-
公开(公告)号:CN111915061B
公开(公告)日:2022-06-07
申请号:CN202010639960.8
申请日:2020-07-06
Applicant: 同济大学
Abstract: 种道岔动作电流曲线预测方法及其故障判别方法,包括采集同一道岔连续N次正常动作曲线数据;对同一条道岔每一次动作产生的正常动作曲线提取m个时刻的电流值;对提取的正常动作曲线的同一时刻电流值进行处理,建立ARMA预测模型;基于预测模型计算道岔在第Y次(Y>N)同一时刻的电流曲线预测值;对应道岔曲线的m个时刻建立m个预测模型,得到第Y次的预测电流值;基于预测模型计算的结果绘制得到道岔动作电流曲线预测图;基于道岔动作电流预测曲线,利用相似度算法计算出道岔预测曲线的故障类型。可预测道岔下一阶段的工作状态,能够为维修提供有效的建议,完善微机监测系统的功能,提高维修效率的同时降低维修成本,提高系统的可靠性,保证行车安全。
-
公开(公告)号:CN112541404A
公开(公告)日:2021-03-23
申请号:CN202011316184.4
申请日:2020-11-22
Applicant: 同济大学
Abstract: 本发明提供了一种面向交通信息感知的物理攻击的对抗样本生成方法,该方法主要针对目标检测器网络。该方法包括:输入原始图片;使用ShapeShifter算法处理图片,获取训练样本;向训练样本中加入高斯白噪声;计算损失函数;进行反向传播,迭代更新图片;检查是否达到规定的迭代次数,若未达到则再次获取推荐窗口区域并重复上述步骤,若达到则输出对应的对抗样本图片。以Faster R‑CNN目标检测器网络为例,通过此发明可以生成进行物理攻击的对抗样本,能够暴露Faster R‑CNN存在的安全漏洞和问题,帮助改进或提出更为有效的防御方法,提高交通信息感知系统的可靠性,保证行车安全。
-
公开(公告)号:CN114038056B
公开(公告)日:2025-05-06
申请号:CN202111276839.4
申请日:2021-10-29
Applicant: 同济大学
IPC: G06V40/20 , G06V20/40 , G06V10/46 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明提供了一种跳跃式及下蹲式逃票行为识别方法,包括获取地铁闸机入口所在位置的监控视频,转化成图像帧;利用人体关键点检测算法对每一帧图像进行检测,获得每一帧图像的人体骨架数据;利用多目标跟踪算法对连续多帧图像中的行人进行多目标跟踪,得到每一个行人的人体骨架序列;对人体骨架序列的某一时刻的骨架数据,进行特征提取;搭建单帧行为的检测模型,将获得的人体骨架特征输入检测模型,得到行人的动作类别;重复步骤得到每一个时刻的动作类别与时间的序列曲线,依据该曲线检测逃票行为是否发生。通过此发明可以对地铁站内的跳跃式及下蹲式逃票行为进行识别,及时捕捉到乘客的逃票行为并进行制止,保证地铁秩序和安全运营。
-
公开(公告)号:CN115294037A
公开(公告)日:2022-11-04
申请号:CN202210881703.4
申请日:2022-07-26
Applicant: 同济大学
Abstract: 本发明提供了一种面向交通信息感知的数字攻击对抗样本生成方法,该方法主要针对实例分割检测器网络。该方法包括:获取待检测原始图片;将图片输入到实例分割网络;计算图片在实例分割网络中的损失函数;利用梯度算法计算对抗扰动;利用扰动截取方法将对抗扰动限制在目标区域;对抗样本为原始图片和对抗扰动进行相加;设置迭代次数,进行循环迭代,输出对抗样本。以YOLACT实例分割网络为例,通过此发明可以生成对抗样本,暴露YOLACT实例分割网络存在的安全漏洞和问题,对交通信息感知系统进行有效的安全效果验证。
-
公开(公告)号:CN114495001A
公开(公告)日:2022-05-13
申请号:CN202210063104.1
申请日:2022-01-19
Applicant: 同济大学
Abstract: 本发明提供了一种尾随式逃票行为识别方法。该方法包括获取闸机检票入口所在位置的监控视频作为输入;利用人体姿态估计算法,获得原始视频中逐帧的人体姿态数据;利用人体姿态跟踪算法,将每帧中检测到的人体姿态数据进行前后帧匹配,获得原始数据中出现的每个行人随时间的完整姿态序列;通过覆盖度时间序列算法,得到相邻离开闸机的行人之间的离开闸机检票入口时间间隔;利用阈值规则,出闸机间隔过短的行人则被判断为尾随式逃票者。此发明可以通过现有监控设备及时对闸机检票入口处的尾随式逃票行为进行识别,维护运营秩序以及诸如地铁公司等各方的合法利益,减少此类违法现象的发生,保护乘客和设备安全。
-
公开(公告)号:CN115743247A
