为加强危险货物道路运输风险源头管控,以危货运输车辆行驶轨迹数据为分析对象,研究安全、经济且符合企业自身偏好的道路运输路径优化选择问题,提出了基于偏好、上下文感知的危险货物道路运输个性化路径推荐方法。首先对危货运输车辆历...为加强危险货物道路运输风险源头管控,以危货运输车辆行驶轨迹数据为分析对象,研究安全、经济且符合企业自身偏好的道路运输路径优化选择问题,提出了基于偏好、上下文感知的危险货物道路运输个性化路径推荐方法。首先对危货运输车辆历史轨迹数据进行处理,通过提取路径安全和经济性特征学习危货运输企业的路径偏好,在此基础上,综合考虑偏好向量间的距离和方向相似性,提出了改进的K-means偏好聚类算法(improved K-means clustering algorithm based on distance and direction similarity measurement,DDM-K-means),获取了路径偏好类别;其次,依据运输任务执行的时间、天气、运距三方面信息,建立了路径上下文向量,并运用Rock聚类算法划分路径的上下文类别,与路径偏好类别共同构成路径信息;最终,基于神经协同过滤提出了危险货物道路运输路径选择优化算法(optimal route selection algorithm based on neural collaborative filtering,NCF-ORS),得到了危货运输企业对各路径类别的偏好排序,从而为企业推荐最优路径。与基线算法比较分析,结果表明危险货物道路运输个性化路径推荐方法<DDM-K-means,NCF-ORS>,平均绝对百分比误差最低。研究结果有助于挖掘车辆轨迹数据中更多的潜在信息,提升个性化路径推荐能力,可为危货运输企业的选线问题提供决策支持。展开更多
机载激光雷达(LiDAR)点云电力线提取过程中存在杆塔形状复杂、噪声影响大等问题,导致电力线点云提取精度低,本文提出一种基于点云分块处理、格网划分的曲面拟合滤波、自适应密度聚类算法的电力线点云提取与重建方法。首先,根据电力线走...机载激光雷达(LiDAR)点云电力线提取过程中存在杆塔形状复杂、噪声影响大等问题,导致电力线点云提取精度低,本文提出一种基于点云分块处理、格网划分的曲面拟合滤波、自适应密度聚类算法的电力线点云提取与重建方法。首先,根据电力线走向,对整体点云进行分块处理;其次,在曲面拟合算法的基础上,引入格网划分思想,提出一种改进曲面拟合滤波算法并进行点云滤波;最后,通过给出自适应密度聚类解决方案精确提取电力线点云。借助点云库(PCL)、libLAS库与Visual Studio 2017 C++开发环境实现本文算法,基于实测点云数据对本文方法进行测试与精度评定。结果表明:电力线提取精确率为97.82%、召回率为99.76%、F1值为98.78%,一次便可实现电力线的成功提取,在保证提取精度的同时提升了提取效率,本文研究能够为电力线智能巡检提供良好的工程应用价值。展开更多
文摘为加强危险货物道路运输风险源头管控,以危货运输车辆行驶轨迹数据为分析对象,研究安全、经济且符合企业自身偏好的道路运输路径优化选择问题,提出了基于偏好、上下文感知的危险货物道路运输个性化路径推荐方法。首先对危货运输车辆历史轨迹数据进行处理,通过提取路径安全和经济性特征学习危货运输企业的路径偏好,在此基础上,综合考虑偏好向量间的距离和方向相似性,提出了改进的K-means偏好聚类算法(improved K-means clustering algorithm based on distance and direction similarity measurement,DDM-K-means),获取了路径偏好类别;其次,依据运输任务执行的时间、天气、运距三方面信息,建立了路径上下文向量,并运用Rock聚类算法划分路径的上下文类别,与路径偏好类别共同构成路径信息;最终,基于神经协同过滤提出了危险货物道路运输路径选择优化算法(optimal route selection algorithm based on neural collaborative filtering,NCF-ORS),得到了危货运输企业对各路径类别的偏好排序,从而为企业推荐最优路径。与基线算法比较分析,结果表明危险货物道路运输个性化路径推荐方法<DDM-K-means,NCF-ORS>,平均绝对百分比误差最低。研究结果有助于挖掘车辆轨迹数据中更多的潜在信息,提升个性化路径推荐能力,可为危货运输企业的选线问题提供决策支持。
文摘机载激光雷达(LiDAR)点云电力线提取过程中存在杆塔形状复杂、噪声影响大等问题,导致电力线点云提取精度低,本文提出一种基于点云分块处理、格网划分的曲面拟合滤波、自适应密度聚类算法的电力线点云提取与重建方法。首先,根据电力线走向,对整体点云进行分块处理;其次,在曲面拟合算法的基础上,引入格网划分思想,提出一种改进曲面拟合滤波算法并进行点云滤波;最后,通过给出自适应密度聚类解决方案精确提取电力线点云。借助点云库(PCL)、libLAS库与Visual Studio 2017 C++开发环境实现本文算法,基于实测点云数据对本文方法进行测试与精度评定。结果表明:电力线提取精确率为97.82%、召回率为99.76%、F1值为98.78%,一次便可实现电力线的成功提取,在保证提取精度的同时提升了提取效率,本文研究能够为电力线智能巡检提供良好的工程应用价值。
