道路交通状态预测研究

针对道路交通状态预测的研究成果,综述了基于实时数据分析的道路交通状态预测理论和方法的相关研究.从分析基于实时数据分析的道路交通预测的基本流程、特点和要求和单一断面交通状态预测和多断面交通状态预测角度回顾了道路交通状态预测的研究现状.结果表明:在不断发展完善单一断面预测方法的同时,需要发展以多个断面交通状态为研究对象的多断面预测方法,以促进我国智能交通系统的基础理论发展及其应用水平的提高.     

信号交叉口影响区路边停车的交通流延误模型

为了提高路边停车带的利用率和减小其对路段交通流的影响,以城市一幅路为研究对象,从分析路边停车带的车辆驶出、汇入时对道路动态交通流的影响入手,考虑路边停放车辆及信号控制的共同作用,运用稳态理论分析车辆在信号交叉口的延误时间,建立了停车带第i个泊位车辆驶出影响下,单位时间内机动车流在信号交叉口的延误-Di与停车带离开停车线的距离L0、路段交通流量以及信号周期时长C和红灯时间r的关系模型.以南京市天津路路边停车带为例,重点分析了距离交叉口停车线最近停车位的车辆驶出引起的延误时间-D1随L0、信号周期时长C、红灯时间r变化的规律,结果表明,随着交叉口饱和流率的不同,停车带与交叉口的距离可分别在60m和90m区间设定,而交叉口信号周期长度和红灯时间比例均对延误结果存在显著影响.     

地质雷达和瑞雷波检测公路工程质量技术研究

地球物理方法的应用,使公路工程质量检测技术变得更加简捷、高效和经济,能够有效缓解当前路况检测和公路工程维护所面临的压力.在介绍了地质雷达和瑞雷波探测法的基本工作原理的基础上,将这2种探测技术应用在公路工程质量检测中,详细介绍了它们对公路厚度、压实度、抗压强度、弯沉值、含水量、脱空区段等检测的具体实施方法和步骤,并指出了相关注意事项.分析认为,随着技术的更新和设备的完善,地质雷达和瑞雷波技术能够有效地应用到公路工程的质量检测过程中,有着很好的应用前景和推广价值.     

网络融合边界的电信DoS攻击检测*

为了检测网络融合边界的电信拒绝服务攻击,首先针对攻击的类型分别提出了基于呼叫统计或流量信号分析的检测方法,并采用分步骤的策略设计了检测系统,将两种检测算法分别应用于粗检测步骤,再通过精检测步骤确认攻击并找出攻击源.模拟实验结果表明,该方案能够有效地检测出典型的攻击,并能够实时在线检测,具有良好的实用价值,为应对网络融合所带来的新安全问题提供了一种解决方案.     

石油勘探电磁层析成像在复杂岩层的应用仿真

对石油岩层进行勘探时,是通过电磁波形成稳定图像,对石油岩层进行勘探.由于石油区域的岩层结构密集和稀松部分分布不均匀,电磁层析成像在分布不均匀的岩石结构中,电磁波回波过程发生不定衰减,导致电磁析图像发生局部变异.传统的石油勘探电磁层析成像技术在图像局部变异下,会严重影响后期的成像效果,成像信息失真明显.提出采用加权小波分析的石油勘探中电磁层析成像复杂结构声波过滤方法.用非线性方程描述所有的石油勘探中电磁层析成像结构声波,选取一组成像信号作为样本数据,计算成像信号的权重,获取所有成像信号在声波过滤过程中的重要程度.针对上述结果进行小波变换处理,完成成像信号的分解,将所有的因子进行重构,实现声波过滤.实验结果表明,利用改进算法进行石油勘探中电磁层析成像复杂结构声波过滤,能够极大的提高过滤准确性,得到清晰的成像信号.     

