检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

山区航道AIS信号场强分布特性

交通运输工程学报 2014年第6期14卷 117-126页

作者：初秀民刘潼马枫刘兴龙钟鸣武汉理工大学水路公路交通安全控制与装备教育部工程研究中心湖北武汉430070 新不伦瑞克大学土木工程系

船舶自动识别系统(Automatic Identification System,AIS)在内河应用中,由于山区遮挡产生大量的信号盲区,使其效用受限,使用Okumura-Hata模型研究了AIS通信系统在这些地区的可靠性。在长江三峡坝区航段上基于坝河口、石牌、西坝3个基站... 详细信息

船舶自动识别系统(Automatic Identification System,AIS)在内河应用中,由于山区遮挡产生大量的信号盲区,使其效用受限,使用Okumura-Hata模型研究了AIS通信系统在这些地区的可靠性。在长江三峡坝区航段上基于坝河口、石牌、西坝3个基站设置了29个测点,其中山区地带为13个测点,开阔地带为16个测点。测量了所有测点的实际场强,并与理论场强进行对比分析。使用线性回归法对Okumura-Hata模型的修正参数进行优化,计算了山区地带13个测点和开阔地带16个测点中距离大于2.9km的9个测点的修正场强。为验证修正模型的准确性,在重庆永川航段设置6个测点进行验证试验。分析结果表明:AIS信号在传播过程中3km为临界距离,AIS信号传播距离小于3km时,曲线较平缓,信号较好,传播距离大于3km时,曲线较陡峭,信号质量急剧变差。Okumura-Hata模型计算的理论场强与实际场强分布趋势吻合,但在具体数值上存在差距。验证试验中6个测点的实际场强平均值为-106.636dBm,理论场强平均值为-100.982dBm,修正场强平均值为-107.710dBm,Okumura-Hata模型计算结果的平均误差为5.654dBm,平均准确率为94.615%,修正模型计算结果的平均误差为1.071dBm,平均准确率为98.329%。

关键词：交通信息工程山区航道船舶自动识别系统线性回归 Okumura-Hata 模型场强

基于动态概率网格和贝叶斯决策网络的车辆变道辅助驾驶决策方法

在线全文

学校读者我要写书评

暂无评论

交通运输工程学报 2018年第2期18卷 148-158页

作者：惠飞穆柯楠赵祥模长安大学信息工程学院陕西西安710064

提出了一种车辆变道辅助决策方法,向驾驶人提供变道行为决策;构建了由车载GPS、相机传感器和雷达组成的行车环境信息传感装置,利用非采样B样条曲线模型对车道线建模,通过控制点位置求解与搜索策略实现车道线的检测、跟踪与类型识别;根... 详细信息

提出了一种车辆变道辅助决策方法,向驾驶人提供变道行为决策;构建了由车载GPS、相机传感器和雷达组成的行车环境信息传感装置,利用非采样B样条曲线模型对车道线建模,通过控制点位置求解与搜索策略实现车道线的检测、跟踪与类型识别;根据车道线信息确立有效行车区域,并建立了一种动态概率网格的行车环境几何模型,对有效行车区域进行紧凑型表征;考虑了车辆对行车环境表征结果可靠性的影响,根据高斯分布将车辆位置信息映射到动态概率网格中,计算了每个行车单元的占用概率;将车道线信息与网格单元占用概率作为初始节点状态参数,输入贝叶斯决策网络,估计概率网格单元的占用状态,量化输出当前行车环境表征结果以及不变道、向左变道、向右变道3种变道决策的期望效用值,通过计算各决策的期望效用值比率确定最优变道决策。试验结果表明:在场景1中"向左变道"决策的期望效用值最大,为0.70,视为最优决策,在其动态概率网格中,右侧车道线"实线"状态参数为100.00%,因此,"向右变道"决策效用期望值最小,决策系统输出的最优决策"不变道"符合中国交通法规,也表明检测车道线类型的必要性;场景2的"不变道"和"向右变道"决策期望效用值分别为0.43和0.44,比率接近1,无法判断最优决策,驾驶人可根据经验决定是否变道。

