排序方式: 共有127条查询结果,搜索用时 15 毫秒
81.
82.
83.
84.
85.
基于GNSS/DSRC融合的协同车辆定位方法 总被引:1,自引:0,他引:1
以全球导航卫星系统(GNSS)定位与专用短程无线通信(DSRC)协同定位的集成信息融合为目标,在DSRC协同定位层面,基于水平精度因子最小化原则,提出了一种邻车节点的优选策略。在GNSS/DSRC融合定位层面,采用分散式融合估计思想,设计了一种松耦合模式下的车辆组合定位方法,基于GNSS、DSRC 并行滤波进行全局估计,利用反馈策略改善了对不同定位条件的适应能力。利用车路协同仿真平台对协同车辆定位方法进行了仿真验证。验证结果表明:邻车节点优选策略显著提升了DSRC定位精度,将其用于GNSS/DSRC融合定位,在常规运行条件下,带反馈机制的分散式估计精度优于单传感器模式与无反馈分散式估计精度;在给定的GNSS 多径干扰条件下,东向、北向位置估计的均方根误差与单GNSS模式相比分别降低了42.6%和37.0%,与集中式融合估计相比分别降低了24.8%和20.3%。协同车辆定位方法的定位性能优于常规定位方案,对GNSS多径干扰条件具有良好的适应能力,具备更优的精确性、可用性及工程应用价值。 相似文献
86.
87.
利用探地雷达(GPR)进行沥青路面原位密度检测时,回归模型和电磁混合理论模型通常被用来建立密度和介电常数的关系,然而现有的模型对精确的参数校准要求较高且精度有限。为了进一步提升沥青路面原位密度预测精度,研究基于机器学习算法的密度预测模型,首先搭建了GPR测试平台,采用2.2 GHz探地雷达天线采集室内沥青混合料试件及现场沥青路面的电磁波反射信号;进而基于平均减法算法和有限冲击响应带通滤波器消除了信号零偏和部分环境噪声,基于反射振幅法对介电常数进行计算;收集了来自文献调研、室内试验、现场检测的124组密度数据,基于极限梯度提升(XGBoost)算法建立了密度预测模型,采用5折交叉验证对数据集进行深度学习,并利用贝叶斯超参数优化(BHPO)获得了最优的模型超参数组合;最后利用现场检测数据对模型进行测试,并对各输入参数进行重要性分析。结果表明:对信号进行消除零偏和环境噪声处理后,密度预测百分比误差显著下降,室内试验误差达到了2.9%,现场检测误差达到了3.0%;不同沥青混合料反射信号的主要差异在于峰值振幅的位置和数值大小,密级配沥青混合料介电常数值要大于开级配沥青混合料;BHPO有效提升了X... 相似文献
88.
随着宽带移动通信、物联网等新一代信息技术在交通领域中的应用,面向交通安全的移动互联环境下驾驶行为研究成为热点课题.为弥补现有研究中对车联网数据分析较少或对危险驾驶行为空间分析不足等缺陷,基于车辆自诊断系统(OBD)数据对危险驾驶行为进行了空间识别与提取,并基于交通小区(TAZ)分析了危险驾驶行为的空间分布差异.研究揭示了危险驾驶行为空间分布差异的内在机理,利用百度兴趣点(POI)数据度量了城市建成环境因素,通过最小二乘法(OLS)回归模型识别出建成环境对危险驾驶行为显著影响的变量,在此基础上采用基于地理加权回归(GWR)模型得出了不同建成环境变量对危险驾驶行为的空间影响系数.模型显示,采用GWR模型拟合结果优于OLS一倍,并且可以有效地揭示出空间建成环境对危险驾驶行为影响的时空特征,为交通管理与规划部门制定措施或政策提供了决策支持. 相似文献
89.
轨道交通站点客流预测研究缺乏对短时客流动态波动性的考虑,不能预测短时客流区间.以北京市典型轨道交通站点为例开展实证,构建ARIMA-GARCH模型对误差项建模分析,拟合短时客流的随机波动特征.不同于以往的ARIMA-GARCH模型,研究还通过t分布揭示了客流的“尖峰后尾”效应,通过2种非对称GARCH模型识别了短时客流的非对称波动特征.模型结果表明,相比传统ARIMA模型,ARIMA-GARCH混合模型降低了20%以上的客流平均置信区间长度(MPII),同时提高了1%左右的置信区间覆盖率(PICP);周内客流波动性大于周末客流,而非高峰时段的客流不具有波动性.值得指出的是ARIMA-GARCH模型没有明显降低客流预测的平均绝对误差,尽管如此,混合模型可以在保证客流单点预测的前提下,准确地预测地铁客流区间. 相似文献