车载毫米波雷达Bootloader的设计与实现

毫米波雷达用于盲区监测系统时,一种连接方法是仅一个雷达挂接在车身网络上,而另一个雷达无法直接与车身网络通信,因此也无法通过OBD直接升级软件。该文提出一套基于UDS的软件升级方案,在传统下位机Bootloader中增加主从通讯功能,使得两个雷达能同时完成软件升级。经实际应用,设计的Bootloader在盲区监测系统和前碰撞预警系统中都能可靠地升级应用软件。     

A real-time vehicle detection and a novel vehicle tracking systems for estimating and monitoring traffic flow on highways

Real-time highway traffic monitoring systems play a vital role in road traffic management, planning, and preventing frequent traffic jams, traffic rule violations, and fatal road accidents. These systems rely entirely on online traffic flow info estimated from time-dependent vehicle trajectories. Vehicle trajectories are extracted from vehicle detection and tracking data obtained by processing road-side camera images. General-purpose object detectors including Yolo, SSD, EfficientNet have been utilized extensively for real-time object detection task, but, in principle, Yolo is preferred because it provides a high frame per second (FPS) performance and robust object localization functionality. However, this algorithm’s average vehicle classification accuracy is below 57%, which is insufficient for traffic flow monitoring. This study proposes improving the vehicle classification accuracy of Yolo, and developing a novel bounding box (Bbox)-based vehicle tracking algorithm. For this purpose, a new vehicle dataset is prepared by annotating 7216 images with 123831 object patterns collected from highway videos. Nine machine learning-based classifiers and a CNN-based classifier were selected. Next, the classifiers were trained via the dataset. One out of ten classifiers with the highest accuracy was selected to combine to Yolo. This way, the classification accuracy of the Yolo-based vehicle detector was increased from 57% to 95.45%. Vehicle detector 1 (Yolo) and vehicle detector 2 (Yolo + best classifier), and the Kalman filter-based tracking as vehicle tracker 1 and the Bbox-based tracking as vehicle tracker 2 were applied to the categorical/total vehicle counting tasks on 4 highway videos. The vehicle counting results show that the vehicle counting accuracy of the developed approach (vehicle detector 2 + vehicle tracker 2) was improved by 13.25% and this method performed better than the other 3 vehicle counting systems implemented in this study.     

基于国产处理器增量式实时交通流预测算法及实现

针对城市交通难以处理大量数据且实时性差等问题,提出了根据增量式城市交通流数据预测拥堵情况的一种基于国产处理器的L-BFGS(limited-memory BFGS)算法。该算法通过存储向量序列计算Hessian矩阵,改进Two-Loop算法求下降方向,在Spark集群中并行处理时收敛速度快,适用于实时性要求强的城市交通场景。实验结果证明,L-BFGS预测算法完全可以在国产平台上对大规模的实时交通数据流进行快速建模、预测,在改善城市交通管理水平提供有效支撑的同时也丰富了国产芯片的应用领域。     

面向交通流量预测的时空超关系图卷积网络

交通流量预测是智能交通系统中的重要研究课题,然而,交通对象（如站点、传感器）之间存在的复杂局部时空关系使得这项研究颇具挑战。尽管以往的一些研究将流量预测问题转化为一个时空图预测问题从而取得了较大的进展,但是它们忽略了交通对象们跨时空维度的直接关联性。目前仍缺乏一种全面建模局部时空关系的方法。针对这一问题,首先提出一种新颖的时空超图建模方案,通过构造一种时空超关系来全面地建模复杂的局部时空关系;然后提出一种时空超关系图卷积网络（STHGCN）预测模型来捕获这些关系用于交通流量预测。在四个公开交通数据集上进行了大量对比实验,结果表明,相比ASTGCN、时空同步图卷积网络（STSGCN）等时空预测模型,STHGCN在均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）这三个评价指标上均取得了更优的结果,不同模型运行时间的对比结果也表明,STHGCN有着更高的推理速度。     

求解声波动方程的隐格式有限体积法

为研究声传播问题,提出一种声波动方程的隐格式有限体积法,该方法将格点型有限体积法与Newmark格式相结合.模拟平面波的传播过程,对比分析隐格式有限体积法和文献中显格式有限体积法的精度、稳定性及计算消耗等方面的性能.数值结果表明:当λ/Δx≥10时,两种算法均能得到满足精度要求的解;采用无条件稳定的隐格式算法,当满足ω0Δt≤0.3时,预测声压的相对峰值误差1%;当采用相同时间、空间步长时,隐格式算法精度高于显格式算法;隐格式算法对吸收边界的处理精度高于显格式算法,但对全反射边界的处理精度低于显格式算法;两种算法内存消耗比较接近,显格式算法的CPU耗时较少.