关键词：交通信息工程高级辅助驾驶系统变道决策行车环境感知动态概率网格贝叶斯决策网络

在线全文

学校读者我要写书评

暂无评论

双向双车道超车行为的智能车队间隙控制优化

交通运输工程学报 2019年第2期19卷 178-190页

作者：陈俊杰蔡伯根上官伟王剑柴琳果北京交通大学电子信息工程学院北京100044 北京交通大学北京市轨道交通电磁兼容与卫星导航工程技术研究中心北京100044 北京交通大学轨道交通控制与安全国家重点实验室北京100044

建立了双向双车道环境下单车超越车队模型,分析了影响双向双车道超车危险区域范围的主要因素;设计了分步式单车超越车队算法,研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系,提出了车辆入队所需最小安全... 详细信息

建立了双向双车道环境下单车超越车队模型,分析了影响双向双车道超车危险区域范围的主要因素;设计了分步式单车超越车队算法,研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系,提出了车辆入队所需最小安全间隙的速度匹配方案;建立了单车超越车队算法的目标函数,设定最大允许超车时间内超车车辆与车队行驶距离最大,超车车辆超越车队车辆数最多,前、后车形成安全间隙过程中加速度、减速度最小;提出了基于改进粒子群的分级约束多目标优化方法,为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明:双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系;改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度,平均收敛时间缩短39.2%;在分步式单车超越车队过程中,车队车辆平均速度提升9.04%,即在车队间隙生成过程中,虽然部分车辆速度减小,但车队整体平均速度得到提升;超车车辆平均速度提升16.8%,即在超车过程中,不仅超车车辆的安全性得到保证,其运行效率也得到提升。

关键词：交通信息工程双向双车道智能车队单车超越车队算法安全间隙间隙优化分步式超车

在线全文

学校读者我要写书评

暂无评论

AIS报文异常动态信息甄别方法

交通运输工程学报 2016年第5期16卷 142-150页

作者：刘兴龙初秀民马枫雷进宇武汉理工大学国家水运安全工程技术研究中心湖北武汉430063 武汉理工大学能源与动力工程学院湖北武汉430063

针对船舶自动识别系统（AIS）报文中的异常动态信息,提出一种基于概率推理的包括先验知识提取、证据建模、证据合成与权重系数优化4个步骤的识别方法,运用似然度建模方法将经过人工识别的AIS数据中的速度、航向角和轨迹位置信息转化为0... 详细信息

针对船舶自动识别系统（AIS）报文中的异常动态信息,提出一种基于概率推理的包括先验知识提取、证据建模、证据合成与权重系数优化4个步骤的识别方法,运用似然度建模方法将经过人工识别的AIS数据中的速度、航向角和轨迹位置信息转化为0～1之间的证据信度,并用证据推理（ER）规则合成,以验证过的AIS数据作为输入,采用非线性优化方法修正证据权重系数,利用武汉天兴洲大桥水域轮渡与武桥水域货船的AIS数据进行验证试验。试验结果表明：在优化权重系数下武汉天兴洲大桥水域轮渡的正确数据、错误数据、总体数据识别准确率分别为91.67%、97.62%、92.63%;以总体偏差最小为目标时,武桥水域货船的正确数据、错误数据、总体数据识别准确率分别为91.79%、89.87%、91.65%;以正确数据偏差最小为目标时,武桥水域货船的正确数据、错误数据、总体数据识别准确率分别为93.18%、49.95%、90.03%。可见,基于ER规则的AIS动态信息甄别方法能针对不同的优化目标灵活调整证据权重系数,具有接近人工水平的识别准确率。

关键词：交通信息工程船舶自动识别系统似然度建模概率推理非线性优化信度分布数据甄别

在线全文

学校读者我要写书评

暂无评论

基于轨迹特征的船舶停留行为识别与分类

交通运输工程学报 2021年第5期21卷 189-198页

作者：黄亮张治豪文元桥朱曼黄亚敏武汉理工大学智能交通系统研究中心湖北武汉430063 武汉理工大学国家水运安全工程技术研究中心湖北武汉430063

为准确评估大规模轨迹数据中的船舶停留活动,构建了两阶段船舶轨迹停留点提取策略,提出了特征驱动的船舶停留行为识别与自动分类方法;以距离、时间和轨迹点数量为约束条件构建了规则模型,检测了原始轨迹中的停留候选轨迹,引入孤立森林... 详细信息

