我国汽车产业不安全因素的成因及对策

虽然我国已是汽车生产大国,但不是汽车强国,我国汽车工业还存在许多不安全因素,丈章阐述了11种不安全因素的形成机理及对策,指出这些不安全因素的构成,除历史原因外,也有一些政策上因素,建议国家有关部门加大鼓励自主开发力度和汽车科研力度,限制外方兼并和控股,鼓励自主品牌企业做大做强。     

基于在线地图交通状态的关键道路动态识别方法

交通拥堵问题日趋严重,关键道路识别成为了交通领域的研究重点. 以在线地图的交通状态数据为基础,利用时空相关性理论计算道路交通状态的预测值和波动影响值,并通过Moran 散点图划分道路类型,提出了基于在线地图交通状态的关键道路动态识别方法. 首先,调用在线地图开发者平台API 采集路网的交通状态数据,利用集成学习动态预测交通状态;其次,分析交通状态波动的传播结构,以此量化道路对其近邻道路的影响值;然后,结合道路交通状态的预测值和波动影响值划分道路类型,进而识别出关键道路;最后,以实际路网为例,论证方法可行性.     

基于形态检测与深度学习的高空视频车辆识别

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.     

基于混合近端策略优化的交叉口信号相位与配时优化方法

交通信号优化控制是从供给侧缓解城市交通拥堵的重要手段,随着交通大数据技术的发展,利用深度强化学习进行信号控制成为重点研究方向。现有控制框架大多属于离散相位选择控制,相位时间通过决策间隔累积得到,可能与智能体探索更优动作相冲突。为此,本文提出基于混合近端策略优化(Hybrid Proximal Policy Optimization, HPPO)的交叉口信号相位与配时优化方法。首先在考虑相位时间实际应用边界条件约束下,将信号控制动作定义为参数化动作;然后通过提取交通流状态信息并输入到双策略网络,自适应生成下一相位及其相位持续时间,并通过执行动作后的交通状态变化,评估获得奖励值,学习相位和相位时间之间的内在联系。搭建仿真平台,以真实交通流数据为输入对新方法进行测试与算法对比。结果表明：新方法与离散控制相比具有更低的决策频率和更优的控制效果,车辆平均行程时间和车道平均排队长度分别降低了27.65%和23.65%。     

多网联范围下的智能网联车换道决策组合模型研究

为提升不同网联范围下智能网联车(Intelligent Connected Vehicles, ICV)的换道效率,结合深度强化学习和分子动力学理论,提出一种融合掩码机制和注意力机制的双深度Q网络(MaskAttention-DDQN, MAQ)换道决策模型。首先,在SUMO (Simulation of Urban Mobility)仿真环境中采集网联范围内ICV及人工驾驶车辆(Human Drive Vehicles, HDV)的行驶状态信息。其次,搭建MAQ模型,采用掩码机制和注意力机制方法,实现固定模型输入大小,以及实现置换不变性。第三,为实现车辆间影响程度的数值化,以车辆间相对速度和相对位置为参数,使用分子动力学理论为网联范围内HDV信息赋予权重。最后,分别在不同交通密度仿真环境中对不同换道决策模型和赋权方法进行对比,并测试ICV在不同网联范围(80~330 m,以50 m为间隔)下的换道决策效果。仿真结果表明,以40辆HDV、100m网联范围为例,MAQ模型比DeepSet-Q模型拟合精度提高了90.2%;分子动力学赋权方法相比线性权重赋权方法总奖励值提高了5.5%,ICV平均车速提高了4.8%;ICV平均车速随着网联范围的扩大,呈现出先增大、再减小、后趋于平稳的变化规律。     

基于压缩感知和字典学习的背景差分法

针对当使用背景差分法时,背景存在突变和渐变、图像数据的冗余和伪前景对目标检测的干扰等问题,提出一种基于稀疏表示和字典学习的背景差分法。该方法首先训练视频流得到其数据字典,并根据数据字典学习与稀疏表示理论建立背景模型,可以有效减少数据的冗余。然后根据目标及其邻域的密集度进行目标分割,以排除前景的干扰。最后再根据数据字典的更新算法,有效解决了背景的突变和渐变问题。实验结果表明,该方法具有可行性。     

基于深度 Q 网络的城市轨道交通协同限流方法

为解决城市轨道交通高峰小时区间满载率过高的问题,本文提出一种基于深度强化学习的城市轨道交通协同限流控制方法。该方法利用历史客流数据建立线网层面的限流仿真环境和智能体模型,以区间满载率为状态,以限流策略为动作,以客流体验为奖励,通过多轮强化学习训练产生最优的限流方案。随后利用北京地铁线网数据构建仿真实验并验证了该方法的有效性。仿真结果表明,协同限流方法可以有效降低断面客流量,缓解高峰小时区间拥挤程度,提高乘客出行舒适度。     

桑代克"三大律"与乒乓球课程关系探析

以桑代克试误学习理论为基础,从乒乓球学习的角度对准备律、效果律和练习律的理论进行了进一步描述与探讨,并结合乒乓球课程的自身特点分析准备律、效果律和练习律———既“三大律”对乒乓球课程学习的启示,就如何提高学生学习乒乓球课程的效率进行了初步的理论探索。     

高职电子技术课程教学改革探索 ——以台州职业技术学院为例

在互联网时代,随着国情校情学情的改变,相应的课程教学必需进行不断改革探索与总结,以提高课程学习效率,在台州职业技术学院电子技术课程的改革中,基于项目教学实践,对教学内容选取和设计、教学方法、数字资源建设、学习评价的调整进行研究和探索,依托超星学习通平台进行课程改革探索,经过三年的教学实践,取得一定效果,提高了学生在课程学习中的参与度与积极性,从三个年级课程统计分析结果来看,班级平均分逐年提高,供其他高职院校课程教学参考。     

工科院校英语专业低年级学生词汇学习策略研究

以一所工科院校英语专业146名一年级学生为调查对象,采用问卷、词汇量测试等工具,研究了英语专业低年级学生词汇学习观念和策略的总体倾向,以及词汇学习观念和策略对词汇测试成绩的影响程度.结果发现:1)参加调查的学生普遍倾向于"通过上下文和应用来学习词汇"的观点;2)他们广泛运用各种词汇学习策略来帮助学习;3)词汇学习观念与词汇量之间无相关性,而六种词汇学习策略被证明对词汇学习最有效;4)高分组和低分组学生在四种词汇学习策略的使用上存在显著差异.本文根据调查结果进行了简要的分析,并从教与学的角度提出了建议.