简介:航空运输业的快速发展对空中交通系统提出了更高的要求,但也提高了系统整体性能优化成本并降低了系统可实施性。选取影响力大的重要节点进行局部优化,在提高系统整体性能的同时,降低了工作量及成本,提高了系统可实施性。采用复杂网络理论对空中交通管理系统进行建模,计算网络性能和介数中心性,评估网络影响力节点,分析影响力节点对整个网络性能的影响。最后,以中国东北地区空中交通系统为例进行分析,当改变影响力节点时,网络临界值RC比非影响力节点大20%,其中具有相同影响力的航路节点对网络性能的影响比机场节点大,因此通过对航路节点进行合理分流可提高网络性能。
简介:多目标跟踪问题是计算机视觉领域的关键研究问题之一。现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,本文提出一种基于结构化学习策略的目标身份感知网络流量技术,可在目标检测和数据关联并行化框架下有效地实现多目标跟踪。文中首先通过结构化学习为每个对象训练一个模型,并将目标跟踪问题建模为拉格朗日松驰优化问题,然后提出一种目标身份感知网络流量(TINF)技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断出视频片断中所有目标的最佳位置。最后,利用多种高难度数据集进行仿真实验,结果表明本文方法的性能优于其他最新算法。