周洋
- 作品数：4 被引量：13H指数：2
- 供职机构：南京理工大学自动化学院更多>>
- 发文基金：中国航空科学基金江苏省研究生培养创新工程项目国家自然科学基金更多>>
- 相关领域：交通运输工程自动化与计算机技术更多>>
- 突发事件下双重不确定条件的多式联运路径优化被引量：2
- 2022年
- 突发事件的发生,对于多式联运网络中节点中转能力与货运需求,都会造成不确定影响,这对于注重经济性与时效性的物流运输无疑是致命的打击。对此,文章讨论以在突发事件发生概率情景下,节点中转能力及货运需求双重不确定条件的多式联运网络路径优化模型,并设计遗传算法进行求解。根据中日多式联运物流网络,证实模型与算法的可行性,并分析不确定因素的影响。结果表明:突发事件的发生会影响多式联运的运输决策;当突发事件的影响导致节点中转能力低于货运需求量时,运输总成本会大大增加,而影响的进一步加大导致节点能力的再次降低不会再造成成本的明显增加;同时节点中转能力的提高却对运输总成本的影响并不显著。由此,企业在决策线路时需要考虑节点应对突发事件的可靠性与货运需求的波动性,保证运输服务安全与质量。
- 陈知渊郭唐仪周洋
- 关键词：多式联运遗传算法
- 基于YOLOv5s优化模型的道路交通标志异常状态检测被引量：1
- 2024年
- 道路交通标志的遮挡、磨损等异常,对交通安全和通行效率造成很大的影响。针对目前道路交通标志异常状态检测实践中存在的检测误差高、模型大而难嵌入设备终端等问题,提出了一种基于YOLOv5s优化的目标检测轻量化模型。提出的YOLOv5s优化模型内容包括:以MobileNetv3网络来替换模型主干网络,减小模型的大小;以BiFPN网络替换原生的PANet网络,减少冗余计算,提高模型特征融合的能力;以CBAM轻量级注意力机制代替MobileNetv3的SENet注意力机制模块,提升模型准确性;引入焦点损失函数,改善正负样本数量失衡影响。以南京、淮安获取的交通标志异常状态图片为基础数据,运用图像处理方法将原始的数据集进行扩充,共获取到了2 511张标志遮挡异常状态的图片和2 615张标志磨损异常状态的图片。运用该模型检测道路交通标志遮挡和磨损等异常,采用Adam优化器训练至模型收敛。结果表明,模型的mAP达到90.5%,精确度为91.28%,召回率为90.32%,F1分数为0.9,检测速度达到52帧/s。与原YOLOv5s模型相比,模型大小仅为其1/2,且精确度、F1分数、检测速度分别提高了3.84%,0.03,3.84帧/s。结果表明,提出的基于YOLOv5s优化的目标检测模型,在提高检测准确率的同时还能够满足轻量化的需求,能较好嵌入智能养护移动端,实现对于道路交通标志异常状态的智能化检测。
- 陈子昂郭唐仪隋立岩周洋陈新
- 关键词：智能交通异常检测交通标志轻量化
- 基于手机GPS数据的个体出行链提取方法研究被引量：1
- 2023年
- 针对现状出行数据存在的人工获取成本高、时空信息不准确及出行链接不完整等问题,开发智能手机居民出行调查系统,研究基于手机GPS数据的全时段、多交通方式且完整链接的个体出行链提取方法。首先,应用时空密度聚类方法,识别个体轨迹中的停驻点,构建随机森林模型,从停驻点中区分出行端点;其次,以空间邻近匹配方法识别居家与工作活动,利用家庭和个人属性、活动时空与活动链等特征,以XGBoost模型推断非家非工作类型的出行目的;最后,采用轨迹微分方法,提取运动特征、出行特征与GIS特征,运用XGBoost模型推断出行方式。利用出行调查系统采集的实验数据,验证出行链提取方法。结果表明:停驻点识别查准率和查全率分别为96.7%和96.4%,出行端点查准率为97.6%,公交换乘点查准率为91.8%;出行目的推断上,“居家/回家”准确率为100%,“上班/上学”准确率为89.8%,非家非工作出行目的综合准确率为87.6%;出行方式推断上,各交通方式准确率均达到90%以上,综合准确率为95.0%。本文提供一种手机GPS轨迹数据的出行链挖掘方法,能够为智能手机居民出行调查现实应用提供支撑。
- 周洋杨超杨超
- 关键词：城市交通出行链GPS数据
- 一种基于自适应去偏转换滤波的机动目标跟踪（英文）被引量：9
- 2017年
- 针对于机动目标的跟踪问题,提出了一种基于交互式多模型的自适应去偏转换卡尔曼滤波器。该算法利用交互多模型算法来完成不同跟踪模型的相互切换;根据自适应去偏转换测量卡尔曼滤波算法来推导跟踪目标状态,同时自适应因子可以确保不正常测量时的鲁棒性。与传统的去偏转换卡尔曼滤波算法对比,该算法可以很好地改善所获量测信息在雷达被干扰时的目标跟踪精度。仿真结果表明了算法的有效性和可行性,且跟踪精度相对传统的去偏转换卡尔曼滤波算法减少9.38%的位置误差。
- 王超尘吴盘龙薄煜明周洋何山
- 关键词：交互多模型目标跟踪自适应卡尔曼滤波
