移动与社会计算课题组
多传感器系统中通常具有成百上千个传感器,每个传感器随着时间的推移会产生大量参数数据,一旦其中一些参数状态分布发生变化,很可能导致接下来系统中其他参数出现异常情况,甚至整个系统无法正常运转。 本项目基于Bi-LSTM的AutoEncoder深度结构实时监测系统中所有传感器参数状态,一旦出现异常参数特征,系统会及时报警,通知相关人员及时维修。该方法不仅可以有效维持系统的高效运行状态,同时避免因系统异常导致的损失。
本项目的主要内容包括着陆过程中竖直方向加速度VRTG≥2g安全风险极大可能造成人员伤亡、实时分析传感器参数和预测未来的VRTG。基于时延神经网络实现了时间序列预测。
本项目的主要内容包括出入口客流量实时统计、超阈值客流量预警和高峰时段客流量预测,采用了图像/视频中目标物体分割技术、视频中运动目标跟踪技术和基于统计客流量的回归分析等关键技术,可用于实时监测地铁站门口、电扶梯口等特殊场景下的客流量,并对超过客流阈值的情况上报至客服管理平台以及时进行人员疏导,防止出现人员踩踏情况等场景。
Copyright © 2019 北京航空航天大学 移动与社会计算课题组