随着自动驾驶技术的发展，视觉同步建图与定位（SLAM）技术受到越来越多的关注。在记忆泊车场景中，需要对停车场场景建立先验地图，待汽车再次驶入相同的停车场时，使用视觉SLAM进行场景建图与定位。为使SLAM所建地图的鲁棒性更好、精度和效率更高，文中首先使用轻量化的深度学习算法改善传统特征提取算法在不同场景下鲁棒性较差的不足，用深度可分离卷积代替普通卷积结构，从而大大提升了特征提取效率；接着基于ResNet网络改进Patch-NetVLAD算法，并在MSLS数据集上对改进的残差网络和原始VGG网络进行重新训练，使用图像检索进行粗定位，挑选出候选图像帧，再通过精定位求解相机位姿，完成全局初始化的重定位；在此基础上，使用改进后的词袋算法重新训练不同停车场场景下的图像，将所有算法移植到OpenVSLAM架构中完成实际场景的建图与定位。实验结果表明，文中设计的视觉SLAM系统能够完成地上停车场、地下停车场以及室外半封闭园区道路等多场景的建图，平均纵向定位误差为8.42 cm，平均横向定位误差为8.30 cm，均达到工程要求。

目前，我国拼车出行交通模式的市场份额相对较低，在缓解交通拥堵、节能减排方面仍有巨大潜力未被充分挖掘。基于奖励的交通需求管理策略可以提高民众拼车出行意愿，但奖励方案的设置与拼车出行的市场渗透率高度相关，不合理的奖励方案容易导致成本增加，甚至项目破产。为进一步激发拼车需求，合理利用交通资源，文中提出一种基于路段的拼车奖励方案优化模型，以拼车为支点，以奖励为杠杆，实现社会出行总成本的降低。其中，上层模型旨在寻找最优拼车奖励方案以最小化社会出行总成本，下层模型为相应奖励方案下的拼车出行车辆和单人驾驶车辆用户均衡流量分配模型。采用嵌套Frank-Wolfe算法的遗传算法求解该模型，并以Sioux Falls路网和Nguyen Dupuis路网为算例对模型的可行性及有效性进行了验证。结果表明：不符合市场渗透率的预算投入会导致社会总成本大幅上涨；在最优拼车奖励方案下，社会出行总成本降低约24.53%，50%的拥堵路段的拥堵得到缓解，出行公平性问题得到缓和。文中提出的模型可为道路管理者设置科学、合理的拼车奖励方案提供理论基础。

为进一步厘清不同出租车路径选择行为的差异性，采用频繁序列挖掘方法提取了同一个OD对间的频繁路径，构建路径选择集，分别从静态和动态两个角度分析路径集的相似特性。以西安市出租车的轨迹数据为研究对象，通过栅格划分与路网匹配，获得了不同OD对之间的路径集合。重新定义了频繁路径，采用PrefixSpan演变算法，在得到频繁子序列的基础上引入动态阈值和频繁度指标挖掘频繁路径，提取了最短路径和其他路径，完成了3类有效路径集的构建，并分析了路径集的一般属性。其后，将路径上二维时间序列（轨迹）间的相似度表示为动态相似度，将一维有向序列（路段）间的相似度表示为静态相似度，基于改进的最长公共子序列和动态时间规整算法对3类路径进行了相似性分析。结果表明：频繁路径与最短路径的相似度较高，意味着大多数出租车仍然选择具有最低出行时间的路段，但不一定会选择最短路径；时间和距离仍是出行者选择路径时主要考虑的因素，但出行者并不完全追求时间最短或距离最短；试验得到的动态相似度计算结果显著高于静态相似度计算结果，说明路径上的二维时序相似度高于一维形状相似度；两种方法下频繁路径和最短路径的相似度均最高，最短路径和其他路径的相似度均最低，比较结果的一致性说明可以用动态轨迹的相似度来大致度量静态路径的相似度。文中的频繁路径挖掘算法具有一定的可靠性，可为城市交通管理者进行路径推荐、道路规划等提供支持。

