公共文化服务平台

彭博: 作品数：49 被引量：244H指数：9; 供职机构：重庆交通大学交通运输学院更多>>; 发文基金：国家自然科学基金中央高校基本科研业务费专项资金重庆市教委科研基金更多>>; 相关领域：交通运输工程自动化与计算机技术航空宇航科学技术电子电信更多>>

合作作者

城市快速路交织区控制策略研究综述被引量：7: 2020年; 由于快速路交织区及其影响范围内存在大量不同流向车辆的换道行为,导致交织区成为快速路的交通瓶颈。为保障交织区交通高效安全运行,文中在综合分析交织区运行特性和安全特性的基础上,综述交织区匝道、主线等控制策略,建立快速路交织区及影响区域交通运行协同控制框架,考虑车辆行驶行为因素,分别对主线、匝道和交织区的拥堵情况、紊乱程度、排队溢出等交通状态进行识别和预测,建立涵盖匝道控制、可变限速、车道信号、定向车道、标线诱导、实体隔离等方案的协同控制策略,并进行预评估与反馈校正,实现交织区从信息采集、预测控制、策略执行的全链条反馈校正流程;最后提出交织区交通控制面临的挑战和研究方向。; 谢济铭彭博蔡晓禹蔡晓禹张媛媛; 关键词：快速路交织区运行特性安全特性控制策略

基于3D CNN的道路视频交通状态自动识别被引量：2: 2021年; 为了从视频直接有效地提取交通信息,提出了基于三维卷积神经网络(3D convolutional neural networks,3D CNN)的交通状态识别方法.首先,以C3D(convolutional 3D)深度卷积网络为3D CNN原型,对卷积层数量与位置、平面卷积尺寸及三维卷积深度进行优化调整,形成了37个备选模型;其次,建立了视频数据集,对备选模型进行系统的训练测试,提出了交通状态识别模型C3D^*;然后,对C3D^*和现有三维卷积网络模型进行视频交通状态识别测试分析;最后,对比测试了C3D^*及常用二维卷积网络的交通状态识别效果.对比结果显示:针对视频交通状态识别,C3D^*的F均值为91.32%,比C3D、R3D(region convolutional 3D network)、R(2+1)D(resnets adopting 2D spatial convolution and a 1D temporal convolution)分别高12.24%、26.72%、28.02%;与LeNet、AlexNet、GoogleNet、VGG16的图像识别结果相比,C3D^*的F均值分别高32.61%、69.91%、50.11%、69.17%.; 彭博彭博张媛媛蔡晓禹蔡晓禹; 关键词：智能交通

日冕暗化图像检测算法的并行设计与实现: 2017年; 日冕物质抛射(Coronal mass ejection,CME)是空间灾害天气最主要的驱动源。在CME的众多伴生现象中,日冕暗化与之最为紧密相关。因此,对日冕暗化现象进行检测,有助于预报CME的爆发。随着观测数据量的增加,现有日冕暗化检测算法的效率亟待提升。本文基于一种半自动暗化检测算法,提出并实现该算法的并行方案,以提高算法效率,为实现日冕暗化的实时检测奠定基础。首先介绍了日冕暗化的现有工作,接着详细分析了一种半自动暗化检测方法,它在一定程度上提高了人工识别暗化区域的效率,但其效率并不能满足检测的实时性要求。然后,基于Matlab R2014a平台并行机制的特点,从数据、计算量和图像分块角度对半自动暗化检测算法提出了3种不同的并行方案,实验对比分析结果表明图像分块并行方案的效果最优。; 杨宇航彭博李天瑞; 关键词：日冕物质抛射图像处理并行计算

路面裂缝图像自动识别算法综述被引量：30: 2014年; 路面裂缝自动检测对于路面养护管理、路面性能评价与预测、路面材料和结构设计具有重要的实用价值,但快速、准确、全面且稳定地识别路面裂缝一直是个难题。为此,对路面裂缝自动检测研究现状进行综述,包括以图像增强和去噪为目的的预处理方法,基于阈值分割、边缘检测和种子生长的空间域识别算法,以小波变换为代表的频域识别算法,基于有监督学习的识别算法及其他裂缝识别方法;指出既有裂缝识别算法存在易受光照和油污等因素的影响、裂缝识别图像连续性差和识别速度和精度较低等不足。最后,提出综合考虑边界和区域特征消除纹理和噪声干扰、基于局部和全局信息设计优化识别算法和基于三维图像进行裂缝识别等研究展望,为裂缝自动识别算法的改进提供参考。; 彭博蒋阳升韩世凡罗楠欣; 关键词：道路工程自动识别算法路面裂缝边缘检测有监督学习

基于3DCNN-DNN的高空视频交通状态预测被引量：1: 2020年; 为使用高空视频识别和预测道路交通状态,提出基于三维卷积神经网络-深度神经网络(3DCNN-DNN)的交通状态预测方法.将道路切分为D个路段,每个路段视频片段时长m s,基于典型3DCNN结构C3D识别路段视频片段交通状态;建立道路?个历史时段、D个路段的交通状态矩阵Φ,将道路交通状态预测问题转化为以Φ为输入,有限交通状态为输出的分类问题,构建基于DNN的短时交通状态预测模型原型;建立交通视频数据集,对DNN预测模型原型的隐藏层数量、神经元数量及训练批大小进行测试优化,提出有4隐藏层,各层神经元数量为64/128/128/64,训练批大小为64的优化模型DNN*.测试结果表明:C3D视频交通态识别平均F1值为95.71%,DNN*道路交通状态预测准确率为91.18%,比DNN线性分类、KMeans、KNN、SVM和线性分类分别高6.86%、57.85%、62.26%、26.47%、43.14%;C3D能提供准确的交通状态矩阵,3DCNN-DNN可有效识别和预测道路视频交通状态.; 彭博彭博蔡晓禹谢济铭蔡晓禹王玉婷; 关键词：交通状态预测 DNN