为准确评估大规模轨迹数据中的船舶停留活动,构建了两阶段船舶轨迹停留点提取策略,提出了特征驱动的船舶停留行为识别与自动分类方法;以距离、时间和轨迹点数量为约束条件构建了规则模型,检测了原始轨迹中的停留候选轨迹,引入孤立森林算法检测和去除异常离群点,提取了高聚集度的船舶停留轨迹集合;基于船舶靠泊和锚泊的时空特征,定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标,构建了新的轨迹相似性度量模型,量化了船舶停留轨迹点的分布特征和聚合程度,并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类;采用提出的方法处理了3个不同水域的船舶轨迹数据,准确获取了船舶停留行为的分类结果,并验证了船舶锚泊与靠泊在轨迹时空特征上的差异性,以人工标注结果为参考依据评估了船舶停留行为识别与分类的准确性。研究结果表明:船舶靠泊的轨迹点重复率在80%以上,最远点对距离和相邻点平均距离分别为6~11和1~2 m,船舶锚泊的轨迹点重复率在10%以下,最远点对距离和相邻点平均距离分别为150~250和8~10 m,说明轨迹点重复率、相邻点平均距离和最远点对距离这3个时空特征对船舶靠泊和锚泊具有显著的区分能力;提出的方法对船舶停留识别分类的正确率在98%以上,充分证明了其有效性;采用提出的方法可更新已有码头和锚地的空间位置,自动识别规则水域外的船舶异常停留和规则水域内的超长时间船舶异常停留,掌握在港船舶停留分布情况,识别不同季节、不同时段的热点码头和锚地,从而辅助优化港口规划布局和交通组织。

关键词：交通信息工程船舶行为分析停留点提取孤立森林 K近邻分类轨迹挖掘

基于分布式Web Chart的船舶导航系统

在线全文

学校读者我要写书评

暂无评论

交通运输工程学报 2005年第3期5卷 77-82页

作者：潘明阳赵德鹏王德强李邵喜大连海事大学航海学院辽宁大连116026

为了提高目前WebChart信息传输与交互的效率,分析了WebChart作为船舶导航系统需要解决的海图数据网络传输、实时获取本地导航设备数据、客户端之间信息交互等问题,提出并构建了一种基于分布式WebChart的船舶导航系统。该系统采用数字签... 详细信息

为了提高目前WebChart信息传输与交互的效率,分析了WebChart作为船舶导航系统需要解决的海图数据网络传输、实时获取本地导航设备数据、客户端之间信息交互等问题,提出并构建了一种基于分布式WebChart的船舶导航系统。该系统采用数字签名和Java本机接口方法解决了WebChart对本地资源的访问,实现了通过客户端串口对本地传感器信息的读取,并且系统采用了分布式体系结构,船舶用户不仅可以通过网络浏览器浏览海图数据,而且可以在海图平台上相互可见和交互,从而使船舶用户能够方便地通过网络实时、准确地分析和了解其周围的动静态航行环境,获取全面的导航服务。

关键词：交通信息工程船舶导航系统分布式WebChart 本机接口

在线全文

学校读者我要写书评

暂无评论

Web多维数字航道监控平台

交通运输工程学报 2014年第2期14卷 97-103,126页

作者：潘明阳刘涛王德强赵德鹏张新宇大连海事大学航海学院辽宁大连116026

基于二维电子航道图和三维航道模型,提出了一种新的Web多维数字航道监控平台。基于Java设计了Web多维数字航道监控平台架构。为了加快平台的绘制速度,基于四叉树空间数据组织和数据预读策略对多维数字航道模型进行优化。为实现大范围的... 详细信息

基于二维电子航道图和三维航道模型,提出了一种新的Web多维数字航道监控平台。基于Java设计了Web多维数字航道监控平台架构。为了加快平台的绘制速度,基于四叉树空间数据组织和数据预读策略对多维数字航道模型进行优化。为实现大范围的航道动态监控,研究了航道中船舶与航标动态信息的数据组织、获取、绘制和查询,提出了一种基于折半抽稀的动态目标图层绘制算法与一种基于光线投射的三维空间动态目标拾取算法。测试结果表明:平台运行稳定、平滑,通过Web在一个统一的框架下同时展现航道地形、码头设施和建筑物构成的三维航道模型和二维电子航道图,实时动态监控辖区内的船舶和航标。

