排序方式: 共有21条查询结果,搜索用时 15 毫秒
1.
为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明:基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。 相似文献
2.
信号交叉口右转机动车与行人和非机动车冲突研究 总被引:1,自引:1,他引:0
研究的主要内容为:未设置右转专用相位的信号灯控制道路交叉口右转机动车流与行人和非机动车的冲突行为,包括冲突数据的采集和提取、右转车流受到干扰前后速度与过街时间对比分析以及机非冲突速度-距离模型。以现实交通数据为基础,通过软件提取右转机动车与行人和非机动车冲突数据,建立标准统一的冲突数据库,以此为基础对比分析右转车流正常行驶状态和受到干扰情况下通过道路交叉口时的车速和过街时间,并建立右转车辆距离机非冲突点不同位置时所对应不同速度的统计模型。研究结果对右转专用相位设立标准的建立和相应信号配时方案的设计具有一定的工程指导意义。 相似文献
3.
4.
5.
6.
提出了一种基于整车噪声仿真分析的部件声学指标分解方法;将高速列车的部件声学指标按类型分为声源指标和路径指标2种主要形式,分别基于声线法和统计能量分析方法建立了高速列车的车外噪声预测模型和车内噪声预测模型,通过选定的初始参数作为计算输入,预测车外、车内噪声,并与车辆顶层声学指标进行差异化对比分析;基于声源贡献、路径贡献与参数灵敏度分析,考虑多目标优化,确定了声源部件和路径部件的声学指标。研究结果表明:噪声源的指标分解,基于整车车外噪声仿真分析,当车外噪声预测结果满足声学设计目标且设计裕量在可接受范围之内时,此时的声源参数输入即可作为一组声源指标分解结果;对于传声路径的指标分解,基于整车车内噪声仿真分析,当车内噪声满足声学设计目标且设计裕量在可接受范围之内时,此时的路径参数输入即可作为一组路径指标分解结果;当声源指标或路径指标不满足整车噪声要求时,则需要进行声源或路径的贡献分析,计算主要贡献声源或路径的参数灵敏度,通过对主要贡献声源或者路径进行修正迭代,使之最终满足声学设计目标;低噪声设计需要不断综合多项指标的反馈,合理地调整部件声学指标,确保声学指标分解满足顶层目标,且具有可行性。 相似文献
7.
8.
9.
10.