基于小波分析和拉格朗日的交通异常数据处理

针对交通数据采集过程中存在异常数据的情况,提出了基于小波分析和拉格朗日的交通异常数据处理方法。首先对交通数据序列进行小波分解,去噪;然后通过拉依达准则找出异常数据;最后采用拉格朗日插值法对异常数据进行修正。试验结果显示该方法可以简单、有效地判别和修正异常数据,相较于传统的交通异常数据处理方法具有一定的优势。     

弯道安全车速建模及影响因素分析

车速的合理选择,是影响弯道行车安全的关键.为此,针对车辆在弯道行驶过程中因超速导致的侧滑、侧翻等侧向失稳事故,通过建立车辆转向行驶动力学模型,结合道路环境信息,在分析车辆转向时载荷横向偏移、悬架变形等基础之上,对传统模型进行改进,建立精度更高的弯道安全车速计算模型.并采用车辆动力学仿真软件CarSim和TruckSim进行不同工况下的仿真试验验证.运用正交试验方法对试验结果进行极差和方差分析,获取弯道安全车速对7种主要影响因素的敏感度.结果表明,该模型所得的安全车速值,与车辆侧向失稳时的临界车速值之间的平均误差为1.55%;相比于其他因素,弯道半径和路面附着系数对安全车速的影响最为显著;当路面附着系数达到特定值时,模型考虑了车辆的侧翻危险,使其计算得到的弯道安全车速呈现饱和现象.     

科学管理深度控制充分发挥修旧利废节约成本作用

通过对影响节约成本的要因分析,指出了工务系统实施钢轨和辙岔焊补项目是节约生产成本的有效途径,介绍了开展焊补作业的技术、经济和安全效益.     

路面纹理的多重分形特征描述与识别方法

应用多重分形理论验证了路面纹理的多尺度特性,研究了路面纹理多重分形谱的直接计算方法以及权重因子对计算结果的影响规律.测量了4组不同级配的沥青混凝土样块纹理高程值,利用小波变换消除噪声数据,分别计算各组样块纹理的多重分形谱参数,构建了一种应用多重分形谱描述与识别路面纹理特征的新方法.分析结果表明:路面纹理呈现出复杂性与自相似性特征,不同路面纹理之间的多重分形谱存在明显的差异性;路面纹理越复杂,高程波度越剧烈,多重分形谱参数越大,反之则越小;对于相同类型的路面纹理,多重分形谱形状和参数均相近.可见,多重分形是一种描述与识别路面纹理特征的有效方法.     

科学管理 深度控制 充分发挥修旧利废节约成本作用

通过对影响节约成本的要因分析,指出了工务系统实施钢轨和辙岔焊补项目是节约生产成本的有效途径,介绍了开展焊补作业的技术、经济和安全效益。     

面向安全的悬索桥综合监测系统框架研究

针对悬索桥梁安全监测中各子系统分散的现状,构建一种涵盖结构、交通、环境等信息的桥梁安全综合监测系统框架,并提出系统功能及数据集成与挖掘关键技术,该综合监测系统通过统一平台集成桥梁结构健康监测、主缆除湿监测、供电设施电力监测、交通运行监测、外界环境监测等子系统的信息资源.     

路面抗滑性能影响弯道行车安全的仿真分析

为研究车辆制动工况下路面抗滑性能对弯道行车安全的影响,以车辆动力学分析软件AD-AMS为仿真平台,提出采用轮胎解析参数、整车参数、路面抗滑值构建耦合关联的车辆-轮胎-路面模型,在此基础上研究不同湿滑路面状态下弯道行驶车辆的运动学参数值变化情况,探索路面抗滑性能与表征行车安全风险的运动学参数值之间的关系.研究结果表明,路面抗滑性能影响车辆运动学参数值变化是诱发交通事故的主要因素.较低的弯道路面抗滑性能易使车辆在制动时出现急速横摆、甚至侧翻的交通事故;车辆两侧轮胎接地面抗滑值不均衡对弯道行车安全的影响高于对直道行车安全的影响,车辆极易在弯道制动时出现因抗滑值不均衡而无法保持有效转弯半径、进而冲出车道的交通事故.研究可为制定弯道行车安全的保障措施提供理论依据.      

网联环境下基于精简车头时距特性的驾驶风格分类

基于现有网联数据获取技术与条件,从车联网系统提取车头时距参数并将3 s内的车头时距特征值定义为驾驶模式,根据驾驶模式进而对驾驶风格（即驾驶人的驾驶行为习惯）进行分类。通过车头时距特性对驾驶模式进行量化分类,根据标定好的驾驶风格结果,辨识每种驾驶风格包含的典型驾驶模式;运用模糊分类方法赋予典型驾驶模式相应分值,通过计算每位驾驶人分值并结合已标定的驾驶风格结果设定每种驾驶风格的阈值;利用该阈值对测试集中的驾驶人风格进行识别,以验证识别准确率。采集了44名驾驶人网联环境行车数据将驾驶人标定为激进型、普通（即既不保守也不激进）型和保守型。按上述方法设置各驾驶风格阈值,结果表明：各驾驶风格的阈值分别为：S < 64.67为保守型,64.67 ≤ S < 181.20为普通型,S ≥ 181.20为激进型;使用所提方法来识别驾驶人风格,总体准确率为85.7%。所提出的基于车头时距的驾驶风格分类方法,使用了极精简的驾驶行为参数,为驾驶风格分类应用提供了新思路。

     

基于矢量运算和多级阈值判断的地磁车位占用检测算法研究

检测算法解决了现有地磁车位检测中无法排除邻位停车干扰以及所选判断标准无法适应多种车型、停车应用场景的问题.检测算法分析磁偶极子模型,基于矢量运算提取目标车位停车过程产生的地磁扰动矢量,有效排除邻近车位停车过程对目标车位磁场的影响.通过收集大量真实停车产生的地磁扰动信息,统计分析地磁扰动的强度以及方向变化特征,合理选取多级阈值作为算法中车位占用检测的标准,保证检测算法适用于多种车型、停车应用场景.经过3个月实地应用测试,发现检测算法车位占用检测精度达到99.3%,优于强度或者方向单一特征判断算法,并能检测出停车是否规范.研究算法尚未应用于大型客车、货车以及特种车辆车位占用判断.     

基于高维特征和RBF神经网络的湿滑道路图像判别方法

建立湿滑道路图像模式识别的分类模型,以J判据对图像高维复杂特征进行降维,按照优化后的特征和不同的样本数量建立多个测试条件,采用RBF神经网络进行8类不同湿滑道路图像的判别实验,分析RBF神经网络用于湿滑道路图像分类的优劣、影响因素以及性能改善方法.分析表明:通过图像特征降维后,采用RBF神经网络对不同道路湿滑状况进行判别,正确率约可达78.4%.