道路网络图的区块划分算法

为了解决基于并行系统动态交通分配的网络分割划分问题,该文给出了一种道路网络图区块划分的启发式算法。该算法不同于当前的普适算法,是专门针对交通应用中的道路网络图的特点而设计的,算法首先对矢量网络进行栅格映射,然后通过区块生长方法来满足分割要求。相对于其他算法,该算法能够满足任意指定数量的区块划分要求,分析过程不需反复迭代。因此算法的执行效率很高,并且能够得到理想的划分结果。同时由于所考虑的并行硬件环境是IBM兼容机加局域网的主流平台,算法具有一般性。     

露天矿运输道路网络的建立及其路径优化

 分析露天矿道路组成,对露天矿道路的不同路段进行合理划分,划分方法涉及到道路的路面质量、坡度和承载能力等因素,从而完成对露天矿道路的描述。提出露天矿道路网络节点的选取原则及其网络边权值的计算方法。建立起露天矿道路网络模型,设计露天矿道路网络数据库作为道路网络模型的后台数据库支持,数据库中包括网络节点数据表和节点间关系数据表,每个网络节点对应一个路段端点,每个关系对应一条网络边。设计出网络图节点的自动提取程序,并将节点数据信息自动存储到露天矿道路网络数据库中。选择粒子群算法作为道路网络路径的优化算法,实现了求解指定两点间的最短路径的粒子群算法。程序将搜索到的最优路径自动显示到网络图中,并达到了较高的搜索精度。     

基于交通禁则与道路等级因子的路径规划启发式函数

针对城市路网中存在的交通禁则问题和道路等级划分的实际情况,以A*算法为基础,提出一种新的估价函数.该函数引入自定义的道路等级因子作为参数,并将自定义权值的加权欧氏距离作为启发函数进行计算.分别针对引入道路等级因子前后及是否有交通禁则的情形进行实验,结果表明,该函数满足实际要求并优于A*算法,具有较好的实际应用效果.     

动态最佳交通路径的一种高效算法

基于建立交通网络图区域的概念，为简化地图的复杂度，提出了一种高效的最佳交通路径的计算方法．在该算法中，依据特征点远小于内点的原则，将地图分成若干个地理位置上的区域，并同时建立额外的特征点区域．利用该特征点区域，可将整幅地图中各个区域的信息进行关联．通过对地图进行区域划分和区域处理，并预先存储各区域边界特征点间最佳交通路径的耗费总值，以及特征点区域上各点间的最佳交通路径，该算法就可以满足动态计算实时性的要求．     

突发灾害下应急疏散路线的交通信号配时优化

针对目前国内外突发灾害事件频发、应急交通组织保障能力不足等问题,在充分考虑突发灾害对道路交通网络、交通出行行为影响的基础上,基于动态交通分配理论,结合突发灾害下的出行者疏散路线选择行为,构建了受灾区域应急疏散路线的交通信号优化控制模型,并采用并行蚁群算法对该模型进行优化求解,以提高求解速度和全局收敛能力.最后搭建了集群计算平台对该模型和算法进行模拟测试,结果表明,采用并行蚁群算法对模型进行优化求解,可以获得较好的时间性能和优化效率,满足应急交通保障系统在线决策支持的要求.     

基于多核的并行混合交通微观仿真系统

为了提高混合交通微观仿真的运行速度,基于多核并行计算技术构建了一个混合交通微观仿真平台.文中首先从平台功能结构、并行混合交通微观仿真流程设计与实现两个方面对平台进行介绍;其次,设计并实现了该仿真平台的关键并行算法,包括初始路网分割算法、车辆穿越边界算法及动态负载平衡算法;最后,通过仿真实验验证了多核并行计算技术能够大大提高混合交通微观仿真的运行效率.     

基于多核并行计算技术的混合交通微观仿真

为提高混合交通微观仿真的运行速度,将多核并行计算技术应用于混合交通微观仿真中.提出混合交通微观仿真的并行化方法,包括基于对串行混合交通微观仿真中各个模块CPU运算时间的百分比分析,确定基于数据并行的任务分解方法,及结合多内核CPU架构特点确定Fork/Join的并行模式.提出基于多核技术的混合交通微观仿真的关键并行算法,包括初始路网分割算法、车辆穿越边界算法及动态负载平衡算法.通过仿真实验验证多核并行计算技术能够提高混合交通微观仿真的运行效率.     