为及时识别、预测车辆的换道行为，综合考虑目标车辆及周边车辆的时空交互关系，结合时间卷积网络（Temporal Convolutional Network，TCN）的时序处理能力和长短期记忆（Long Short Term Memory，LSTM）神经网络的门控记忆机制，构建了基于TCN-LSTM网络的车辆换道意图识别模型。首先，将目标车辆的驾驶意图分为直行、向左换道和向右换道3种类型，从CitySim车辆轨迹数据集中提取出目标车辆及对应同车道、左侧车道、右侧车道的相邻前车和相邻后车的轨迹数据，并利用中值滤波算法获得车辆运行状态指标。其次，针对统计学理论和机器学习方法面临的识别精度不高、训练时间长、参数更新慢等问题，提出利用膨胀卷积技术提取时间序列的时序特征，采用门控记忆单元捕捉时序特征的长期依赖关系，并以目标车辆及周边相邻车辆的速度、加速度、航向角、航向角变化率和相对位置信息等54个车辆状态指标为输入变量，以车辆的换道意图为输出变量，构建了一个基于TCN-LSTM网络的车辆换道意图识别模型。最后，对比分析了不同输入时间步长下TCN、支持向量机（Support Vector Machines，SVM）、LSTM和TCN-LSTM模型的识别精度。结果表明：输入时间序列长度为150帧时，TCN-LSTM模型的识别精度达到最高值96.67%；从整体分类精度来看，相比LSTM、TCN和SVM模型，TCN-LSTM模型的换道意图分类准确率分别提升了1.34、0.84和2.46个百分点，展现出了更高的分类性能。

为解决既有静态无线充电（Static Wireless Charging，SWC）设施布局方案容易忽略电池老化成本的问题，提出了计及电池老化特征的电动公交车SWC设施布局优化方法。首先考虑机会充电模式下电动公交车的运行特征，建立兼顾充电设施布设成本与电池老化成本的SWC设施布局优化模型，将电池荷电状态变化区间对电池老化速率的作用机理融入模型，同时引入累积能耗约束以确保SWC设施布局方案满足公交线路运营需求；然后针对模型的计算复杂性，提出一种改进禁忌搜索（Tabu Search，TS）算法对模型进行求解，依据模型特点构造算法的初始解及邻域结构；最后设计数值算例对模型和算法进行验证。研究结果表明：SWC设施布局对电池老化具有显著影响，相比不考虑电池老化特征的常规模型，文中提出的模型可以使年均总成本降低3.8%；在现阶段电池技术与成本条件下，电池老化成本占年均总成本的比例高达72.3%；文中提出的改进TS算法较原始TS算法在求解效率上有显著提升。文中还通过灵敏度分析探讨了模型的多个关键参数对优化结果的影响，发现电池荷电状态值上界、SWC设施充电功率与年均总成本呈显著的负相关，而电池单位容量成本、SWC设施布设成本、车辆单位行驶能耗与年均总成本呈不同程度的正相关。

路侧传感器已大量部署在高速公路上，用来实时采集路段全样本车辆轨迹数据，为交通流全时空管控、微观驾驶行为分析等提供数据支持，但数据质量的快速评估一直是困扰行业管理部门的难题。现有的车辆轨迹数据评估方法大多存在操作复杂、维度单一等问题，难以满足对动态交通流中实时产生的车辆轨迹数据的评价需求。为快速判别路侧毫米波雷达车辆轨迹数据的质量，文中通过挖掘数据自身信息提出了一种数据质量评价方法。首先，在分析实测轨迹数据典型问题的基础上，从轨迹完整性、一致性、准确性及有效性4个维度建立了9个二级评价指标；然后，基于CRITIC赋权法计算综合指标；最后，针对4种不同场景的3 549条毫米波雷达实测轨迹进行了实证分析。结果表明，毫米波雷达的安装方式、型号等会显著影响车辆轨迹数据的质量，所提出的数据质量评价方法能够量化不同车辆轨迹数据的质量差异。文中研究结果可为路侧传感器采集数据性能衰变的短时监测及数据采集设备的选型提供支持，也可为车辆轨迹数据质量的提升提供方法参考。

