【摘 要】
：
不同智能交通系统的数据具有多源、高度异构的特征,导致系统间的交互与共享受阻。而交通领域本体作为语义技术的核心,其提供了一种知识表示的方法,它通过形式化定义交通领域中的相关概念以及这些概念之间的关系来描述领域知识,为智能交通系统间的协作提供有效的数据和知识的表示、管理和共享技术手段。然而,不同交通领域本体也存在高度异质的问题,为了促进智能交通系统应用间的交互与协作,需要进行交通领域本体匹配过程来确定
论文部分内容阅读
不同智能交通系统的数据具有多源、高度异构的特征,导致系统间的交互与共享受阻。而交通领域本体作为语义技术的核心,其提供了一种知识表示的方法,它通过形式化定义交通领域中的相关概念以及这些概念之间的关系来描述领域知识,为智能交通系统间的协作提供有效的数据和知识的表示、管理和共享技术手段。然而,不同交通领域本体也存在高度异质的问题,为了促进智能交通系统应用间的交互与协作,需要进行交通领域本体匹配过程来确定异质概念之间的语义关系,实现不同智能交通系统的互操作性。为此,本文主要对交通领域本体的智能匹配方法开展研究,重点对如何自动优化相似度度量方法的组合权重以提高交通领域本体匹配结果的质量、如何自适应地构建有效的相似度度量模型以准确识别异质的概念对和如何在大规模交通领域本体中高效地确定实体匹配对集合这三个关键问题进行了研究:（1）针对第一个关键问题,建立了交通领域本体元匹配单目标优化模型,提出了三个近似度量指标,提出了基于均匀分布的紧凑遗传算法（UCGA）的匹配技术,描述了用UCGA求解该优化模型的具体步骤和细节:编码机制、概率向量、线性减少的虚拟种群以及局部搜索策略。实验结果表明UCGA能够有效地匹配各类交通领域本体异质匹配对。（2）针对第一个关键问题,本文再建立了交通领域本体元匹配多目标优化模型,其目标为提出的近似查全率和近似查准率,提出了基于改进的逆建模多目标演化算法（I-IM-MOEA）的匹配技术,描述了用I-IM-MOEA求解该优化模型的具体步骤和细节:编码机制、改进的选择算子、动态的参考向量以及局部搜索策略。实验结果表明所提出的基于I-IM-MOEA的技术能够更有效地匹配各类交通领域本体。（3）针对第二个关键问题,提出了一种基于多层面上下文信息的相似度度量技术来有效地识别交通本体异质匹配对;然后针对第三个关键问题,建立了交通领域本体实体匹配单目标优化模型,提出了一种基于自适应步长的并行紧凑差分进化算法（pc DE-ASL）的匹配技术来提升匹配的效率和结果质量。实验表明基于多层面上下文信息的相似度度量技术比前沿的多种相似度度量技术能够更好地识别各类异质概念,基于pc DE-ASL的技术能够比前沿的匹配技术更有效并且高效地匹配各类交通领域本体。
其他文献
大量基于位置的智能服务的使用可以获得海量的交通轨迹数据。交通轨迹数据挖掘在诸多领域具有巨大的应用价值,然而用户的隐私信息也面临着泄露的风险。因此,在基于位置的智能服务平台中,如何保护用户的交通轨迹隐私安全,同时确保数据可用性是一个亟待解决的重要社会问题。基于k-匿名的隐私保护技术研究是解决上述社会问题的关键科学问题。本文在考虑位置同质性攻击、基于用户属性和兴趣点属性的背景知识攻击和语义攻击的基础上
近年来,随着社会的快速发展,我国各大城市的车辆保有量大幅上升,交通拥堵、交通运输效率低下等交通问题频发。面对单一的地面作业越来越无法满足人们需求的情况下,无人机以其可在空中作业且灵活高效的优势,被人们广泛应用在了智能交通领域,如无人机的障碍物检测与轨迹调整、交叉口交通监测、交通参数提取和交通事故检测等。在这些智能交通的研究当中,无人机的障碍物检测与轨迹调整受到了研究人员的特别关注,优越的障碍物检测
