基于改进GAN的端到端自动驾驶图像生成方法

基于端到端数据系统的自动驾驶系统对驾驶图像存在巨大需求。为解决一般生成式对抗网络模型在扩充驾驶图像数据集时不稳定及生成图像特征缺乏多样性的问题,研究1种改进网络模型LS-InfoGAN。结合最小二乘对抗损失防止模型梯度消失,并缓解生成器优化矛盾,提升模型训练稳定性。通过最大化生成图像与真实图像间的互信息提升生成器特征学习能力,改善生成图像特征多样性。利用转置卷积层还原图像特征,提升生成图像特征清晰度。以自主构建的模拟驾驶场景中获取的带标签驾驶图像集对模型有效性及其数据集扩充应用效果进行验证。实验分析表明：相比改进前模型,LS-InfoGAN模型的图像生成过程稳定性平均提升35%;使用此模型扩充的数据集进行端到端自动驾驶系统中决策网络的训练能在不采集新图像的情况下将系统决策性能提升1%~2%;建议使用此模型扩充图像数据集时将生成图像数量设置为原始训练集图像数量的1~2倍。

     

和谐系列电力机车接地故障模式下的运用可行性分析

介绍了和谐系列电力机车的3种接地故障检测方式,并对不同接地检测方式在不同接地范围发生单点接地时,隔离故障变流器后机车继续保持运行是否存在电气安全隐患进行了风险评估.通过仿真分析,当单点接地故障发生在电机侧、中间直流环节侧或牵引变压器二次侧x端时,无论机车采用哪种接地故障检测方式,均可通过隔离故障变流器的办法,使机车继续...     

不确定环境下交通网络应急预防护优化研究

交通网络是灾害发生后实施及时救援和应急疏散的重要物质基础之一.为提高交通网络在灾害中的抗毁能力,保证交通网络的可靠性,针对不确定环境下的交通网络应急预防护问题,以灾前养护加固成本和灾后修复费用最小化为目标,同时考虑资金预算、灾后网络连通性、旅行时间可靠性和灾后路段通行能力等约束,构建了双层规划模型进行问题描述,并利用基...     

船舶航行安全的可持续改善途径

回顾了国际海事组织(IMO) 成立以来的国际海上安全状况和控制途径, 揭示了“国际安全管理规则与港口国监督” (ISM规则+PSC) 模式的运作机制、实质和局限性, 提出用MMEM理论来完善该模式和实现技术与管理的有机结合; 强调置身于安全文化中, 对“技术、管理、观念”进行综合促进, 是持续改善海上安全的必由途径。     

战略成本管理的基本方法及其在交通运输企业的应用

介绍了战略定位分析、价值链分析和成本动因分析等西方战略成本管理的基本方法,并对它们在交通运输企业中的应用作了初步探讨,对于培育交通运输企业的竞争优势、降低成本、提高成本效益具有重要意义。     

与交通标志信息有关的驾驶人短时记忆衰减研究

研究驾驶人交通标志信息记忆量随时间的变化规律,能够为城市道路交通标志设计及实施应用提供有力支撑。在分析短时记忆时间规律、交通标志信息传输及度量的基础上,以一条有交通信息标志的实验路段为例,采用实验车调查法,结合心理学记忆理论,分析交通标志信息量对驾驶人短时记忆的影响,探究交通标志信息记忆量随时间变化的规律。结果表明,驾驶人对交通标志信息的短时记忆衰减规律符合艾定浩斯遗忘曲线。     

三维约束重力模型及其应用

双约束重力模型对多中心、长距离组团之间的出行分布描述误差较大,因此需要建立一种多条件的约束模型。从最大熵模型理论入手,在产生量与吸引量双约束基础上,新增第3类约束条件。利用总体阻抗约束最大熵模型推导出三维约束重力模型的一般形式,增加了缩放系数,并利用重力式先验概率的最大熵模型对其进行论证。同时,提出了模型参数标定与检验方法。以福州市交通分布模型为例,对长距离出行约束和跨江出行约束进行分析,并分别应用双约束和三维约束重力模型进行计算,结果说明了三维约束重力模型的可操作性和优越性。     

建成环境对城市停车需求影响的非线性模型

为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系.通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别构建建成环境对停车需求影响的普通最小二乘(Ordinary Least Squares,OLS)模型...     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。     

基于非线性超声的CL60车轮和U75V钢轨磨损检测方法

针对早期轮轨滚动磨损变化过程难以通过无损手段进行表征的问题,提出了非线性超声技术对不同磨损程度的CL60车轮与U75V钢轨试样进行检测评估;建立了基于轮轨试样表面磨损特征的Murnaghan模型,并利用非线性超声有限元仿真,通过塑性变形层厚度变化情况模拟不同程度的摩擦损伤,分析了其相对非线性系数变化规律及其产生原因。试验结果表明：轮轨的早期磨损会导致材料表面产生塑性变形层,随着塑性变形的加剧,材料损伤将以微裂纹为主,车轮角加速度越大,轮轨间相对滑动作用时间越短,塑性变形层越薄,且CL60车轮较U75V钢轨磨损程度更为严重;CL60车轮试样在车轮角加速度分别为10、250、1 500 r·min^-2时,对应的相对非线性系数分别为12.19、8.43、5.68,U75V钢轨试样在车轮角加速度分别为10、250、1 500 r·min^-2时,对应的相对非线性系数分别为7.57、6.09、5.04,与CL60车轮试样相比,U75V钢轨试样的相对非线性系数变化缓慢。可知,相对非线性系数与塑性变形层厚度呈正相关,微裂纹产生的非线性效应比塑性变形层更强,相对非线性系数增幅更大,因此,可通过材料的相对非线性系数变化判断材料的磨损阶段。