检索结果-内蒙古大学图书馆

交通运输工程学报 2022年第3期22卷 162-173页

作者：赵杭赵敏孙棣华杜成重庆大学自动化学院重庆400044 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044

针对传统人驾车(HV)和网联自动车(CAV)组成混合交通条件下的快速路道路缩减瓶颈问题,从群体控制角度,提出了一种新的速度协调控制策略(简称节流控制策略);基于瓶颈交通状态和Greenshields模型,设计了领航CAV速度控制器;面向CAV节流群体... 详细信息

针对传统人驾车(HV)和网联自动车(CAV)组成混合交通条件下的快速路道路缩减瓶颈问题,从群体控制角度,提出了一种新的速度协调控制策略(简称节流控制策略);基于瓶颈交通状态和Greenshields模型,设计了领航CAV速度控制器;面向CAV节流群体组群过程的控制问题,提出了目标切换下的非线性控制器;构建了CAV节流群体类队列控制器,实现了基于瓶颈交通状态的群体形态与群体速度动态调节,进而联合领航CAV速度控制方法,周期性管控超过每组节流群体的车辆;提出了CAV纵向安全控制器来解决组群和群体演化过程的车辆安全问题。仿真结果表明:在快速路瓶颈路段下,对比传统交通系统,提出的动态节流控制策略CAV渗透率达到5%,在车流量分别为2000、3000、5000、6000 veh·h^(-1)条件下,可对应分别提高通行效率约5.87%、16.97%、11.07%、10.25%;在固定车流量为3000或6000 veh·h^(-1)的快速路混合交通瓶颈路段中,对比传统交通系统,若CAV渗透率分别为10%、20%、30%,受控交通系统的通行效率可提升约24%;通过对车头间距分析,受控CAV在节流全过程中无碰撞事故发生,且可与前车保持9 m以上安全距离。可见,节流控制策略在应对快速路瓶颈问题是有效的。

关键词：交通控制车辆群体控制节流控制策略快速路瓶颈混合交通通行效率

来源：评论

学校读者我要写书评

暂无评论

基于自监督学习的去流行度偏差推荐方法

引用

电子学报 2022年第10期50卷 2361-2371页

作者：张帅高旻文俊浩熊庆宇唐旭信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400044 重庆大学大数据与软件学院重庆400044

近年来,随着推荐系统研究的不断深入,推荐系统的公平性受到越来越多关注.流行度偏差也即流行的物品比非流行的物品更容易被推荐,是影响其公平性的重要因素之一.流行度偏差对推荐系统的各利益相关者都有严重的影响,引起研究者的广泛关注... 详细信息

近年来,随着推荐系统研究的不断深入,推荐系统的公平性受到越来越多关注.流行度偏差也即流行的物品比非流行的物品更容易被推荐,是影响其公平性的重要因素之一.流行度偏差对推荐系统的各利益相关者都有严重的影响,引起研究者的广泛关注.相关研究主要通过推荐结果重排或学习过程中融合正则化项提升非流行物品的曝光率,而非流行物品的交互数据极度稀疏成为研究的瓶颈.针对此问题,本文提出基于自监督学习的去流行度偏差推荐方法,解决两个难点:(1)准确学习交互数据极度稀疏的非流行物品的表征;(2)提升非流行物品曝光率的同时,兼顾不同用户对流行和非流行物品的偏好.具体地,从用户的角度,提出流行物品和非流行物品双视图的用户偏好学习方法,准确学习用户对流行和非流行物品的真实偏好;从物品的角度,采用自监督学习,利用互信息最大化捕获非流行物品与流行物品间的潜在关系,辅助提升非流行物品嵌入学习的准确性.最后,设计用户流行度偏好一致性、资格公平性等指标,并通过三个公开数据集的大量实验说明了本文方法在提升推荐性能的同时,能有效缓解流行度偏差问题并具有较强的通用性.

