基于共享单车时空大数据的细粒度聚类

针对传统上单独采用K-means或DBSCAN等方法对共享单车位置数据聚类时造成的聚类结果与真实的聚类结构不符的问题,本文提出了一种基于共享单车时空大数据的细粒度聚类方法(FGCM)。该方法通过DBSCAN进行初始聚类,并在此基础上采用GMM-EM算法进行细部聚类,以提取细粒度层级的热点区域。试验表明,该方法可根据密度阈值排除噪声和离群值,无需指定细部聚类簇数,簇的形状和大小比较灵活。在对共享单车大数据位置特征进行聚类时,与传统的单独采用K-means或DBSCAN的方法相比,FGCM具备更高的精细程度,能够充分展现共享单车的实际聚集特征,可用于规划共享单车电子围栏等设施,在不降低通勤效率的基础上规范共享单车的停放问题。     

机载激光点云中电力线的自动提取与重建

针对传统电力线点云自动提取方法在抗差性、准确性上的不足,文中从输电线路走廊中不同地物点云的空间特征差异出发,提出一种新的基于激光点云的电力线自动提取与重建方法.此算法利用栅格化处理和拟合残差判别提取电力线候选点云,通过双重K-means算法实现电力线重建.利用4组实际输电线路点云进行可行性试验.试验结果表明,方法对电力线候选点集的提取正确率均在97％ 以上,双重K-means算法能够准确地对电力线进行提取与重建,具有较高的提取准确率与较好的算法效率,可为实际工程的应用提供参考.     

基于Kalmam滤波和Kalman-RTS平滑的高铁轨道平顺性数据融合算法

针对传统轨道平顺性测量方法存在的依赖于CPⅢ控制网、维护成本高、测量技术效率低等问题，文中基于高铁轨道平顺性测量系统，采用Kalman滤波和Kalman-RTS平滑算法对包括GNSS接收机、里程计、IMU在内的多种传感器的数据进行融合处理。实验表明，多传感器数据先通过Kalman滤波处理后，轨道测量绝对坐标横向偏差均值从纯GNSS的4.7 mm降低至2.2 mm,精度提升幅度达53.2%;再进行Kalman-RTS平滑处理后，绝对坐标横向偏差均值再度降低到1.6 mm,总的精度提升幅度达66.3%,相对坐标横向偏差均值精度提升幅度达10.1%,可以有效提升轨道测量作业效率。