针对神经源性、肌源性膀胱缺乏有效治疗手段的现状，从工程学角度提出了一种新的解决方案——人工逼尿肌系统。基于形状记忆合金（SMA）弹簧的形状记忆效应，设计了由无线能量传输模块、控制模块、反馈模块和执行模块组成的系统结构，旨在实现符合人体尿动力学规律的辅助排尿。文中首先建立了人体膀胱的有限元模型，仿真分析了人体膀胱的储尿和辅助排尿过程，在仿真结果的基础上结合SMA弹簧的数学模型，对SMA弹簧致动器的结构参数进行了优化设计；其次，结合实验数据推导了SMA弹簧温度-自由高度方程；然后，结合热力学公式和弹簧数学模型推导了系统控制方程，并在此基础上提出了系统开环控制策略；最后，基于系统的反馈模块，设计了比例积分微分（PID）闭环控制策略，并搭建模拟实验平台研究了系统的尿流率特性。结果表明：系统原理可行，辅助排尿过程连续可控，在应对不同尿液容量时两种控制策略均能实现符合人体尿动力学规律的辅助排尿。文中结果可为设计适用于临床的人工逼尿肌系统提供指导，也可为其他以SMA弹簧作为致动器的植入装置的设计提供借鉴和参考。

通过快速模具制造可打印熔模铸造用的蜡模，缩短生产周期，提高生产效率。但在实际成型过程中，由于制件不同位置的温度分布不均，会造成内应力差异，导致制件翘曲变形，进而对制件的成型质量产生较大的影响；而且，受3D打印速度和沉积层数等成型参数的制约，较难在降低制件翘曲变形程度的同时提高成型效率。有鉴于此，文中通过建立成型制件翘曲变形的数学模型，并结合实验设计与数学计算等方法，探究打印速度对铸造蜡直写成型翘曲变形程度与打印效率的影响机制。实验结果显示：在一定打印速度下，试样翘曲值随沉积层数的增加而减小，且随着打印速度的不断增加翘曲值逐渐变大；成型打印速度越高，不同试样的打印耗时越接近于某一稳定值，表明打印速度对成型效率的影响随打印速度的增加而降低。文中还通过对成型翘曲变形和打印效率分别赋予权重系数，建立了表面轮廓最佳打印速度连续函数模型，并验证了模型的有效性。研究结果表明，基于铸造蜡成型翘曲变形建立的最佳打印速度连续函数模型可在降低翘曲变形的同时提高打印效率。

针对工程机械比例阀用电磁铁的耐久性问题，为提高在随机载荷条件下抵抗热失效的能力，综合多物理场耦合理论与稳健性优化理论，提出了比例电磁铁的参数化再设计模型。以一种具有盆式吸合结构的比例电磁铁为研究对象，通过稳态电磁测试和温度分布测试，验证了所提出的参数化模型的有效性，并在保证电磁算力精度的前提下，标定了系统中量值模糊的导磁、传热等参数；以电磁铁和线圈主要结构参数为控制因子，以生产工艺条件不确定性导致的线圈漆包铜导线线径随机误差为噪声因子，基于田口方法设计正交试验，定义了多因素加权的比例电磁铁热稳健性再设计评价函数；以挖掘机现场试验获得的比例电磁铁热负载作为响应计算热源，在不导致线圈绝缘破损失效的许用温升约束下，进行关键结构参数在噪声扰动下系统响应变异最小的再设计。研究结果表明：线圈长度和匝数是影响电磁铁热稳健性的主要因素，由绕线工艺决定的线圈窗口形态决定了系统的导磁、传热能力。文中提出的比例电磁铁热稳健性再设计方法对于磁热耦合下的机电产品定制化设计具有工程化参考价值。