关键词：推荐系统协同过滤公平性流行度偏差自监督学习

来源：评论

学校读者我要写书评

暂无评论

伪异常选择驱动学习的视频异常检测

引用

计算机科学 2023年第5期50卷 146-154页

作者：赵松傅豪王洪星重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 重庆大学大数据与软件学院重庆400044

无监督视频异常检测方法通常使用正常的监控视频数据通过帧重构/帧预测方法来训练视频异常检测模型。然而,正常视频中往往包含大量的相似画面和背景帧,数据集冗余的问题尤为明显,因此不能高效地进行异常检测模型训练。针对该问题,提出... 详细信息

无监督视频异常检测方法通常使用正常的监控视频数据通过帧重构/帧预测方法来训练视频异常检测模型。然而,正常视频中往往包含大量的相似画面和背景帧,数据集冗余的问题尤为明显,因此不能高效地进行异常检测模型训练。针对该问题,提出了伪异常选择驱动学习的视频异常检测方法,从原始视频训练数据中迭代选取部分异常分数高的正常视频帧(伪异常帧)来构建新的训练池,用于学习和优化视频异常检测模型。在检测模型方面,设计了基于后继帧预测的双路U-Net骨干网络,以不同采样率的视频段分别作为两个支路的输入,从而从多个粒度上更好地提取和利用视频的时空特征。为了加强典型训练数据对帧预测任务和异常检测的影响,双路U-Net中设计了多层的记忆学习模块。在常用视频异常检测数据集上进行实验,验证了所提方法在检测精度和训练效率上的有效性。

关键词：视频监控异常检测样本选择记忆模型时空特征

来源：评论

学校读者我要写书评

暂无评论

面向时变电价的电池充电功率与用户分配联合调度算法

引用

计算机科学 2025年第2期52卷 242-252页

作者：万得胜陈豪程文辉高云龙重庆大学计算机学院重庆400044 信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400044 国家工业信息安全发展研究中心北京100040

随着电动摩托车在全球范围内迅速增长,电池交换站因其快速补能、便利性及安全性等优势而被广泛推广。然而,大部分站点面临充电成本高的问题,这来源于运营商的充电策略和用户的换电行为。鉴于电池交换站充电功率可调节的特点,且大量电池... 详细信息

随着电动摩托车在全球范围内迅速增长,电池交换站因其快速补能、便利性及安全性等优势而被广泛推广。然而,大部分站点面临充电成本高的问题,这来源于运营商的充电策略和用户的换电行为。鉴于电池交换站充电功率可调节的特点,且大量电池在充电过程中存在空闲时间,合理利用上述特点有望降低充电成本。因此,以换电业务中的电池和用户为研究对象,重点研究电池交换站中电池的充电功率调节和用户分配问题。主要面临以下挑战:首先,电池充电功率调节策略受到时变电价和用户分配的双重影响;进一步地,电池和用户的分配方案既要考虑满足不同时间段的用户换电需求,又需考虑单体电池在不同充电功率调节策略下产生的充电成本。因此,电池充电功率调节和用户分配相互影响,是一个互为耦合的问题。为了应对上述挑战,提出了一种面向时变电价的电池充电功率调节和用户分配的联合调度算法。首先,利用贪心策略为每个电池设计充电功率调节方案;然后,综合单体电池的充电成本和换出电量,基于遗传特性为电池匹配最优用户,从而最小化电池交换站的总充电成本;最后,基于成都市44个电池交换站和7334块电池2年的大规模数据集,对所提方法进行了全面评估。实验结果表明,与3种对比算法相比,所提算法的总充电成本平均降低20.8%。

关键词：电池交换站充电成本功率调节遗传特性用户分配

来源：评论

学校读者我要写书评

暂无评论

基于边缘智能计算的城市交通感知数据自适应恢复

引用

计算机研究与发展 2023年第3期60卷 619-634页

作者：向朝参程文辉张昭焦贤龙屈毓锛陈超戴海鹏重庆大学计算机学院重庆400044 信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400044 南京航空航天大学电子信息工程学院南京210016 南京大学计算机科学与技术系南京210023

智能交通系统(intelligent transportation systems,ITSs)被广泛用于智慧城市中,却普遍存在感知数据缺失问题.而交通感知站点有限的存储计算能力严重制约感知数据的恢复,极大影响ITSs的正常使用.虽然可以利用边缘节点强大的存储计算能... 详细信息

智能交通系统(intelligent transportation systems,ITSs)被广泛用于智慧城市中,却普遍存在感知数据缺失问题.而交通感知站点有限的存储计算能力严重制约感知数据的恢复,极大影响ITSs的正常使用.虽然可以利用边缘节点强大的存储计算能力解决这个困境,但边缘节点部署的高复杂性和感知数据时空相关性的高动态性对数据精确恢复提出挑战.为了解决上述挑战,提出基于边缘智能计算的城市交通感知数据自适应恢复系统.具体地,首先利用子模优化理论,提出具有理论下界的边缘节点次优部署分配算法.然后,基于低秩理论恢复感知数据,并基于恢复结果估计非缺失下限,通过反馈自适应调整感知站点的数据上传比例,从而保证数据精确恢复.最后,基于澳大利亚600个交通站点1年的感知数据构建原型系统,对所提算法进行评估.实验结果表明,所提算法的边缘节点部署性能达到最优性能的90%以上,缺失数据恢复精度比3种对比方法提高43.8%以上.同时,自适应数据恢复能够平均提高精度40.3%.