一种改进的均值偏移算法及其应用

针对道路分割中遇到的问题,对均值偏移算法进行了改进,给出了它在道路分割中的应用.改进的均值偏移算法对原始图像进行了特征空间变换.整个道路分割算法融合了改进的均值偏移算法、相邻帧之间的场景变化信息和车体运动信息.该方法克服了在道路有分叉及道路边界方向特殊时由于建立简化的道路模型而带来的问题.与用未改进的均值偏移算法及其它分割方法得到的分割结果相比,该方法得到的道路边界准确,可靠性高,划分出了车辆能安全通行的路面部分.     

基于改进YOLOv5s的道路场景多任务感知算法

针对单一任务模型不能同时满足自动驾驶多样化感知任务的问题，提出了一种基于改进YOLOv5s的快速端到端道路多任务感知方法。首先，在YOLOv5s网络输出端设计两个语义分割解码器，能够同时完成交通目标检测、车道线和可行驶区域检测任务。其次，引入Rep VGG block改进YOLOv5s算法中的C3结构，借助结构重参数化策略提升模型速度和精度。为了提升网络对于小目标的检测能力，引入位置注意力机制对编码器的特征融合网络进行改进；最后基于大型公开道路场景数据集BDD100K进行实验验证该算法在同类型算法的优越性。实验结果表明，算法车辆平均检测精度为78.3%，车道线交并比为27.2%，可行驶区域平均交并比为92.3%，检测速度为8.03FPS，与同类型算法YOLOP、Hybrid Nets对比，该算法综合性能最佳。     

基于交通效率的城市道路网络优化

道路网络的优化是建立可持续发展交通运输系统的重要环节。引入交通效率的概念,提出了基于交通效率的城市道路网络优化思路。与传统的四阶段交通规划模型相结合,将多车种用户平衡问题作为下层模型,考虑建设费用、污染物排放和能源消耗的约束,建立了使广义交通费用最小化的城市道路网络双层优化模型,分析了关键参数,并应用遗传算法和模拟退火混合算法进行了求解。实例研究表明,该模型既能满足交通需求,又能满足交通系统的环境保护目标。     

基于颜色和纹理特征的道路图像分割

针对移动机器人的视觉导航需求,研究彩色道路图像的精确分割问题.为解决图像中的干扰因素对道路分割精度所带来的负面影响,首先对道路图像进行了基于颜色特征的过分割,对颜色过分割结果再进行基于小波纹理特征的区域融合.通过考察区域空间位置的相邻性以及小波纹理特征的相似性,该算法将过分割区域进行了再融合,实现了复杂环境下对道路区域及环境区域的精确分割.实验结果表明,所提出的区域分割算法快速、有效、实时性好,并对复杂环境具有良好的鲁棒性,可以满足移动机器人实际运行的要求.     

多特征融合的道路场景语义分割算法

为提升道路场景语义分割的性能以及实际应用性,本文将传统的图像处理算法与深度学习技术相结合,提出了一种多特征融合的轻量级道路场景语义分割网络模型。该模型首先利用颜色空间转化、图像均衡化、边缘检测等算法来对图像多种特征信息进行增强;其次,以深度可分离卷积为基本单元搭建高效率特征提取结构,对特征增强后的图像进行信息融合和提取,并结合跳层上采样操作完成初步分割;最后,引入边缘检测支路来对分割图像的目标边界信息进行细化,保障网络高精度分割。通过实验结果表明,所提网络在分割精度、计算效率上得到了较好的平衡,同时,在实际变电站道路场景应用中,该网络也能实现高效语义分割,为巡检机器人提供有效的道路信息。     

基于OBS网络的一种最少冗余包的组播树共享算法

为了减少组播树共享算法(TS-MCAST)产生冗余包,有效地利用链路网络带宽,提出了一种基于光突发交换(OBS)网络的最少冗余包的组播树共享算法(LRP-MCAST-TS)。该算法实现过程中,引入了树分割规则,将满足分割条件的组播树分割成森林,然后根据重叠大小将汇聚的组播会话划分成多个组播共享类。通过理论分析,证明了LRP-MCAST-TS算法设计的正确性,达到了减少冗余包的目的。     

牙颌模型区域标记分割算法

牙颌隐形矫治中要求对STL格式牙颌模型边界进行准确、高效地分割。针对这一要求,本文对传统的交互标记分割算法进行了改进:由单面片输入改为区域选择,用相邻两面片的弯曲程度函数作为对应的高度场函数,由排序进栈优化为直接插入队列。该算法实现了目标牙齿的快速、自动分割。结果表明,改进算法分割的牙冠更完整,效率更高,能够满足矫治要求。     

