数据加密技术在汽车电子元器件上的应用

数据在加密过程中会生成相应的密钥用于加密和解密数据。在电子元器件研究和制造方 面,应用数据加密技术,可以促进新能源汽车、电子商务等多个行业领域的发展。通过阐述数据加密 的重要性,对数据加密技术展开研究,分析其在汽车电子元器件上的应用前景。     

基于ST-AGCN算法的物流暴力分拣识别模型

目前快递物流行业普遍存在分拣人员暴力分拣现象,为减少此类行为可采用基于图像的行为识别方法,但这种方法在实际场景中存在算法鲁棒性差、人体关节点数据难获取等问题。针对上述问题,制作了1个物流暴力分拣行为视频数据集,研究了暴力分拣行为识别模型。通过树莓派采集室内外2种情景下的分拣视频数据,利用Python socket模块实现视频图像实时传输,采用切片筛选规则除去非标准数据,应用OpenPose模型获取关节点数据。针对一般人体行为识别网络模型无法较好反映暴力分拣关节点对动作重要影响程度的问题,研究了以ST-GCN为主干网络的优化图神经网络模型ST-AGCN。利用空间注意力机制学习不同关节点对于各种动作的影响,以更新各关节点的权重;通过增加自适应图结构层以端到端学习方式将人体骨骼图的拓扑结构与网络参数共同优化,突出关联度高的关节点对动作识别的影响。以室内外环境下暴力分拣视频为对象开展和多种深度学习模型的对比实验和消融实验,实验结果表明：ST-AGCN模型识别现实场景中暴力分拣行为的准确率相比ST-GCN、STA-LSTM、不含空间注意力机制的ST-AGCN和不含自适应图结构层的ST-AGCN模...     

一种数据库加密解决方案

加密是防止入侵的一种有效手段，敏感数据的防窃取和防篡改已受到人们的高度重视。基于具体应用实例．介绍了利用DBMS—CRYPTO设计的一个数据库加密程序包CIPHER。该包中的各用户的数据由用户自己的密钥加密，即便是数据库管理员也无法解密，从而保证了重要和敏感数据的安全性。最后，对加密算法本身进行代码隐藏的实现方法进行了讨论。     

面向智能网联交通系统的模块化柔性试验场

为了给智能网联试验场设计与建设提供参考,分析了智能网联交通系统中测试技术的研究现状;结合长安大学车联网与智能汽车试验场的测试和研究经验,提出了一种面向智能网联交通系统的模块化柔性试验场,该试验场包括应用场景、感知发布、网络链路和管理服务4个层次。应用场景层通过模拟真实场景中的天气、道路和交通条件,验证智能网联交通设备和服务在不同环境、不同场景的适应性;感知发布层通过摄像头、激光雷达、毫米波雷达等传感设备以及可变情报板等信息发布设备,实现环境数据及交通信息的采集,并下发相应的控制信息和服务信息;网络链路层由车载异构网络构成,通过网络间的协同工作,为应用场景层和感知发布层的设备提供网络信息服务;管理服务层负责下层数据的存储、备份、处理和可视化,并实现下层测试设备的管理与维护。在上述模块化平台的基础上,开发智能网联汽车室内测试台架,配合试验场进行交通场景构建、测试场景复现和单一要素分析,实现智能网联交通的柔性场景测试。结果表明：所提出的试验场具有标准化的测试条件,可控可追踪的测试流程和科学的测试评价体系,能够模拟真实的道路交通场景,提高智能网联相关技术的开发和测试效率。该试验场的建设、推广与应用,能够推进智能网联和无人驾驶技术从理论研究到实际应用的转化,为实现未来交通信息服务和交通系统的创新与变革起到至关重要的作用。     

企业名称权与在先注册商标权冲突的处理原则

正一、企业名称及企业注册商标企业注册商标用于区分商品或服务的不同来源,而企业名称则用于区分不同的市场主体。实务中,企业在进行名称登记时,工商行政管理部门一般不会对申请登记的企业名称是否与他人注册商标相同或相似进行检索和审查,因此这造成了很多企业名称与他人在先注册商标相同或相似的情况。本文结合现实案例,对企业名称权与在先注册商标权冲突的处理原则进行简要分析,以供行业内企业参考。     

基于实例分割的车道线检测算法

为实现在自动驾驶复杂场景下检测数量变化的车道线，提出一种基于实例分割的车道线检测算法。首先以ResNet18网络作为主干网络提取图像特征，采用特征金字塔网络进行特征融合。同时设计一种扩张卷积残差模块来提高检测的精度；然后基于车道线的位置进行实例分割，利用语义分割出的车道线点位置预测对应的聚类点位置，通过对聚类点采用DBSCAN聚类算法实现车道线实例区分。结果表明，该算法能够在复杂的自动驾驶场景下有效地进行多车道线检测，在CULane数据集和TuSimple数据集上的调和平均值分别达到75.2%和97.0%。     