关键词：边缘智能计算智能交通系统边缘节点部署感知数据恢复子模理论低秩理论

来源：评论

学校读者我要写书评

暂无评论

基于双图混合随机游走的社会化推荐模型

引用

电子学报 2023年第2期51卷 286-296页

作者：曹阳高旻余俊良范琪琳荣文戈文俊浩信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400044 重庆大学大数据与软件学院重庆400044 昆士兰大学信息技术与电气工程学院澳大利亚昆士兰州4072 北京航空航天大学计算机学院北京10019

近年来,可以有效缓解数据稀疏和冷启动问题的社会化推荐受到了研究者和业界的关注.社会化推荐利用显式或隐式社交关系作为辅助信息,提升了推荐性能.然而,目前的社会化推荐模型通常采用普通图描述社交关系.普通图中的边常描述为成对节点... 详细信息

近年来,可以有效缓解数据稀疏和冷启动问题的社会化推荐受到了研究者和业界的关注.社会化推荐利用显式或隐式社交关系作为辅助信息,提升了推荐性能.然而,目前的社会化推荐模型通常采用普通图描述社交关系.普通图中的边常描述为成对节点的关系,这种方法适合描述显式关系,但难以描述复杂的隐式关系,如购买过同一商品的多个用户之间的集合关系,因此难以学习到准确的节点表示,影响推荐的性能.针对此问题,本文结合超图和普通图,提出基于双图混合随机游走的推荐(BG-Rec)模型.构建超图描述复杂的隐式关系,同时用普通图描述显式的社交关系,并在两种图上定义混合随机游走策略,生成结合隐式关系和显式关系的游走节点序列,学习更准确的节点嵌入表示.根据用户评分的高低,构建了正反馈超图和负反馈超图,考虑更细粒度的朋友关系,以识别可靠的朋友.融合可靠朋友的偏好和后验概率最大化优化物品个性化排序.三个公开数据集的大量实验表明了BG-Rec在推荐性能上的优越性,冷启动和消融实验表明了其在缓解冷启动问题的有效性和超图建模的合理性.

关键词：推荐系统社交关系随机游走超图个性化排序

来源：评论

学校读者我要写书评

暂无评论

适于高动态视频场景下的城市道路违停检测算法

引用

计算机科学 2024年第12期51卷 190-198页

作者：程梁华黄瑞雪沈鑫重庆大学计算机学院重庆400044 信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400044 解放军陆军勤务学院勤务指挥系重庆401331

日益突出的停车矛盾导致城市道路违停现象严重,给城市交通带来巨大安全隐患。因此,及时有效地监测并处理违停事件对于保障城市交通安全至关重要。然而,现有基于人工巡检和固定摄像头的违停监测方式存在效率低、监测范围受限等缺点,难以... 详细信息

日益突出的停车矛盾导致城市道路违停现象严重,给城市交通带来巨大安全隐患。因此,及时有效地监测并处理违停事件对于保障城市交通安全至关重要。然而,现有基于人工巡检和固定摄像头的违停监测方式存在效率低、监测范围受限等缺点,难以满足大规模城市违停监管的需求。群车感知作为一种新兴感知范式,通过激励用户在行车过程中采集道路视频并上传至云端进行监测,能为大规模、低成本的城市违停监管提供重要手段。然而车载视频场景十分复杂,这导致了车辆追踪目标的高丢失性和违停判断的高复杂性,给实现精准违停检测提出了严峻挑战。为应对上述挑战,提出适于高动态视频场景下的城市道路违停检测算法。具体地,首先通过对车载视频进行多车辆目标追踪,以跨视频帧追踪获取车辆图像信息;然后通过动态视觉测距将目标车辆图像信息转换为真实场景中的相对距离变化,并结合车间相互运动实现违停判断;最后,基于重庆市道路数据集对所提算法进行性能评估。实验结果表明,所提算法的违停车辆检测精度为87.1%,相比3种对比算法平均提高21.9%,且在不同违停场景下均表现出优异检测性能。