基于Spark和梯度提升树模型的短期负荷预测

利用Spark平台对电力用户侧的大数据进行分析,提出基于梯度提升树的并行负荷预测方法.首先对历史负荷和天气数据集进行并行化分割处理,并采用特征提取与转换方法获取到预测模型所需的特征向量;然后合理设定Spark集群节点数以及调节Hadoop分布式文件系统(HDFS)分块大小;最后将参数调优后的梯度提升树模型部署到Spark分布式平台上进行训练与预测,并将该模型预测结果与其他预测模型进行精度比较.研究结果表明:通过合理划分HDFS中存储块的大小能有效提高集群对于大数据处理的效率,分布式梯度提升树算法在快速性与准确性上均有比较大的优势,能够满足电力负荷预测的要求.     

基于改进区域生长的巡检机器人道路实时检测方法

本文提出了一种巡检机器人道路实时检测方法,试验中测试的道路图片来自校园环境。根据区域生长算法,设计了一种初始种子自动选择算法,同时考虑了多种子点距离值和边界值混合加权作为新的生长准则,减少了过分割和欠分割。在实验中本方法对于户外环境中道路的检测是有效的,并且满足了实时性的要求。     

异步2D-Torus片上网络自适应路由算法

采用异步电路设计方法学,针对确定性路由算法在异步片上网络实现中遇到的容易阻塞和路由资源浪费等问题,提出了一种适用于2D-Torus拓扑结构的异步片上网络自适应路由算法,并搭建测试平台,对基于该算法的异步片上网络的功能和性能进行分析、验证与测试.结果表明,该算法可以满足路由自适应的要求,有效减小片上网络的路由延迟.基于该算法的异步片上网络可以满足多方向数据通信、多路数据并行通信和数据请求平等仲裁等性能要求,并且可以实现对从节点IP核的访问调用.     

基于目标检测算法与迭代阈值分割的道路标线可视度评估

提出了一种基于目标检测与迭代阈值分割的道路标线分割算法。首先采用基于BiFormer改进的YOLOv5目标检测算法对道路标线区域进行快速定位与框选,然后运用快速迭代阈值分割对框选区域内的道路标线进行精细提取,最后对提取后的道路标线采用韦伯对比度进行人眼可视度评估。结果表明：该方法能够完成道路标线的快速准确提取,并实现对道路标线可视度的有效检测。     

图像分割的EMKPFC算法

现有基于模糊聚类的图像分割算法对噪声敏感,不能妥善地处理图像的灰度特征与邻域像素之间关系.针对该问题,在可能性聚类的基础上融入多核聚类思想,提出了图像分割的EMKPFC算法(Enhanced Multiple Kernel Possibilistic Fuzzy C-means algorithms).该算法可以有效地利用模糊聚类方法以及可能性聚类算法的优点.进一步地,该算法能够规避普通核算法对于核函数选择的不确定性,增加了算法的抗变换性;对于挑选的多种核函数,凭借权重组合能够满足不同图像对于各种核函数的偏好需求,计算出最佳匹配的权重值.在没有任何先验的情况下,不仅可以进行准确的划分,而且还可以做到划分非线性团状样本.通过对于人造图像、真实图像和医学图像的实验结果表明,所提算法比其他相关基于模糊聚类的图像分割算法都具有更好的效果.     

一种轻量化非结构化道路语义分割神经网络

非结构化道路由于没有明显车道线且道路特征多、地域差异大，现有的结构化道路分割方法无法满足非结构化道路分割在实际应用中的实时性与准确性要求．为了解决上述难点，本文基于DeepLabv3+网络提出一种G-lite-DeepLabv3+网络结构，使用Mobilenetv2网络替换解码器中的Xception特征提取网络，并通过在Mobilenetv2网络与空洞空间金字塔池化模块中使用分组卷积替换普通卷积，且有选择地取舍批规范层来减少参数量，在不影响精度的同时提升分割效率．同时针对非结构化道路在图像里分布位置相对较固定的特点，引入注意力机制对高级语义特征进行处理，提升网络对有用特征的敏感度与准确性．选用与我国非结构化道路路况相似的印度道路驾驶IDD进行训练，并与其他经典语义分割网络进行实验对比，结果表明，相比于其他网络，本文提出的G-lite-DeepLabv3+准确率与实时性均表现较好、误分割与边缘清晰度均好于对照网络；与经典算法进行对比，平均交并比mIoU提升1.3%，平均像素精度提升6.2%，帧率提升22.1%.