一种融合ST-GCN算法的高速公路节假日流量预测模型

为高效准确地预测节假日期间高速公路重要路段的交通流量,提出一种融合时空图卷积网络(Spatio-Temporal Graph Convolutional Network, ST-GCN)的高速公路节假日流量预测模型。该模型采用平均速度、交通流量等重要的交通指标作为交通状态评价体系要素,对节假日期间高速公路的交通态势进行综合预测;融合ST-GCN算法模型,综合考虑时空特性,得到准确度较高的预测结果。以宁夏回族自治区高速公路的节假日交通信息为研究对象,对该模型的有效性进行验证,结果表明,该模型相比其他常用预测模型准确度更高,具有更好的稳定性和鲁棒性,预测结果可供高速公路的管理和运营参考。     

ESP硬件在环试验平台的研究与开发

应用Matlab/xPC开发工具,为汽车稳定性控制系统的研究设计开发了硬件在环试验平台。该平台包括实时硬件和系统模型,并利用该平台进行了汽车稳定性控制系统的硬件在环仿真测试。测试结果表明,所开发的硬件在环平台符合测试的要求,所设计的控制算法提高了汽车的操纵稳定性。     

基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法

为实现汽车碰撞试验假人响应曲线数据集的类别辨识,研究了面向智能优化算法的问题转换与构造方法。针对假人曲线数据的特征处理与分类过程,提出了一种基于社会蜘蛛粒子群优化算法（SSI-PSO）的碰撞试验多变量时序数据特征选择与分类方法;利用汽车碰撞试验采集的假人曲线数据,测试和验证了该方法。结果表明：本文方法可获得面向假人曲线数据分类的最佳特征组合方式与较小规模的神经网络结构;该方法的假人曲线分类模型性能提升17.5%、分类精度达到96.5%。因而,实现了对碰撞试验假人响应曲线标注信息的有效分类。     

基于改进的YOLOv3模型的焊缝缺陷检测方法研究

文章针对目前汽车生产线中焊接检测自动化程度较低、检测鲁棒性较差等问题,利用深度学习算法的特征提取能力,提出了一种基于改进的YOLOv3模型的焊缝缺陷检测方法.该方法基于连通域提取工件上的焊缝图像,并将提取到的焊缝图像输入到改进的深度学习模型中进行训练,通过融合大、中、小3个尺度的感受野,实现不同尺度焊缝缺陷的高精度识别...     

强化"三种意识"不断提高依法管装治装层次和质量

强化条例法规意识，确保部队装备管理工作正规有序 一是要学条例法规，提高依法办事的自觉性。要把对条例法规的学习纳入部队政治教育计划，做到学习时间、学习内容、学习人员、学习效果等“四落实”。通过宣讲辅导、智力竞赛、讨论交流等形式，逐条逐款地弄清条例标准，使各级、各类人员学懂弄通装备管理的基本制度，掌握装备管理的各项规定，提高依法管理的能力，形成依法管装、依法洽装的良好氛围。二是要对照条例，治理装备管理的重点和难点问题。要建立、健全装备管理机制，对照条例要求，严格落实装备动用、使用、保养、保管、封存、登记、统计等规定，杜绝管理漏洞。对重点和难点问题，要集中力量进行治理，认真查找原因，深入剖析根源，制定相应的整改措施，确保整治效果。三是要加大检查督导力度。落实装备管理检查制度，在经常化、制度化上下功夫，将经常检查与定期检查、随机抽查与普遍检查相结合，以检查促管理。督促装备管理工作落实。     

基于Q-learning和BP神经元网络的交叉口信号灯控制

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。     

基于LTE-V2X车路协同技术仿真验证方法的研究

智能网联汽车是我国战略发展的重点支持领域。车路协同技术是智能网联汽车的重要应用方向和基础支撑。车路协同仿真验证技术是车联网智能化基础设施建设及示范应用开展的重要保 障。     

基于深度学习与支持向量机的钢轨伤损智能识别系统

目前国内钢轨探伤车检测系统都带有自动伤损识别功能,但由于采用了基于既有规则的简单逻辑判断方法,其自动识别的准确率不高,误报较多,伤损漏报的现象时有发生。针对该问题,根据钢轨探伤车所检测数据的特点,提出了基于深度学习与支持向量机的钢轨伤损智能识别系统技术方案;采用深度可分离卷积与选择性搜索相结合的方法进行目标定位;基于人工构建的多维特征,采用支持向量机方式进行伤损图像分类;并通过使用实际线路所测数据中的人工标注样本进行测试,验证了方法的有效性。测试结果表明,该系统在各项技术指标上均表现优异,伤损检出率达到99.8%,误报率降为12%,分类准确率达到95%以上。