关键词：违章停车检测群车感知车载视频多目标追踪动态视觉测距

来源：评论

学校读者我要写书评

暂无评论

基于间接域适应特征生成的直推式零样本学习方法

引用

软件学报 2022年第11期33卷 4268-4284页

作者：黄晟杨万里张译张小洪杨丹重庆大学大数据与软件学院重庆401331 信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400044 西南交通大学信息科学与技术学院四川成都611756

近年来,零样本学习备受机器学习和计算机视觉领域的关注.传统的归纳式零样本学习方法通过建立语义与视觉之间的映射关系,实现类别之间的知识迁移.这类方法存在着可见类和未见类之间的映射域漂移(projection domain shift)问题,直推式零... 详细信息

近年来,零样本学习备受机器学习和计算机视觉领域的关注.传统的归纳式零样本学习方法通过建立语义与视觉之间的映射关系,实现类别之间的知识迁移.这类方法存在着可见类和未见类之间的映射域漂移(projection domain shift)问题,直推式零样本学习方法通过在训练阶段引入无标定的未见类数据进行域适应,能够有效地缓解上述问题并提升零样本学习精度.然而,通过实验分析发现,这种直接在视觉空间同时进行语义映射建立和域适应的直推式零样本学习方法容易陷入“相互制衡”问题,从而无法充分发挥语义映射和域适应的最佳性能.针对上述问题,提出了一种基于间接域适应特征生成(feature generation with indirect domain adaptation,FG-IDA)的直推式零样本学习方法.该方法通过串行化语义映射和域适应优化过程,使得直推式零样本学习的这两大核心步骤能够在不同特征空间分别进行最佳优化,从而激发其潜能提升零样本识别精度.在4个标准数据集(CUB,AWA1,AWA2,SUN)上对FG-IDA模型进行了评估,实验结果表明,FG-IDA模型不仅展示出了相对其他直推学习方法的优越性,同时还在AWA1,AWA2和CUB数据集上取得了当前最优结果(the state-of-the-art performance).此外还进行了详尽的消融实验,通过与直接域适应方法进行对比分析,验证了直推式零样本学习中的“相互制衡”问题以及间接域适应思想的先进性.

关键词：图像分类零样本学习生成对抗网络域适应特征生成

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的智联网汽车感知任务分配

引用

计算机学报 2022年第5期45卷 918-934页

作者：向朝参李耀宇冯亮陈超郭松涛杨盘隆重庆大学计算机学院重庆400044 信息物理社会可信服务计算教育部重点实验室重庆400044 中国科学技术大学计算机科学与技术学院合肥230026

随着智能/辅助/自动驾驶以及电动汽车技术的飞速发展,当前智联网汽车配备越来越多的传感器,拥有越来越强大的计算、存储和通信能力.作为智联网汽车中重要一类,出租车、滴滴等网约车(Mobility-on-demand vehicles)具有城市覆盖规模大和... 详细信息

随着智能/辅助/自动驾驶以及电动汽车技术的飞速发展,当前智联网汽车配备越来越多的传感器,拥有越来越强大的计算、存储和通信能力.作为智联网汽车中重要一类,出租车、滴滴等网约车(Mobility-on-demand vehicles)具有城市覆盖规模大和粒度细,以及空闲时间充足的优点.因此,利用这些智联网汽车现有的移动感知设备能够为城市大规模、细粒度、低成本的感知提供很好的机会.本文以出租车、滴滴等这一类重要的智联网汽车为研究对象,重点研究它们的感知任务分配问题,主要面临两方面挑战:一是智联网汽车载客收益(如出租车载客收入)以及汽车/感知任务分布具有时空动态性,导致智联网汽车的感知成本具有高时空动态性且很难建模和学习.二是感知任务的最优分配问题是NP-hard问题,具有指数级时间复杂度.同时,高移动性的智联网汽车对任务的实时分配要求很高.因此,如何对大规模的智联网汽车实现任务的最优实时分配具有挑战性.为了解决这两个挑战,本文提出基于深度强化学习的智联网汽车感知任务分配方法.通过深度强化学习模型对高时空动态性的汽车感知成本进行精确学习,然后基于学习结果进行感知任务的实时最优分配.具体地,针对挑战一,利用基于双注意力机制的循环神经网络挖掘汽车载客收益的时空相关性,并结合驾驶耗费模型,学习智联网汽车的感知成本.针对挑战二,首先通过问题等价转换和理论分析,证明该任务的最优分配问题具有单调子模目标函数和q-独立系统约束条件.然后,基于子模优化理论,联合考虑整体收益和边际效益,提出多项式时间复杂度的近似最优分配算法(近似率为1/2+c_(max)/c_(min)),其中c_(max)和c_(min)分别表示所有感知成本的最大和最小值.最后,基于两个大规模的智联网汽车数据集(重庆市,约12493辆车;纽约市,约超过1.13亿个行程),对所提方法进行深入全面的评估.实验结果表明,所提方法比7种对比方法平均提高载客收益的预测精度25.1%,提高任务分配的总感知效益37.7%.同时,面向城市道路违规停车监测应用,构建智联网汽车感知原型系统.基于该系统验证了所提方法的可行性和实际应用价值.

