基于区域的GLRT车辆目标检测方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究。提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与图像分割技术相结合。首先利用普通图像常用的分割聚类方法从SAR图像场景中粗略地分离出陆地杂波区域和目标潜在区域。然后根据分割结果,分别对两区域数据建立合理的统计模型。最后在背景和目标统计特性都已知的情况下,采用GLRT目标检测方法对目标潜在区域的像素点进行逐一检测,获得更为精确的检测结果。对实际SAR数据处理的结果表明,该方法能有效地从陆地场景中检测出地面车辆目标,且具备一定的精确性和快速性。     

机场地面作业仿真与优化

针对机场地面作业调度这一定位型流程(Fixed Site)和JOBSHOP二者混合的流程优化问题,运用面向对象的SIMIO仿真软件实现机坪保障设备中摆渡车、加油车的全天运行。提出基于平衡设备工作量差和航班延误最少的双优化目标,对仿真所得的车辆指派计划进行统计分析,找出存在的问题,通过更改系统逻辑条件建立优化模型,根据优化目标给出最终优化方案。     

对跑道侵入的分析和建议

引言据统计,空中交通管理中68%的事故发生在地面阶段。2003至2006财政年度,在美国NAS内的500多家机场共计发生了1306次跑道侵入事件,其中有4次导致了发生相撞事故。虽然这4起事故没     

民航特种车辆管理

民航特种车辆如：气源车、电源车、空调车、除冰车、飞机牵引车、客梯车、清水车、排污车等和公路上行驶的车辆有很大差别，车辆保养和管理也存在差异。本人在民航从事车辆管理工作多年，根据多年工作经验和探索，摸索出一套民航特种车辆管理的好方法，和以往车辆管理者有一定区别，对提高车辆使用寿命，降低车辆维护成本非常有用。下面是本人对特种车辆管理有几点体会，供同行们学习和参考。     

电子式速度里程表的原理与应用

本文对电子式速度里程遥的原理，结构，设计思想，参数设置，器件选择等做了较为详尽的论述，显示了较老传统测量技术无可比拟的优点－结构简单，工艺性好，可靠耐用等，并给出了实用的线路图。     

城市多功能车辆导航监控系统

针对智能运输系统对车辆导航定位和综合信息采集的要求,提出了一种集成高精度车辆导航系统和车载"黑匣子"的多功能车辆导航监控系统.首先分析了该多功能系统的结构和原理,进而研究融合"蓝牙"路标辅助车辆定位的GPS/DR/MM/BB组合高精度导航定位方案和GPS/DR最优卡尔曼滤波组合算法.大量的实际跑车试验结果表明该系统方案是可行的.它不仅能够进行高精度的导航定位,同时有效地实现了"黑匣子"行驶记录功能.     

基于ViBE与面向对象分类的视频卫星运动车辆检测

为了提高视频卫星对运动车辆的检测质量，在经典视觉背景提取器(ViBE)算法的基础上，结合遥感的面向对象分类技术，从提升正确检测运动目标数量和抑制虚假运动目标检测数量两个方面着手，提出了一种新的运动车辆检测方法（VOMVD）。首先通过优化ViBE模型参数，尽可能多地获取真实运动目标，但这在一定程度引入了许多的虚假目标。研究继而依据影像上地面小尺度运动目标和道路的依存关系，采用面向对象的分类方法，基于光谱、纹理、空间属性，构建了均值、标准差、卷积核内平均灰度值、卷积核内平均信息熵、面积、长度、紧密度、延伸度等8个特征，用于提取道路信息，以此掩膜ViBE提取的虚假运动目标和伪运动目标。结果表明，基于本研究提出的视频卫星运动目标检测方法较之三帧差分法、ViBE检测方法等，其精度有明显提升。在本研究中，三帧差分法、ViBE和VOMVD对运动目标的检测精度P分别为70.91%，61.49%和85.71%，召回率R分别为84.78%，98.91%和97.83%，F值分别为77.23%，75.83%和91.37%，有效提升了方法对运动目标的检测效果。     

基于D-OPTICS算法的网约车载客热点区域挖掘

为准确分析网约车载客高需求热点区域，考虑载客热点聚类中车辆行驶距离的约束，采用结合Dijkstra寻路算法的OPTICS算法，提出寻路密度OPTICS(D-OPTICS)算法。DOPTICS算法利用车辆轨迹数据进行空间聚类研究分析载客热点区域。通过道路网络拓扑结构提取各路段节点，采用Dijkstra算法进行寻路并以路段为单位提取邻域范围内载客点进行聚类。将成都市网约车轨迹数据进行热点区域的挖掘和分析。与传统OPTICS算法相比，所提算法考虑了道路距离的约束，提高了载客热点聚类稳定性和精度，获取的载客热点区域更贴合实际情况。     

车辆与二轮车预碰撞场景分析及其AEB优化

车辆自动紧急制动（AEB）系统的应用存在大量误识别和不合理决策的挑战，在典型场景下开展测试，可以有效提高AEB的适用性。对国内外相关研究进行分析，从12类车辆与二轮车预碰撞场景中提取AEB测试重点关注的2类涉及参与方转向的场景（场景S11和S12），建立2类典型场景下的Pre-scan模型和量化描述二轮车相对于车辆运动轨迹的数学模型，并对AEB的效用及改进方向进行定性和定量分析。结果表明：场景S11和S12中，二轮车在运动坐标系下的运动轨迹仅与车辆和二轮车速度比值相关；场景S11中，仅当车辆和二轮车速度比值取为(0.788 8,+∞)时，二轮车能够进入车辆AEB触发域，将AEB视场角从60°增大到90°，可有效改善AEB触发效果，速度比值范围从(0.788 8,+∞)增加至(0.203 3,+∞)；场景S12中，当二轮车和车辆速度比值取为(0,(?v+2.46)/9.64)时，车辆AEB具有较好的触发效果，将AEB触发宽度从1.5 m扩大至2 m时，对AEB触发效果的改善幅度不大。研究成果可为AEB系统的改进优化提供技术支撑。     

基于亲和传播算法的车辆自组织网络分簇组网方法

随着5G通信和自动驾驶汽车的发展，车辆自组织网络VANET（Vehicular Ad Hoc Network）作为一种新型的移动自组织网络，因其在改善道路安全、为驾驶员和乘客提供便利方面的潜力，而引起学术界和工业界的广泛关注。它可以通过提供交通流量、事故通知、危险警告、可能存在的定位偏差、天气等信息来增强道路安全，从而提高交通效率。由于车辆的高速移动会经常引起网络拓扑中断，因此一个设计良好的路由协议至关重要。提出了一种适用于车辆自组织网络环境的基于分簇的路由协议，设计并实现了一种基于亲和传播算法的分簇组网模型V-APC（VANET-Affinity Propagation Clustering）。通过重新定义亲和传播算法的相似函数，设计了簇头的选择过程、簇的形成过程还有簇的维护过程。结果表明：采用上述方法形成的簇，在簇内的通信性能和簇稳定性方面具有显著优势，使得该协议在路由延迟和数据包转发成功率方面表现优异。