排序方式: 共有88条查询结果,搜索用时 31 毫秒
31.
为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示:AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标. 相似文献
32.
考虑路径阻抗的动态变化, 定义了网络初始荷载; 以事故持续时间为变量, 采用前景理论确定了网络负载重分配的方式; 根据交通流密度熵构建了耗散结构模型, 并与负载分配过程相结合确定了各路段的交通流密度熵变化率; 构建了基于聚类分析的交通事故影响范围分区模型, 通过仿真试验探讨了不同初始荷载和事故持续时间对分区的影响。仿真结果表明: 在交通量基数为800 pcu·h-1时, 事故持续时间从20 min增加到30 min, 直接影响区有向路段由3个增加到6个, 间接影响区有向路段由5个增加到18个, 说明受事故影响路段的熵处于快速上升阶段, 路网的级联失效不明显; 随着交通量基数增加到1 000 pcu·h-1, 事故持续时间从20 min增加到30 min, 直接影响区有向路段由8个增加到19个, 间接影响区有向路段由16个增加到21个, 说明交通量对路网的影响主要集中在直接影响区。可见, 不同交通情况下, 各有向路段受到事故路段的影响程度明显不同, 随着事故持续时间与初始流量的加剧, 路网中有向路段的受影响程度均增大, 因此, 采用交通事故影响范围分区能够精细地描述道路运行状态的动态变化过程。 相似文献
33.
34.
为了在考虑路面三维特征的基础上快速、准确、完整地识别裂缝,基于三维虚拟路面提出了裂缝自动并行识别算法。首先,对1 mm/像素的路面深度图像进行消隐处理和光照模型处理建立三维虚拟路面,通过4个角度的立体投影产生4幅投影图像(Ω1~Ω4);然后,分别对Ω1~Ω4进行降维处理、裂缝识别(包括强度验证及对称性检测)和裂缝连接,获得阴影区裂缝图像Ωs1~Ωs4及反光区裂缝图像Ωr1~Ωr4;最后,有效融合Ωs1~Ωs4及Ωr1~Ωr4的裂缝信息并进行深度验证和滑动去噪处理,获得裂缝图像。基于255张图像(4 096×2 048)的测试显示:算法具有较高的准确率(平均80.34%)和召回率(平均83.89%),以80.47%的F值优于ADA3D算法;此外,并行框架有利于程序并行化,能有效提高运算速度。 相似文献
35.
37.
为探讨干法制备废轮胎热解炭黑改性沥青混合料的工艺参数,以《沥青混合料改性添加剂第7部分:废旧轮胎热解炭黑》(JT/T 860.7-2017)推荐的湿法制备的废轮胎热解炭黑改性沥青混合料体积参数空隙率为优化目标,设定热解炭黑掺量、干拌时间、湿拌时间、矿料加热温度、混合料拌和温度和沥青加热温度等6个因素,各因素设定3个水平,进行了L27(36)正交试验,得出干法废轮胎热解炭黑改性沥青混合料最佳制备工艺参数。按照最佳工艺参数制备废轮胎热解炭黑改性沥青混合料,并对混合料进行了路用性能试验。研究结果表明:干法热解炭黑改性沥青混合料室内拌和的最佳参数为热解炭黑掺量10%、干拌时间15 s、湿拌时间90 s、沥青加热温度155℃、矿料加热温度190℃、混合料拌和温度170℃。干法废轮胎热解炭黑改性沥青混合料的动稳定度值比70号A级沥青混合料提高了83%;其他路用性能指标均满足规范技术要求。研究干法制备工艺参数对废轮胎热解炭黑改性沥青混合料应用提供了一种新工艺。 相似文献
38.
39.
身为一个汽车编辑,平时自然少不了参加试车,不过真正有机会下赛道试车的次数其实还真不多。而长安福特组织的这一次新福克斯过瘾驾驭之旅则似乎是想向媒体解释福克斯赛车在CTCC赛场上屡获佳绩的真正原因。 相似文献
40.