排序方式: 共有57条查询结果,搜索用时 15 毫秒
11.
12.
基于深度学习的目标检测算法在自动驾驶领域的比重日益上升。文章首先介绍了基于深度学习的卷积神经网络和目标检测算法的发展过程,其中简要介绍了几种经典卷积神经网络模型的结构特点;然后详细介绍了以R-CNN系列为代表的基于候选框的two-stage算法和以YOLO系列为代表的基于回归的one-stage算法,简要介绍了这两大类算法各自的结构和优缺点,最后总结了目标检测算法在自动驾驶场景中应用时比较常用的几种优化方法和研究趋势。 相似文献
13.
介绍了适用于城轨交通的移动闭塞信号设计思想,分析其安全性原理及可行性,并以广州地铁3号线为现有条件,重点阐述了基于环线的移动闭塞的列车控制系统的应用与防护实现。 相似文献
14.
15.
蓟县至大港市域快速铁路速度目标值研究 总被引:1,自引:1,他引:0
陈修平 《铁道标准设计通讯》2014,(11):44-47
随着城市化进程的快速发展,市域快速轨道交通已成为城市建设的需要。而目前尚未形成适用市域铁路系统的标准和规范。根据蓟县至大港市域铁路功能定位和客流特点,提出可能的速度目标值方案;对不同速度目标值方案结合规划、总体布局、站间距、运行时分、工程投资等多方面分析,实现工程的综合效益最优,提出适宜本项目的速度目标值。 相似文献
16.
新建北京至霸州铁路速度目标值分析 总被引:1,自引:1,他引:0
《铁道标准设计通讯》2017,(7):15-19
结合线路的路网功能定位,从时间目标值需求、工程技术、工程投资等方面综合比选确定京霸铁路的速度目标值,以期为在上述因素方面与该线具有类似特点的城际铁路的速度目标值选择提供一定的参考。研究结论:(1)根据本线的路网功能定位、时间目标值的要求,并结合客运网各线建设标准,京霸铁路北京至北京新机场段速度目标值宜为200~350 km/h之间,北京新机场至霸州段速度目标值宜为250~350 km/h之间;(2)通过技术经济比较,京霸铁路北京至北京新机场段新建线暂推荐250 km/h速度目标值方案;北京新机场至霸州段推荐350 km/h速度目标值方案。 相似文献
17.
近年来,社会经济持续高速的发展,人均汽车占有量迅速增加。为了避免车辆追尾等事故发生,结合道路环境下目标检测的难点及要求,文章选择基于卷积神经网络的YOLOv3算法,并针对YOLOv3中使用的k-means聚类算法初始时随机选择质心这一不稳定性以及原本的darknet53网络层数较低导致精度不是很高的问题,引用k-means++聚类算法对k-means聚类算法进行优化,并将darknet53替换成特征提取能力更强的resnet101,进行算法优化。实验结果显示优化后的算法mAP提高了12.2%,基本符合实际应用检测的精度要求。 相似文献
18.
《铁道标准设计通讯》2017,(1):30-33
对拟建的浦梅铁路建宁至冠豸山段所在区域路网中运量预测、功能定位、相邻铁路技术标准等进行分析,以确定合理的铁路技术标准。以运量为依据,以路网协调统一为原则,从地形适应、运输组织和投资规模等方面对本线主要技术标准进行综合比选,其中对120 km/h和160 km/h速度目标值进行分析比较,限制坡度采用9‰和13‰进行了分析比较,提出采用单线铁路、电力牵引、速度目标值160 km/h以及全线限制坡度采用13‰、本段按9‰控制等主要技术标准的推荐意见。 相似文献
19.
结构可靠度理论越来越多地被用到桥梁设计、评估与管理领域。其中一个重要的参数———目标可靠指标的取值直接影响分析结果的可靠性。采用近年发展起来的基于风险分析的生活质量准则,结合对既有公路桥梁的时变可靠度分析提出了确定桥梁评估实时的目标可靠指标的方法。通过对一座我国路网常见的简支梁桥的实例分析,阐述了该方法的过程。算例分析表明,基于生活质量分析确定的目标可靠指标考虑了不同发达水平的社会承担桥梁失效风险的能力与期望,较规范校准法的目标可靠指标取值要更合理。本文方法可为基于可靠度和风险的既有桥梁评估和管理提供理论基础。 相似文献
20.
车辆动力学性能开发包括性能目标设定、目标分解、优化设计、底盘调校,逐渐向目标达成逼近,开发结束后实现目标达成。性能目标分解即指标分解,用简单有物理意义的理论公式关联整车指标与总成指标,将整车的客观性能指标分解至系统特性,是整车性能目标达成的关键环节,在性能开发中承上启下,是各主机厂的核心技术。性能指标分解正常在车辆开发初期,用于指标分解的模型应采用尽可能少的建模参数,建模分析迅速且模型能明确表达系统参数对整车性能的影响规律。ADAMS或CarSim模型,由于模型结构过于复杂,不适用于车辆性能的指标分解。本文建立了用于性能指标分解的模型,并基于此模型研究底盘动力学操稳转向性能指标的分解及应用方法,为车辆动力学性能开发工作提供理论指导。 相似文献