摘要：为了利用便携式设备准确检测老年人的跌倒状况,针对传统算法中人为设计特征造成的不完备性,构建一种基于卷积神经网络(CNN)的老年人跌倒检测模型.以智能手机内置的三轴传感器作为数据获取源,将采集的人体姿态信息进行滤波、标准化、采样等操作后,输入到所设计的模型中;采用梯度下降和适应性动量优化方法进行多层卷积神经网络训练和优化,获得模型关键参数训练并优化模型关键参数;利用学习到的深层次特征进行样本分类.实验结果表明:所设计的模型对于跌倒检测的准确率明显高于一般的机器学习算法模型,并且在对跌倒和非跌倒的区分检测中,精确率和召回率都保持了较高的稳定水平.

摘要：为评价混行交叉口网联自动车专用道的布设方案,分析了不同专用道布设情况下网联自动车流和人工车流在交叉口内的各种冲突,根据是否受专用道布设位置影响,将其分为基本冲突、左冲突和右冲突。在此基础上,以混行交叉口通行能力最大为目标,构建了一套混合整数线性规划模型,包括车道渠化、流量分配和信号配时相应约束,在给定的专用道布设方案下,协同优化专用道和普通车道的渠化方案以及相应的信号配时方案,消除上述3种车流冲突。以典型四车道十字交叉口为例,选取5种不同的专用道布设方案进行比较,分析网联自动车占比、交通量水平和左右转车流比例3个因素对不同专用道布设方案下交叉口最大通行能力的影响。结果表明:网联自动车专用道数量和位置的改变,及由此带来的最优渠化方案和信号配时方案的改变,都将影响交叉口的最大通行能力;当网联自动车占比较小时,专用道数量越少则交叉口最大通行能力越大;当网联自动车占比较大时,专用道数量越多则交叉口最大通行能力越大;交通量水平影响不同专用道布设方案下最大通行能力的差值大小,但不影响不同布设方案的优劣顺序;交叉口车流转向比例发生变化后,不同专用道布设方案下交叉口最大通行能力以及优劣顺序均会发生改变。

摘要：为提高室内环境定位系统的精度和可靠性,分析传统定位算法在数据样本选取和模型学习过程中的局限性,设计一种基于密度峰值聚类(density peak cluster,DPC)的随机森林(random forest,RF)室内定位系统。以密度峰值聚类中心为依据对接收信号强度(receive signal strength,RSS)数据进行指纹样本选取,通过指纹数据库训练随机森林模型,结合网格搜索和交叉验证技术寻求最优RF定位模型。实验结果表明,DPC算法建立的指纹数据库可靠性高,优化选择得到的RF模型与单分类回归模型相比,定位精度得到了提升。