高级加密标准及加解密算法实现研究

介绍了高级加密标准算法（Rijndael）的加密和解密过程。对该算法的加密与解密过程，及在32位处理器平台上的基本实现方法进行了讨论，同时对人们提出的一种优化算法进行了改进，并基于VC＋＋6．0进行了实验模拟，结果表明，在时间复杂度基本一致的情况下，改进后的算法内存粒度更小。     

混合交通中的车辆与行人检测

混合交通中车辆和行人的检测识别是研究如何让计算机以人的思维方式从视频或图像中将车辆和行人从背景中区分出来。车辆检测与行人检测作为智能交通系统的核心组成部分,具有重大的研究价值与现实意义。本文基于候选区域和深度网络的深度特征提取方法,通过获取场景中的大量实时图像数据进行多任务深度模型训练,实现复杂交通场景中的车辆检测和行人检测的任务。相比于传统的车辆检测算法和行人检测算法,基于候选区域和深度网络的深度特征提取方法具有独特的优势:检测的准确性、鲁棒性、实时性可以在一定的条件下达到比较满意的程度。而传统车辆与行人的检测算法,并不能同时在3项指标上达到较好的状态。此外,候选区域的确定避免了穷举式搜索目标,从而节省了大量时间开销。     

基于ETC的车辆动态称重系统设计

文章针对目前我国高速公路动态称重收费系统使用中存在的问题,提出基于ETC的车辆动态称重系统。以称台前置的方案对现有收费车道进行改造,利用压电石英传感器阵列作为称重单元提高系统检测精度和车辆通行能力,应用串行通信和专用短程通信相结合的方式实现称重收费车辆数据的传输。对比目前高速公路应用的动态称重收费系统,基于ETC的车辆动态称重系统能够实现车辆准确称重收费和极大地提高高速公路通行能力的目标,具有广阔的应用前景。     

椭圆曲线密码及其在无线网络中的应用

阐述了椭圆曲线密码学的数学基础以及在此基础上的加密、解密算法和数字签名，并对椭圆曲线密码在无线网络中的应用进行了探讨，指出了椭圆曲线密码具有密钥位数短，软、硬件处理节省资源优点。     

一种基于PKI技术的汽车OTA安全升级方案

随着车联网技术快速发展，在众多车联网应用场景中，OTA升级逐渐替代低效的手工刷写，但是如何保障OTA升级过程中数据不被截获和篡改成为公众和社会关注的焦点。各个整车厂商及车联网企业也在不断寻求安全可靠的解决方案。针对这一问题，将PKI技术融进方案中，为OTA升级中数据安全提供参考，对OTA升级包的安全下发过程进行完整设计，详细描述如何综合运用对称加密、非对称加密、数字签名技术、数字信封技术等来确保OTA升级包在远程下发过程中数据的完整性、保密性，通过软硬件结合，解决汽车OTA升级的安全问题。     

激光点云建模在公路资产管理中的应用

为了有效解决既有高速公路资产管理困难，无法实现构件级别的实时管理养护，现采用激光点云方式对既有运营高速公路进行路面激光扫描，结合点云信息对道路构件进行单体化建模，建立统一标准体系下的资产管理系统。本次试验以都汶高速公路都江堰至映秀段18 km为示范段，叠加实景模型还原道路场景信息，对单体化模型进行规范的分类编码，对多源异构数据进行分级分类统一组织管理，同时利用空间动态渲染机制，构建资产管理信息平台，为四川交通一张图计划进行探索分析。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

基于用户感知的高速公路专用网络综合服务质量监测系统

为了有效掌握交通专用通信网及网络内关键设备和其承载的应用业务的运行状态,提升系统服务质量,保障数据安全和业务应用的需求可用性与稳定性。通过分析影响高速公路专用网络信息数据的安全因素,建立高速公路信息数据安全因素与网络服务的交互模型,研制了网络关键节点位置的网络探针原型机及网络综合服务质量监测平台。通过预制的主动测量方案,实现了系统硬件平台与专用网络的交互式监测模式,建立对其进行7×24h的在线实时监测系统。     

