道路交通标志逆反射性能与夜间视认性

为了规范和引导道路交通标志及其逆反射材料的使用,提高道路交通标志的夜间视认效果,对交通标志及其逆反射材料的等级、类别、结构、光度性能、色度性能以及国内外相关标准进行分析,研究交通标志的逆反射性能及与夜间视认性的关系。通过对国内交通标志及其逆反射材料的使用现状分析,认为夜间视认性与逆反射性能的关系较为复杂,应针对逆反射材料的类别、结构,以及在交通标志中的搭配使用等进行深入研究,并将研究成果用于修订现行交通标志的相关标准和规范。     

谈新规则下高速公路相关标志的更换设计

根据交通部统一部署,结合上海市在新出台的GB5768—2009指导下进行高速公路相关标志更换工程的设计工作,通过对比,介绍总结了新的高速公路编号与命名、新理念下的高速公路指路系统标志的变更与改进,并对上海市高速公路指路标志存在的问题提出了相关建议。     

基于感兴趣区域的CNN-Squeeze 交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

关于智能运输系统的关键理论——综合路段行程时间预测的研究

行程时间预测是智能运输系统研究的一个重要问题。为此,建立了许多算法,有历史趋势方法、非参数回归模型、时间序列方法、神经网络、卡尔曼滤波、交通模拟和动态交通分配模型等。然而,在变化的交通状况和任意时段的条件下,这些方法和模型都不能取得令人满意的预测结果。在总结这些已有的预测方法和模型的基础上,提出了一种综合模型。     

中职汽修专业“双元双导 校店融合”协同育人模式实践研究

在汽车产业快速发展,以及汽车消费市场不断扩大带动下,社会对汽修专业人才的需求也随之大幅度提升。这也对中职汽修专业的教育培养工作提出了更高要求,对此,各中职院校应紧跟时代发展步伐,加强对"双元双导校店融合"协同育人模式的应用研究,以此来为中职院校拓展出更理想的发展前景,培养出更多优秀人才。     

基于分级多目标决策的干线公交速度引导模型

为解决干线公交速度引导存在多要素关联约束强，全局效果差的问题，本文提出基于分级多目标决策的干线公交速度引导模型。基于公交线路运行特性的全局优化指标优势分析，设计以公交线路综合准点率为主，交叉口停车次数和分段引导速度均衡为辅的线路全局优化目标体系，并考虑多目标间的关联约束和优先控制差异，构建基于拉格朗日乘子法和遗传算法分层组合的干线公交速度引导分级多目标递阶决策模型；最后，通过实际场景测试，验证模型的有效性。测试结果表明：模型能够克服非全局指标优化的局部最优问题，将全线路各班次综合准点率和交叉口停车次数由非全局指标的69.67%和2.37次 ⋅ 班-1 提升到90.53%和1.23次 ⋅ 班-1；并且综合准点率比全局多目标加权方法提升8.65%，能够较好保障综合准点率目标的优先性，有效提升干线公交的通行效率和服务可靠性。     

美国舰载无人机系统研究

针对美国海军现有舰载无人机系统发展现状,开展舰载无人机系统发展研究。文章对无人机平台、任务载荷、测控与信息传输终端、着舰引导设施、舰面控制站、发射与回收装置、专用维护保障设施等方面进行分析,研究了舰机适配性,最后预测了舰载无人机系统的未来发展方向。     

改进深度确定性策略梯度的决策算法研究

为解决无人驾驶路径规划过程中的决策控制问题,文章针对深度确定性策略梯度算法在未知环境中随着搜索空间的增大,出现训练效率低、收敛不稳定等缺点,提出了基于奖励指导的改进算法。首先在每回合内采用基于奖励的优先级经验回放,减少深度确定性策略梯度算法随机探索的盲目性,提高智能车学习效率。然后在回合间基于奖励筛选优秀轨迹,便于指导智能车对复杂空间的探索,得到稳定的控制策略。最后,在开源智能驾驶仿真环境进行仿真。实验结果表明改进后的深度确定性策略梯度算法性能优于原来的算法,训练效率和收敛稳定性均得到有效提升。     

基于短时交通流预测的广域动态交通路径诱导方法

为提升车辆通行效率，以预测型诱导策略为基础，以排队长度作为交通诱导的约束条件，利用小波神经网络短时交通量预测预知路段堵死事件发生路段，通过广域诱导时空边界条件对事件路段进行节点分级和诱导周期长度界定，进而建立广域诱导模型；对事件区域路网进行分区，进一步确定该模型诱导起点位置，引入基于路径尺度的Logit 路径选择模型作为诱导路径选择方法，通过流量迭代分配方法实现路网负载均衡. 通过实例验证，该诱导方法能有效地缓解道路交通拥堵，提高路网通行效率.     

基于乘客寻路行为的城市轨道交通车站导向标识序化设置研究

为实现轨道交通车站内客流快速疏散,避免因乘客滞留造成站内乘客出行效率低以及大客流压力导致的安全隐患等问题,本文对目前国内导向标识的设置原则及功能进行描述,依托大数据等信息化技术分析行人寻路行为机理及出行特征与导向标识序化设置间的关系,研究导向标识的序化设置,依据行人在不同交通设施的步行速度及信息处理时间,并提出在站内停顿点数量较多的通道、楼梯口及闸机处设置导向标识的位置,进而对导向标识的设置进行人性化和合理化的优化设置,对轨道车站内停顿点位置进行导向标识的合理布设,以快速引导行人进行出行决策,减少停顿点数量。