智能空间专利布局分析

智能网联汽车的发展,提高了用户的舒适性和节能性,是汽车行业未来发展的主流,而智能空间尤其是智能移动空间的研究,对于相关领域的企业的发展来说,都有着或多或少的影响,那么如何在智能空间领域进行布局和探索,并且产生知识成果,是在整个过程中不可避免的问题。本文通过SooPat数据库筛选有关智能空间的专利,并对相关数据进行分析统计,为智能空间领域专利的布局提供了可选方向。     

基于中国人体数据的汽车总布置用2D模板开发与应用

人体2D模板作为整车总布置的基础,影响到整车驾驶和乘坐的舒适性、方便性以及行车安全性。本文应用最新的权威中国人体数据,提取人体各项关键尺寸,进行数据建模,并进行软件封装,开发人体2D模板。模板更符合中国人实际的乘坐姿态,基于模板可进行乘坐空间、视野等相关测试,切实提高车辆的安全性、舒适性。     

基于频率及F-K域联合应用的地震波去噪技术研究

地震反射波勘探是铁路工程地质勘察的一种重要地球物理勘探方法,地震波数据的处理直接关系到数据的解译质量,提高信噪比是关键环节。针对单一去噪技术,难以获取高信噪比地震数据的难题,以某一在建铁路项目地裂缝勘察的地震波数据为例,详细研究各种有效波及干扰波的性质和特征,建立一种频率域滤波、声波衰减和频率-波数域(F-K)滤波联合应用的去噪技术。结果表明:该技术能有效去除和压制干扰波,增强有效波能量,去噪效果明显。     

基于公交GPS 和IC 卡数据的乘客人均候车时间估算方法研究

候车是公交出行的重要组成部分，而候车时间是决定公交系统吸引力的关键因素，也是评价城市公交服务水平的指标之一. 目前，获取乘客候车时间的主要途径为问卷调查法和视频采集法. 但是这些方法费时费力，仅能实现小范围典型站点的候车时间的调查，无法快速完成线路甚至线网级别的候车时间采集. 为解决上述问题，本文基于北京公交GPS和IC 卡刷卡数据，采用非时齐泊松过程理论构建了乘客到站模型，并给出了一种离散条件下任意时刻的乘客人均候车时间计算方法，该方法能动态准确的获知不同站点、线路和线网乘客的人均候车时间. 基于此方法本文计算了1 d 内北京公交606 路全线的人均候车时间变化情况，计算结果表明，606 路早晚高峰和中午乘客人均候车时间最短大约在200 s 左右，下午乘客的候车时间较长.     

战术数据链中的波形设计

波形设计是数据链系统设计的关键.深入剖析了国外几型战术数据链的波形设计思路,提出了战术数据链的波形设计原则,针对新型战术数据链的波形设计,给出了相应建议.     

基于自然驾驶数据的分心驾驶行为识别方法

大量证据表明，驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式（如脑电波等）或半侵入式（如视频等）检测驾驶人分心的方法，不仅对驾驶任务造成一定干扰，且受多种环境因素的制约，误报率较高。基于此，只考虑非侵入式车辆运动特征，提出一种基于深度学习的驾驶人分心状态识别方法：首先，从自然驾驶数据集中获得大量的跟驰片段，采用态势感知方法，提取典型的分心驾驶片段，并建立仅包含车辆运动学特征的分心判别指标集；其次，利用梯度提升决策树-递归特征消除算法（GBDT-RFE）和随机森林-递归特征消除算法（RF-RFE）对特征进行重要度排序，得到重要度较高的分心监测指标；最后，采用长短时记忆神经网络（LSTM-NN）实现分心驾驶的分类识别，并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明：LSTM-NN在判别分心或正常状态时F₁分别为89%、91%，高于SVM和AdaBoost对应二分类结果；进行多分类任务时，判别分心情景的平均F₁较SVM和AdaBoost分别提升了12%和7%，不同类别分心识别的误报率在15%以下，说明LSTM-NN能够有效学习分心序列的前后信息，有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。     

锂离子动力电池智能制造系统及应用

锂离子电池的制造工艺流程是高度复杂的系统,涉及电极材料、制造工艺和电解液的相互匹配和关联性,而这种匹配和关联性直接影响锂离子电池最终产品的性能。因此,有必要发展锂离子电池智能制造系统,加快科研成果的产业化速率。为此,提出了数据采集技术在锂离子电池生产过程的应用方法,采集生产层多通讯协议的数据,通过物联网标识技术,将最终锂离子电池产品与生产过程全流程的数据相链接。设计一种可追溯的数据结构和方法,以最终产品最佳性能为目标,通过智能制造系统快速筛选出过程中多因素的最优匹配关系,缩短新产品的研发周期。     

火炮射击初速灰色预测方法研究

射弹初速是影响火炮射击精度的重要因素,研究并掌握火炮射击过程中的初速变化规律对于一名指挥员来说具有重要的指导意义。分析研究表明,采用灰色预测的方法研究火炮射击初速变化规律,既可行,其结果又可信。     

基于大数据的交通规划技术创新应用实践——以深圳市为例

深圳市长期坚持数据和模型驱动的交通规划理念,经过20年的积累,建立了面向规划决策支持的综合交通大数据应用体系,在多元数据融合与大数据挖掘应用方面进行了探索。总结深圳市交通大数据平台包含的三类数据:偏静态的城市空间数据、传统调查数据、偏动态的交通多元数据,阐述大数据对交通规划技术创新的影响。基于大数据对交通模型和运行仿真的影响,深圳市积极推动交通规划技术创新,建立区域–宏观–中观–微观一体化的交通仿真模型体系、融合实时数据的交通运行和评价系统,也使得绿色交通优先等规划理念更易实施。最后,对车联网、智慧交叉口、交通主动控制、个性化信息交互等影响交通规划创新的技术进行展望。     

Cooperative GNSS positioning aided by road-features measurements

Cooperation between road users through V2X communication is a way to improve GNSS localization accuracy. When vehicles localization systems involve standalone GNSS receivers, the resulting accuracy can be affected by satellite-specific errors of several meters. This paper studies how road-features like lane marking detected by on-board cameras can be exploited to reduce absolute position errors of cooperative vehicles sharing information in real-time in a network. The algorithms considered in this work are based on a error bounded set membership strategy. In every vehicle, a set membership algorithm computes the absolute position and an estimation of the satellite-specific errors by using raw GNSS pseudoranges, lane boundary measurements and a 2D georeferenced road map which provides absolute geometric constraints. As lane-boundary measurements provide essentially cross-track corrections in the position estimation process, cooperation enables the vehicles to improve their own estimates thanks to the different orientation of the roads. Set-membership methods are very efficient to solve this problem since they do not involve any independence hypothesis of the errors and so, the same information can be used several times in the computation. Such class of algorithm provides a novel approach to improve position accuracy for connected vehicles guaranteeing the integrity of the computed solution which is pivoting for automated automotive systems requiring guaranteed safety-critical solutions. Results from simulations and real experiments show that sharing position corrections reduces significantly satellite-specific GNSS errors effects in both cross-track and along-track components. Moreover, it is shown that lane-boundary measurements help reducing estimation errors for all the networked vehicles even those which are not equipped with an embedded perception system.