为解决高温高压工况下调节阀的不平衡力及密封力难以达到所需泄漏等级的问题，设计了一种大阀芯和小阀芯分段配合工作、充分利用阀前介质压力增加阀座密封力的双阀芯先导笼式调节阀。文中给出了调节阀的不平衡力计算公式、流量方程，分析了其流量特性，并对阀内流体的流动进行了仿真，分析了流体流过调节阀后的压力损失；对大阀芯内腔进行了流体流动仿真，分析了阀前压力、内腔温度以及密封力的变化；对大、小阀芯进行了运动仿真，分析了执行器驱动力、阀芯轴向合力和大阀芯速度的变化。常温介质阀体耐压试验和阀座泄漏量试验结果表明，阀体均无可见泄漏和变形，泄漏量设定为10滴/min时，3次实测泄漏量分别为1、1和2滴/min。高温介质阀座泄漏量试验结果表明，泄漏量设定为1.275 mL/min时，250 ℃高温水蒸气的3次实测泄漏量分别为0.11、0.11和0.13 mL/min，300 ℃高温水蒸气的3次实测泄漏量分别为0.19、0.19和0.22 mL/min，实测泄漏量均小于设定值。文中提出的双阀芯先导笼式结构增强了调节阀的密封力，阀体耐压强度和阀座密封性能均满足使用要求。

目前大多DeepFake换脸检测算法过于依赖局部特征，尽管库内检测性能尚佳，但容易出现过拟合，导致跨库检测性能不理想，即泛化性能不够好。有鉴于此，文中提出一种基于多尺度时空特征和篡改概率的换脸视频检测算法，目的是利用假脸视频中广泛存在的帧间时域不连续性缺陷来解决现有检测算法在跨库、跨伪造方式和视频压缩时性能明显下降的问题，改善泛化检测能力。该算法包括3个模块：为检测假脸视频在时域上留下的不连续痕迹，设计了一个多尺度时空特征提取模块；为自适应计算多尺度时空特征之间的时空域关联性，设计了一个三维双注意力机制模块；为预测随机选取的像素点的篡改概率和构造监督掩膜，设计了一个辅助监督模块。将所提出的算法在FF++、DFD、DFDC、CDF等公开大型标准数据库中进行实验，并与基线算法和近期发布的同类算法进行对比。结果显示：文中算法在保持库内平均检测性能优良的同时，跨库检测和抗视频压缩时的综合性能最好，跨伪造方法检测时的综合性能中等偏上。实验结果验证了文中算法的有效性。

路网中的skyline查询在智慧交通、兴趣点发现和位置服务等领域具有重要的应用价值，但存在查询效率较低、未考虑查询结果的隐私性等问题。有鉴于此，文中提出了一种基于差分隐私的路网环境下skyline查询方法。首先，针对路网环境下的初始数据集数据量大和数据复杂的特点，对数据集进行预处理，利用基于距离属性划分的skyline层和路网Voronoi图的性质提出了3个剪枝规则，基于剪枝规则给出了路网环境下的数据集剪枝算法，从而有效地过滤掉大量冗余数据；其次，针对过滤后的数据集，利用网格索引的存储方式来节省存储空间，并设计了基于网格索引的skyline扩展树，基于扩展树和相应的剪枝规则提出了查询全局候选skyline点集的算法；最后，针对查询结果集，利用差分隐私预算分配模型来分配隐私预算，并基于信息散度进行结果集发布，有效提高了数据信息的隐私性。实验结果表明：所提出的查询方法的准确率在99%以上；其在数据集规模较大情况下的查询效率相较于传统skyline查询方法提升10%以上；在总差分隐私预算为0.01、0.10、0.50和1.00时，所提出的隐私预算分配方法的相对误差均低于等差分配和等比分配方法。

