典,在稀疏栈式编码的基础上引入卷积和池化模块,把学习得到的特征字典作为卷积核,通过对含有车辆的图像进行卷积和池化操作获得图像的特征图;最后通过使用softmax分类器在少量标签数据集上进行有监督的微调。在BIT-Vehicle数据集上的实验结果表明,改进后的算法优于传统稀疏栈式编码算法,在标注较少的数据集中,识别的准确率优于神经网络算法。