简介:摘 要:我国高速公路已形成一定规模,是现代交通网络的重要组成部分,发挥着重要作用。近年来,在政策的影响下,道路建设越来越受到重视。但由于道路设计项目施工时间长、要求严格,路面线形设计要求更严格,项目施工场地相对分散,工作量大,施工环境复杂,水文地质、气候等因素影响大,导致道路设计项目管理更加复杂,特别是处理不同目标之间的关系。施工时间、成本和质量是道路设计项目施工管理的三个主要目标,这对整个项目至关重要。这三者之间存在着相互关联和相互冲突的关系。如何实现各目标之间的最优平衡,合理组织施工时间,控制成本,提高质量,以实现总体目标,是道路设计项目多目标优化研究的重点。因此,有必要分析这三者之间的关系,并创建一个有效的模型。
简介:摘 要:我国高速公路已形成一定规模,是现代交通网络的重要组成部分,发挥着重要作用。近年来,在政策的影响下,道路建设越来越受到重视。但由于道路设计项目施工时间长、要求严格,路面线形设计要求更严格,项目施工场地相对分散,工作量大,施工环境复杂,水文地质、气候等因素影响大,导致道路设计项目管理更加复杂,特别是处理不同目标之间的关系。施工时间、成本和质量是道路设计项目施工管理的三个主要目标,这对整个项目至关重要。这三者之间存在着相互关联和相互冲突的关系。如何实现各目标之间的最优平衡,合理组织施工时间,控制成本,提高质量,以实现总体目标,是道路设计项目多目标优化研究的重点。因此,有必要分析这三者之间的关系,并创建一个有效的模型。
简介:摘要:为了提升生产人员多目标定位效果,针对生产人员受到遮挡,无法实现多生产人员同时定位的问题,研究基于机器视觉和深度神经网络的选煤厂区生产人员多目标定位算法。通过平面圆靶标的摄像机标定算法标定摄像机,采集选煤厂区图像;利用深度神经网络结合密度聚类算法,检测采集图像内的生产人员,获取生产人员多目标矩形边框信息;通过检测框抑制法过滤矩形边框信息;Deep-Sort多目标跟踪算法依据过滤后的多目标边框信息,输出生产人员多目标定位结果。实验证明:该算法可有效采集选煤厂区图像,完成生产人员多目标检测与定位,且多目标定位精度较高;在摄像机发生旋转时,依旧能够采集清晰的选煤厂区图像;生产人员存在遮挡时,该算法也能够有效检测与定位多目标生产人员。