基于双层连通性检测的路面裂缝图像去噪算法被引量：3: 2015年; 为了消除路面裂缝图像中的孤立噪声并保护裂缝边缘的细致特征,本文基于像素和裂缝子块两个层级的连通性检测设计了去噪算法,主要包括3个部分：（1）像素连通性检测,剔除连通性差的像素;（2）孤岛噪声消除算法,删除相对孤立的目标区域;（3）8×8裂缝子块去噪算法。然后,提出了算法流程并探讨参数的选择。最后,应用Visual Studio 2008和Open CV编程对本文算法、常用的中值滤波去噪法、长线段和黑色像素比例法进行性能测试,结果表明,本文算法可有效消除孤立噪声并保持边缘连续性,具有更高的准确率（85.06%）和召回率（85.80%）,综合性能指标F1值比后两者分别高0.74%~19.19%和0.20%~12.06%。; 彭博罗楠欣蒋阳升陈成K C P WANG; 关键词：道路工程路面裂缝去噪算法图像处理

基于容差PR曲线的路面裂缝识别算法性能评价机制被引量：4: 2017年; 为了客观合理地评价路面裂缝图识别算法的性能,提出了基于容差PR曲线的算法性能评价机制。首先,建立路面裂缝图像基准库,为裂缝识别算法性能评价提供统一规范的测试图像;其次,提出考虑容差的准确率-召回率和F_1值计算方法,作为算法性能的衡量指标;然后,提出裂缝识别算法的PR曲线评价方法;最后,以两套裂缝识别算法为例进行PR曲线性能评价分析。结果表明:PR曲线评价机制确立了统一的基准测试图像、衡量指标及评价方法,能评价无参数、具有1个或多个参数的裂缝识别算法的性能(包括准确率-召回率、F_1值及算法稳定性),有助于进行算法性能评价与改进。; 彭博姬然; 关键词：道路工程图像处理容差

基于自动编码机-分类器的视频交通状态自动识别: 2021年; 为了及时、有效地识别道路交通状态,提出了结合自动编码机与分类器的视频交通状态识别方法。首先,建立交通状态视频图像数据集,对自动编码机隐藏层和降维数据维度等结构参数进行优化测试。然后,提出自动编码机定量评价方法,选出最优自动编码机模型A^(*)。最后,将A^(*)与线性分类器、支持向量机、深度神经网络、DNN Linear分类方法相结合,构建了4个交通状态识别模型。对前述模型及AlexNet、LeNet、GoogLeNet、VGG16等CNN模型进行训练测试,结果显示:本文模型精确率和召回率均为94.5%~97.1%,F1值均为94.4%~97.1%,CNN模型中AlexNet表现最佳,精准率、召回率以及F1值均为94%,表明A^(*)与常用分类器结合,达到或超越了复杂CNN模型的交通状态识别效果。本文方法训练测试简便、计算成本低,适用于视频图像的交通状态识别。; 彭博彭博王玉婷唐聚谢济铭; 关键词：交通运输系统工程交通视频

基于驾驶行为和信息熵的道路交通安全风险预估被引量：23: 2020年; 为了精准有效地进行交通事故预防预警,基于车辆OBD驾驶行为数据及信息熵理论,提出了城市道路交通安全风险预估方法。首先,分析异常驾驶行为高发位置与道路交通事故发生位置的关联性;其次,构建以道路交通安全熵为一级指标,急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为二级指标的道路交通安全风险预估指标体系,提出了基于改进熵权法的道路交通安全熵计算方法;然后,基于密度聚类、K-means聚类提出了道路交通安全风险等级数确定方法,并基于K-means聚类建立了风险等级阈值计算方法。研究结果表明:异常驾驶行为高发位置与交通事故发生位置具有一致性;通过对log对数底数选择优化、二级指标零值处理、指标权重分段计算3个步骤改进的熵权法,可弥补log对数函数无法计算零值指标熵值的缺陷,避免指标权重为负、指标熵值与权重反映信息不一致的现象;两步聚类避免了孤立数据点对安全风险等级划分的影响。以重庆市4条城市道路(总长约38km)进行实例验证后得出,道路交通安全熵与交通事故表征的道路交通安全状态趋势一致;道路交通安全风险等级可划分为高、低风险2级,道路交通安全熵优化阈值为0.042,最后,风险等级划分准确率为87.88%。研究成果可为道路交通安全风险点辨识、交通事故预防预警提供有效的技术支持。; 蔡晓禹蔡晓禹彭博唐小勇彭博; 关键词：交通工程信息熵驾驶行为熵权法交通安全

基于形态检测与深度学习的高空视频车辆识别被引量：6: 2019年; 为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法.首先,基于形态检测建立候选目标提取算法,并构建了含244520个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法.验证分析显示:AlexNet*的图像分类F1均值达85.51%,优于AlexNet(82.54%)、LeNet(63.88%)、CaffeNet(46.64%)、VGG16(16.67%)及GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.; 彭博彭博唐聚蔡晓禹张媛媛; 关键词：智能交通车辆识别

彭博

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

彭博

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