关键词：智联网汽车感知任务分配深度强化学习子模优化循环神经网络

来源：评论

学校读者我要写书评

暂无评论

SiamCross:孪生交叉的目标跟踪对象感知网络

引用

计算机学报 2022年第10期45卷 2151-2166页

作者：黄旺辉冯永强保华裴钰璇罗越重庆大学计算机学院重庆400044 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 桂林电子科技大学广西可信软件重点实验室广西桂林541004 桂林电子科技大学广西光电信息处理重点实验室培育基地广西桂林541004

近来,基于孪生架构的方法因其能在保持良好速度的同时取得较显著的性能,引起了视觉跟踪领域的广泛关注.然而,孪生网络分支通常是独立的,缺乏信息交互,这限制了模型性能的进一步提升.为了增强孪生网络分支的协作能力,本文提出基于孪生架... 详细信息

近来,基于孪生架构的方法因其能在保持良好速度的同时取得较显著的性能,引起了视觉跟踪领域的广泛关注.然而,孪生网络分支通常是独立的,缺乏信息交互,这限制了模型性能的进一步提升.为了增强孪生网络分支的协作能力,本文提出基于孪生架构的交叉感知网络模型——SiamCross(Siamese Cross Object-Aware Network).孪生网络双分支特征提取是提升模型性能的首要核心操作,区分目标和语义背景在很大程度上依赖模型挖掘的特征鲁棒性.在SiamCross中,我们首先基于孪生网络分支的互监督,设计了全新的孪生交叉感知子网络(Siamese Cross-Aware Network,SCAN)用来提取鲁棒特征.SCAN允许孪生分支彼此全方位高效协同工作,使模板分支可充分利用特征丰富的上下文语义信息,对目标产生更具有区分性的表示;搜索分支结合模板特征,也主动学习到了目标的本质信息.另一方面,无锚框算法将跟踪任务直接映射为对每个像素的分类和回归,网络分支特征可各自聚焦于目标的局部与全局空间信息.以上两种特征具有很好的潜在局部-全局互补性.具体而言,回归特征学习到了更多的目标全局尺寸信息,但同时也引入了周围背景信息,而分类分支专注于学习局部中心定位信息.二者结合,有利于抑制回归特征的背景信息表达.同时,回归特征会在目标周边位置进行突出响应,揭示目标所在区域,也为分类分支进行定位提供了有益参考.为充分利用以上不同的分支空间特征信息来获得更精确的跟踪结果,我们又提出了新型的目标注意力交互网络(Obejct-Attention Interaction Network,OAIN),并将其融入到SiamCross中.OAIN包含并行交叉注意力模块(Parallel Cross Attention Module,PCA)和自适应可形变交叉对齐模块(Adaptive Deformable Cross Align Module,ADCA).PCA模块通过对分支中局部与全局信息的巧妙融合,提升了目标状态估计的准确性.为了进一步使回归特征和目标区域对齐,缓解特征对齐失焦导致的分类分支参考信源可靠性大幅度降低,我们为ADCA模块设计了自适应空间转换操作,可以使得回归特征更好反映目标所在区域.最终,ADCA模块完善了无锚框网络的高效交互机制.最后,我们在OTB2015、VOT2018/2019、GOT-10k和LaSOT五个具有挑战性的公开基准中对SiamCross进行了详尽的实验评估.实验结果显示,SiamCross与当前先进的跟踪器SiamRPN++、ATOM及DiMP相比,均取得了更优异的综合表现,并且可实现实时跟踪.

关键词：视觉目标跟踪孪生网络信息交互交叉注意力

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：