人机混驾环境下基于LSTM的无人驾驶车辆换道行为模型

道路系统中的人机混驾交通环境是指人工驾驶车辆与自动驾驶车辆混合运行的交通环境，其中换道行为建模是人机混驾环境下无人驾驶车辆行为研究的热点。基于深度学习理论，构建人机混驾环境下基于长短期记忆神经网络的无人驾驶车辆换道行为模型（Long-short-term-memory-based Autonomous Vehicles Lane Changing，LSTM-LC）。通过研究人工驾驶车辆在换道过程中与周边车辆的相互作用，对换道行为影响因素进行分析；同时，为了提升模型的迁移性，引入道路横向偏移量信息。结合LSTM神经网络的输入要求，使用美国公开交通数据集Next Generation SIMulation（NGSIM）构建换道行为样本库。针对LSTM-LC模型，以均方差MSE作为损失函数，使用RMSprop优化方法进行训练，对LSTM网络结构、历史序列长度N及训练样本量3个重要参数进行标定。最后，针对道路横向偏移量M对LSTM-LC模型性能的影响进行对比试验。研究结果表明：相比GRU-LC模型，LSTM-LC模型对换道行为的表征更准确，在模型的精度和迁移性上有着显著的提升；GRU-LC模型的均方差为4.64 m²，迁移性均方差为119.82 m²，而LSTM-LC模型的均方差为3.18 m²，迁移性均方差为79.58 m²，分别优化了31.5%和39.71%；通过引入道路横向偏移量M，可将LSTM-LC模型精度和迁移性提升约10%，且模型稳定性更强。     

2015,让我们做得更好!

<正>又是一年辞旧迎新时,对于从事期刊工作的人而言,月复一月,感觉时间流逝总是如白驹过隙一般。回首我在《摩托车》杂志工作近十年来的种种,很多记忆中的画面都像是发生在昨日,让人感叹,也让自己对做好现在、布局未来有了更坚定的信念。就在刚刚过去的2014年,《摩托车》杂志又有了许多新的变化。首先,杂志官方微信公众号的成功无疑是最重要,也是最令我们兴奋的。短短一年时间,我们取得了汽摩类公众号前五、全网平面媒体公众号前二十的     

综合管廊覆土较浅时台背回填处理措施浅析

城市综合管廊目前在我国大力推广,使用范围及规模也越来越大。沿道路敷设的综合管廊,其覆土深度直接影响工程投资及道路的路面质量,当覆土较浅时其台背回填处理措施应着重设计。结合实际工程经验对综合管廊的台背回填处理措施进行分析研究,有关经验可供相关专业人员参考。     

道路多功能检测车

北京市中科盈恒科技有限公司研制的道路多功能检测车，能够快速实时地检测各等级公路路面的平整度、车辙、构造深度、几何数据、道路资产和路面破损状况等技术特性，为竣工验收、预防性养护以及路面管理系统提供综合高效的数据支持。道路多功能检测车如图1所示。     

基于GBRBM-DBN模型的短时交通流预测方法

为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%.      

微博

我们在http://weibo.com/rmcm1984,快来跟我们互动吧!山推股份:2014山推股份国内代理商年会于1月17日在美丽杭城盛大召开,大会对2013年的工作做了深度总结,并对新的一年进行规划。为激励2013年表现优异的代理商再创佳绩,山推将倾情赠送奥迪Q7(2台)、Q5(3台)、Q3(5台)、山推服务车(8台)等大礼。具体花落谁家,敬请期待!     

2010年中、重卡车市场增速将大幅回落——2009年中、重卡车市场深度分析及2010年预测

<正>2009年,全球经济陷入底谷,中国车市在面临世界金融危机、全球市场普遍低迷的情况下,实现产销高速增长。据中国汽车工业协会统计,2009年我国汽车产销量分别达到1379.10万辆和1364.48万辆,同比大增48.30%和     

汽车发动机在用机油斑点图谱检测法

<正>把一滴在用发动机机油滴到滤纸上。油中各种杂质便随着油滴慢慢向四周扩散,杂质的粒度不同,因而在滤纸上形成颜色深度不同的环形斑痕,这就是"斑点图谱法"。此法主要用于检查机油的剩余洁净性,从斑点的颜色粗略地判断在用机油中污染物的多少和机油被氧化的程度,从而了解在用机油的污染变质     

长安铃木新奥拓用车调查

在做深度测试时，这辆外形可爱，内饰精巧的小车曾用它灵巧的操控和惊人的油耗赢得了编辑部同仁们的一致好评。时隔数月，当马路上越来越多的新奥拓用自己鲜亮的色彩扮靓街市时，我们不禁很想知道，是不是已有更多的人和我们当初的体会相同……     

山岭隧道爆破效果神经网络评价模型及爆破参数优化决策方法研究

针对山岭隧道爆破开挖普遍存在的超欠挖过大、渣体块度不适等问题，分析了造成这些问题的主要因素，确定了隧道爆破开挖效果评价指标体系，建立了以爆破块度和超欠挖量为预测目标的隧道爆破效果神经网络评价模型，提出了基于深度学习的隧道爆破渣体块度实例分割算法，形成了山岭隧道爆破参数优化决策方法，进而开展了工程应用与验证。结果表明：（1）基于深度学习的隧道爆破渣体块度实例分割算法检测出的块体大小与真实值误差小于6.9%（置信度为95%），实现了隧道渣体块度样本数据的快速获取；（2）经148组工程实践样本数据训练后的隧道爆破效果神经网络评价模型能够较为准确地预测出爆破渣体块度与超挖量；（3）爆破参数优化后试验断面的平均线超挖量均在10%左右，较原方案降低了50%以上；实测得到的渣体块度与超挖值与模型预测结果一致性良好，偏差小于20%。