关键词：交通信息工程多维数字航道虚拟地球电子航道图航道监控

在线全文

学校读者我要写书评

暂无评论

基于城市用地的公共自行车骑行量建模

交通运输工程学报 2018年第1期18卷 150-158页

作者：唐炉亮陈西杨雪张霞李清泉武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 武汉大学城市设计学院湖北武汉430070 深圳大学土木工程学院广东深圳518060

将公共自行车出行模式划分为前往站点、租车骑行和还车离开3个阶段,分别研究了城市用地在每个阶段对公共自行车骑行量的影响;针对第1、3阶段,采用兴趣点度量公共自行车站点周围的城市用地类型,通过引入时间满意度函数,基于多元回归分析... 详细信息

将公共自行车出行模式划分为前往站点、租车骑行和还车离开3个阶段,分别研究了城市用地在每个阶段对公共自行车骑行量的影响;针对第1、3阶段,采用兴趣点度量公共自行车站点周围的城市用地类型,通过引入时间满意度函数,基于多元回归分析,提出了预测骑行产生量和吸引量的建模方法;针对第2阶段,构建了城市用地对公共自行车骑行量的6个影响指标,包括起始站点骑行产生量、起始站点分布密度、起始站点偏离度、终止站点骑行吸引量、起终站点间距与起终站点用地差异;对纽约市961 865条以及上海市1 185 816条公共自行车骑行记录进行多元回归分析。分析结果表明:在保持用地因素数量不变的情况下,传统方法针对纽约和上海记录数据的决定系数分别为0.581、0.474,建模方法的决定系数较高,分别达到了0.738、0.607;针对自行车站点间客流量的建模,提出的6个指标均对站点间客流量有显著影响,并且模型的调整决定系数为0.487。可见,建模方法更加合理地衡量了城市用地对公共自行车骑行量的影响,并对站点的骑行产生量、站点间客流量与站点吸引量实现了更为准确的建模。

关键词：交通信息工程公共自行车骑行量时间满意度函数城市用地出行模式多元回归

基于Darknet框架下YOLO v2算法的车辆多目标检测方法

在线全文

学校读者我要写书评

暂无评论

交通运输工程学报 2018年第6期18卷 142-158页

作者：李珣刘瑶李鹏飞张蕾赵征凡西安工程大学电子信息学院陕西西安710048 炮兵防空兵装备技术研究所北京100072

针对道路车辆目标检测传统方法需随场景变化提取不同特征,检测率较低与鲁棒性差的问题,提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法;根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进,基于ImageNet数据集和... 详细信息

针对道路车辆目标检测传统方法需随场景变化提取不同特征,检测率较低与鲁棒性差的问题,提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法;根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进,基于ImageNet数据集和微调技术获得分类训练网络模型,对训练结果和车辆目标特征进行分析后进一步调整改进的算法参数,最终获得更适合于道路车辆检测的YOLO-vocRV网络模型下车辆多目标检测方法;为验证检测方法的有效性和完备性,采用不同车流密度进行了车辆多目标检测试验,并与经典YOLO-voc、YOLO9000模型进行了对比;采用改进YOLO-vocRV网络模型,选取20 000次迭代,分析了多目标检测结果。试验结果表明:在阻塞流样本条件下,YOLO9000网络模型检测率为93.71%,YOLO-voc网络模型检测率为94.48%,改进YOLO-vocRV网络模型检测率达到了96.95%,因此,改进网络模型YOLOvocRV检测率较高;YOLO-vocRV模型精确度和召回率均聚集在0.95,因此,在获得较好精确度的条件下损失的召回率明显较小,达到了很好的折中;采用混合样本训练后,基于YOLO-vocRV模型的车辆多目标检测方法的检测率在自由流状态下可达99.11%,同步流状态下可达97.62%,阻塞流状态下可达到97.14%,具有较小的误检率和良好的鲁棒性。

关键词：交通信息工程深度学习多目标检测 Darknet框架 YOLO v2算法网络模型