中医古籍命名实体识别是构建中医知识图谱的基础，对中医知识的提取与智能化呈现具有重要意义。然而，中医知识体系结构庞大，公开可用的语料库稀少且语义复杂，当前的研究大多关注字向量的表达，对特殊汉字的结构特征中丰富的语义特点考虑不充分；而且，由于汉字语义丰富，还存在潜在特征表达不足及一词多义的问题。文中结合中医古籍的语料特点与古汉字结构信息，提出了一种基于SiKuBERT与多元数据嵌入的命名实体识别方法，通过SiKuBERT创建字特征信息，在此基础上嵌入词特征与部首特征来捕捉汉字的语义信息，让具有相似部首序列的字符在空间向量中彼此接近。采用该方法对本草数据集中的人名、中草药物名，病症名、病理名、经络名进行识别，实验结果表明：文中方法能够有效抽取文本中的5类实体，F1值为86.66%，精确率达86.95%，召回率达86.37%；相较于基于字特征的SiKuBERT-CRF模型，文中方法融合了字词信息与繁体汉字的结构信息，能增强实体识别效果，总体F1值提升了2.83个百分点；此外，该方法对具有显著部首特征的中草药物名和病症名的识别效果最佳，相较于基于字特征的SiKuBERT-CRF模型，F1值分别提升了3.48和0.97个百分点。总体而言，文中方法的性能指标高于其他主流的深度学习模型，且具有良好的泛化能力。

手部自遮挡和深度信息缺失使得由单目RGB图像进行三维手部姿态估计存在关节相对深度估计不够准确、生成的姿态违背手部生物力学约束等问题。为解决此问题，文中结合手部结构中蕴含的先验知识以及手部网格信息，提出一种基于先验知识和网格监督的深度神经网络。手部骨架的铰链式结构意味着关节三维位置在二维图像平面和深度方向的投影之间存在着特定关系，但个体之间的手部结构差异导致难以对其进行直观的形式化描述，为此文中提出通过学习来对其进行拟合。同一手指的关节位置和骨骼长度、同一手指的不同分段以及不同手指的弯曲方向之间也存在特定关系，文中将其设计为损失函数，用于监督网络训练。所提出的神经网络在估计手部姿态的同时并行生成手部网格，通过网格标注监督网络训练，优化姿态估计，且不增加网络复杂度。使用混合数据集对神经网络进行了训练，以进一步提高其泛化能力。实验结果表明，所提方法在多个数据集的内部交叉验证精度、跨数据集验证精度、模型的时间和空间复杂度等方面都优于其他方法，手部结构先验知识和网格监督在提升姿态估计精度的同时保持了神经网络结构的紧凑性。

随着科学技术的快速发展，三维点云采集设备的精度不断提升，海量三维点云数据的获取成为可能。然而，三维点云数据点分布不规则、数量巨大等特性给存储和传输带来了巨大的挑战，点云编码势在必行。针对三维点云几何信息，文中从数据采样的角度出发，将三维点云编码问题转换为三维点云采样-重建问题，并提出基于采样的三维点云几何编码框架。该框架首先在编码端使用指定采样率的三维点云下采样方法，将原始三维点云下采样至指定点数的稀疏三维点云，然后采用任意现有的编码方法对稀疏三维点云进行编码（待编码点数大幅减少，可有效降低编码码率），最后使用三维点云上采样方法将解码端获得的稀疏三维点云插值重建成与原始输入点云外形近似的高质量稠密三维点云。实验结果表明，与MPEG提出的最新G-PCC三维点云编码标准相比，在相同码率下，文中提出的三维点云几何编码框架可以使解码端重建三维点云的客观质量平均提升5.49 dB，同时呈现出更好的主观视觉效果。