随着工业化的发展和人民生活水平的提高,更多的人选择开车出行,与此同时也造成了堵车的现象,甚至还给道路和行人造成了很大的安全隐患,每年都因此造成大量的安全事故。车辆的检测识别测距作为车载系统中主要的辅助驾驶方式帮助驾驶员更好的驾驶车辆,同时有效的降低交通死亡事件发生的可能性。传统的车辆跟踪和测距系统大多使用了成本高昂的激光雷达等传感器设备,并且应对目标较小等不可控情况时表现不佳,本文针对以上场景实现
随着智能电网建设的大力发展,电力行业已经逐渐迈向数字化信息化。传统的智能电网云数据中心难以满足电力行业中的各项要求,不足以全面支撑智能电网行业的数字化转型。边缘计算（Edge Computing,EC）作为未来5G网络的关键技术,将业务逐渐下沉到网络边缘,极大的减少了处理任务产生的时延与能耗,并且边缘计算可为智能电网设备提供任务迁移平台,进行计算与存储服务。任务迁移技术在智能电网中可将终端设备收集
受中巴经济走廊（CPEC）的影响,巴基斯坦经济社会的快速发展,农村公路建设的快速发展,公路养护任务的比重越来越大,管理者对公路养护任务的重视程度越来越高。养护成本控制是在确定较好合理养护成本的前提下保证公路使用性能的最重要方面之一。本文主要以中国农村公路养护项目为例,研究如何实施中国模式来指导巴基斯坦农村公路日常养护成本管控措施。首先,巴基斯坦农村公路养护现状进行了调研分析;其次,研究了影响农村公
随着科学技术的发展,为了实现在输电线路带电的情况下完成检修工作,使用机械臂来完成相关的任务已屡见不鲜。机械臂系统是一类高度非线性、强耦合且具有明显时变性的典型动力学系统。关于机械臂系统的动力学精确建模非常困难,因此设计一种具有相当适应性且在机械臂轨迹跟踪问题上容易使用的控制算法,对于机械臂能否实现对期望轨迹的实时跟踪,具有非常重要的研究意义和实用价值。迭代学习控制在数学意义上,是一种可以严格定义的
基于大数据的复杂系统异常检测是电气工程领域的重点研究课题。目前,我国高速公路是全球最为繁忙的交通系统之一,2019年底完成全国大规模部署和联网的电子不停车收费（Electronic Toll Collection,ETC）系统是全球最大规模的物联网系统。海量的ETC交易数据记录了高速公路上几乎全部车辆的通行状态,通过ETC交易数据的挖掘分析实现高速公路拥堵检测,不仅对提高高速公路的管理水平和通行效
随着智能电网的不断升级,我国对配电网供电质量和供电可靠性提出了更高的要求,即:在配电网发生故障时,能够及时、准确地定位故障位置,从而减少经济损失。可见,高效可靠的故障定位技术在配电网安全运行中占有极为重要的地位。目前,基于FTU的配电网故障定位技术主要有直接法和间接法,其中采用智能优化算法的间接法以其通用、高容错、鲁棒性强等优点成为近年来解决该类问题的研究热点。然而由于这类方法中所采用的智能算法本
粒子群优化算法（Particle Swarm Optimization,PSO）是受鸟群觅食行为的启发,提出的一种群体优化算法。自粒子群算法提出以来,因其易于实现和计算效率高等优势,广泛应用于实际问题中。近年来,强化学习研究取得了进展,将强化学习融合到粒子群算法,成为一种新的思想方法,然而目前策略还是比较单一,其参数选择偏主观性。Q学习是强化学习的重要方法之一,本文研究一种融合Q学习的粒子群算法,
基于深度学习的情感分类方法首先是对文本进行特征提取,再利用深度学习模型分类。深度学习领域现有许多关键性模型,迁移学习模型是其中之一。现有迁移学习模型的训练方法为无监督学习,需依赖后续任务补全推理和决策环节来做判断,但其缺乏目标领域知识用于推理和决策。同时,目前深度学习模型鲁棒性不足,在文本被恶意添加扰动或修改等攻击手段时,会致使模型给出错误的判断,基于深度学习模型的对抗训练优化方法可以使模型抵御对