公开(公告)日:2023-03-07
申请号:CN202211383972.4
申请日:2022-11-07
Applicant: 同济大学
Abstract: 本发明属于轨道交通列车调度决策领域,本发明方法技术方案适用于双线汇合线路场景。一种面向双线汇合线路的虚拟编组列车编队结构决策方法,其特征在于,及时响应运输计划要求和系统安全约束。设计以领航车为核心的组耦合协调策略,以筛选所有满足系统限制的编队结构,通过计算每种编队结构下的系统效用函数值,通过设计偏好规则对比不同编队结构优劣性作为编队结构更新的依据,在所有可行编队结构上进行遍历更新,直到遍历完所有可行编队结构,输出使系统效率最优的编队结构,充分发挥虚拟编组技术在工程实践中的优势。
-
公开(公告)号:CN115359336A
公开(公告)日:2022-11-18
申请号:CN202210914923.2
申请日:2022-08-01
Applicant: 同济大学
IPC: G06V10/82 , G06N3/04 , G06N3/08 , G06V10/764 , G06F17/10
Abstract: 本发明提供了一种面向交通信息感知的目标隐身对抗样本生成方法,该方法主要针对YOLOv4目标检测网络。该方法包括:获取待检测原始图片;将待检测图片输入到YOLOv4目标检测网络;设计对抗损失函数;计算待检测图片在YOLOv4目标检测网络中的损失值;利用梯度算法计算对抗扰动;利用扰动截取方法将对抗扰动限制在目标区域;对抗样本为原始图片和对抗扰动进行相加。通过此发明可以生成对抗样本,暴露YOLOv4目标检测网络存在的安全漏洞和问题,对交通信息感知系统进行有效的安全效果验证。
-
公开(公告)号:CN114038056A
公开(公告)日:2022-02-11
申请号:CN202111276839.4
申请日:2021-10-29
Applicant: 同济大学
IPC: G06V40/20 , G06V20/40 , G06V10/46 , G06V10/774 , G06V10/764 , G06K9/62 , G06N20/00
Abstract: 本发明提供了一种跳跃式及下蹲式逃票行为识别方法,包括获取地铁闸机入口所在位置的监控视频,转化成图像帧;利用人体关键点检测算法对每一帧图像进行检测,获得每一帧图像的人体骨架数据;利用多目标跟踪算法对连续多帧图像中的行人进行多目标跟踪,得到每一个行人的人体骨架序列;对人体骨架序列的某一时刻的骨架数据,进行特征提取;搭建单帧行为的检测模型,将获得的人体骨架特征输入检测模型,得到行人的动作类别;重复步骤得到每一个时刻的动作类别与时间的序列曲线,依据该曲线检测逃票行为是否发生。通过此发明可以对地铁站内的跳跃式及下蹲式逃票行为进行识别,及时捕捉到乘客的逃票行为并进行制止,保证地铁秩序和安全运营。
-
公开(公告)号:CN115743247B
公开(公告)日:2024-09-27
申请号:CN202211383972.4
申请日:2022-11-07
Applicant: 同济大学
IPC: B61L27/16 , B61L27/20 , B61B1/00 , G06Q50/40 , G06Q10/0631
Abstract: 本发明属于轨道交通列车调度决策领域,本发明方法技术方案适用于双线汇合线路场景。一种面向双线汇合线路的虚拟编组列车编队结构决策方法,其特征在于,及时响应运输计划要求和系统安全约束。设计以领航车为核心的组耦合协调策略,以筛选所有满足系统限制的编队结构,通过计算每种编队结构下的系统效用函数值,通过设计偏好规则对比不同编队结构优劣性作为编队结构更新的依据,在所有可行编队结构上进行遍历更新,直到遍历完所有可行编队结构,输出使系统效率最优的编队结构,充分发挥虚拟编组技术在工程实践中的优势。
-
公开(公告)号:CN111914320B
公开(公告)日:2024-02-02
申请号:CN202010508456.4
申请日:2020-06-06
Applicant: 同济大学
IPC: G06F30/13 , G06F30/20 , G06F30/27 , G06N3/0464
Abstract: 一种无现场故障样本下的基于深度学习的道岔故障诊断方法:它包括建立仿真模型:由道岔转辙机动作机理构建道岔动作仿真模型;仿真获取数据样本:分析道岔常见故障,基于道岔动作仿真模型得到不同故障状态下的道岔动作电流曲线,建立道岔故障样本集;建立故障诊断模型:采用深度学习的方法,构建道岔故障诊断模型,利用所述道岔故障样本集,对道岔故障模型进行训练;输入待检测图像到道岔故障诊断模型,得到诊断结果。此发明能在无现场故障样本下进行高识别率道岔故障诊断,提高道岔故障识别效率,保障行车安全。
-
-
-
-
-
-
-
-
-