基于MM-STConv的端到端自动驾驶行为决策模型

针对现有端到端自动驾驶模型输入数据类型单一导致预测精确度低的问题，选取RGB图像、深度图像和车辆历史连续运动状态序列作为多模态输入，并利用语义信息构建一种基于时空卷积的多模态多任务（Multimodal Multitask of Spatial-temporal Convolution，MM-STConv）端到端自动驾驶行为决策模型，得到速度和转向多任务预测参量。首先，通过不同复杂度的卷积神经网络提取场景空间位置特征，构建空间特征提取子网络，准确解析场景目标空间特征及语义信息；其次，通过长短期记忆网络（LSTM）编码-解码结构捕捉场景时间上、下文特征，构建时间特征提取子网络，理解并记忆场景时间序列信息；最后，采用硬参数共享方式构建多任务预测子网络，输出速度和转向角的预测值，实现对车辆的行为预测。基于AirSim自动驾驶仿真平台采集虚拟场景数据，以98 200帧虚拟图像及对应的车辆速度和转向角标签作为训练集，历经10 000次训练周期、6 h训练时长后，利用真实驾驶场景数据集BDD100K进行模型的测试与验证工作。研究结果表明：MM-STConv模型的训练误差为0.130 5，预测精确度达到83.6%，在多种真实驾驶场景中预测效果较好；与现有其他主流模型相比，该模型综合场景空间信息与时间序列信息，在预测车辆速度和转向角方面具有明显的优势，可提升模型的预测精度、稳定性和泛化能力。     

动态场景下基于语义分割与运动一致性约束的车辆视觉SLAM

传统的车辆同时定位与建图方法多依赖于静态环境假设,在动态场景下易引起位姿估计精度下降甚至前端视觉里程计跟踪失败。本文结合Fast-SCNN实时语义分割网络与运动一致性约束,提出一种动态场景视觉SLAM方法。首先利用Fast-SCNN获取潜在动态目标的分割掩码并进行特征点去除,以获取相机位姿的初步估计;随后基于运动约束与卡方检验完成潜在动态目标中静态点的重添加,以进一步优化相机位姿。验证集测试表明,所训练的语义分割网络平均像素精度和交并比超过90%,单帧图片处理耗时约14.5 ms,满足SLAM系统的分割精度与实时性要求。慕尼黑大学公开数据集和实车数据集测试表明,融合本文算法的ORB-SLAM3部分指标平均提升率超过80%,显著提升了动态场景下的SLAM运行精度与鲁棒性,有助于保障智能车辆的安全性。     

基于三维视频融合的隧道运营管理创新应用研究

针对目前隧道数字化运营管理中存在的视频碎片化、视频与业务数据分离、缺乏二三维联动响应手段等问题，提出一种基于三维视频融合的隧道运营管理创新应用方法。1）对隧道运营过程中视频监控的应用现状与需求进行分析，为三维视频融合技术应用与创新实践提供方向； 2）利用BIM与点云重建技术构建隧道场景三维模型，形成隧道虚实融合的静态模型基础； 3）提出一种隧道监控视频三维注册与虚实融合绘制方法，将多路视频实时融合到三维隧道场景模型中； 4）在融合后的三维场景中汇聚融合多源物联传感数据，形成与真实隧道交通运行场景基本一致的数字孪生场景； 5）基于视频融合场景开展二三维联动的隧道保畅、事故救援、设施管理、应急响应等运营管理应用实践。示范应用结果表明，该方法有助于实现更加实时、高效、智能的隧道管理与服务。     

基于路测图像与改进 ResNet50 网络的自动驾驶场景天气识别算法

为了充分利用自动驾驶汽车路测图像数据,增加行驶过程中对天气情况识别的准确性,提出了一种基于改进 ResNet50 网络的自动驾驶场景天气识别算法。该算法将 SE 模块与 ResNet50 网络相结合,通过在 ResNet50 网络 4 组模块内加入 SE 模块,以便更好地拟合通道间复杂的鲁棒性。基于自动驾驶汽车路测图像数据对所提算法进行 Python 编程实现,结果表明：SE 模块的加入能够增加算法的鲁棒性和准确性,提高了自动驾驶的天气识别精度。     

VHF无线计费系统的实现

主要介绍VHF无线计费系统，在该系统中加入一个编码发送器和接发器，通过上位机对用户身份号码的加密与解密，以及采用CRC校验等技术确认用户身份，实现VHF船台用户和陆地用户通话的准确计费。     

语音、图像、数据三网合一技术在申嘉湖高速公路的应用

根据高速公路的语音、图像和收费数据等业务需求,结合信息技术发展趋势,在浙江省内高速公路首次采用"三网合一"新技术。采用数字化国际标准压缩,通过光纤进行传输,具有强大交换功能的编解码设备,可以集中处理来自不同网络的大量标准压缩数字视音频信号及其他数据,实现数据、语音和图像在传输上的"三网合一",符合高速公路建设、运营管理的超前理念,是未来高速公路机电系统行业的发展趋势。