轻型汽油车N_2O排放特性研究

选择1辆满足国Ⅴ排放标准的轻型汽油车作为试验样车,应用全流稀释排放测试系统在FTP75和US06测试循环下,对车辆在不同测试工况下的N_2O排放水平、车辆N_2O排放的影响因素以及N_2O排放随着车辆里程增加的劣化情况进行了研究。研究结果表明:FTP75循环下的N_2O排放结果高于US06循环,前者是后者的4倍左右;在冷起动阶段,由于催化剂没有达到正常的工作温度,车辆会产生较多的N_2O排放,且随着燃油硫含量的增加,车辆的N_2O排放呈现上升的趋势;随着车辆里程的不断增加,车辆的N_2O排放存在一定程度的劣化。     

基于GPS载波相位信号确定运动体姿态的关键技术

应用GPS载波相位信号确定运动体姿态,针对二维两天线系统情况,设计了姿态测量系统的硬件结构及算法流程框图,文章介绍了GPS姿态测量的关键技术：GPS姿态观测方程、整周模糊度的解算、误差的消除。从系统设计角度证明了技术的可行性。     

后轮对独立回转转向架与传统转向架曲线通过性能的对比研究

利用典型的线性稳态模型对传统转向架和新型转向架（后轮对独立回转转向架）的曲线导向能力进行了分析。建立了具有14个自由度的非线性车辆模型,对最佳的一系纵向刚度布置（前导轮对的纵向刚度较小,跟从轮对的刚度较大）的新型转向架和传统转向架车辆的曲线性能进行了仿真对比。仿真结果表明,新型转向架的曲线导向性能优于传统转向架。     

双车道公路危险路段评价指标与安全改善对策

选取相邻路段车速差△V、车速降低系数SRC和速度离差作为鉴别双车道公路危险路段的三个评价指标,从道路工程措施和交通安全设施两方面对事故多发路段进行安全改善对策研究。以内蒙古S203公路为例,利用评价指标进行危险路段判析,针对K465＋900急弯陡坡危险路段,通过线形改造以及设置交通标志标线、减速设施、避险车道和防护设施等一系列工程改造措施,进行安全改善综合方案设计。     

���˹���������������ɢ��������ʵ֤����

国家体育场作为北京奥运会的主会场成功地承担了开闭幕式和田径赛事任务。本文研究了其停车场车辆的交通疏散问题,制定了疏散方案。首先,分析了国家体育场停车场和泊位布局及车辆疏散的具体条件。其次,通过给定环境的场景和参数设定,对具体的奥运场馆停车场车辆的疏散方案进行了仿真和评价。最后,利用奥运会开幕式的车辆疏散实测数据进行了对比分析,在仿真中要员和贵宾车辆的总疏散时间为26min,而奥运会开幕式车辆疏散实测结果表明,全部要员、贵宾疏散完毕,共用时27min,从而验证了车辆疏散方案的准确性和实用性。     

城市公交GPS轨迹路线图制作研究

以哈尔滨市104路公交为主要研究对象,详细介绍城市公交的GPS轨迹路线图制作时所需的软硬件,以及数据的采集方法,叙述数据的整合与分类过程。通过将主要公交站点周围兴趣点信息增添到轨迹点附近,构成包含有站点轨迹信息、站点影像信息的沿途轨迹信息。经过整合与分类,通过HOLUX ezTour软件对数据进行处理,阐述轨迹查询、地标的新增与删改和轨迹的添加与变换等功能。并使用Google Earth三维图像对轨迹路线全面整合,最终制作成城市公交GPS轨迹路线图。     

����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。     

Experimental Investigation of the Effect of Bow Profiles on Resistance of an Underwater Vehicle in Free Surface Motion

In this paper, towing tank experiments are conducted to study the behavior of flow on a model of the underwater vehicle with various shapes of bows, i.e. tango and standard bows in free surface motion ...     

LonWorks分布式控制网络技术在轨道列车中的应用

LonWorks作为一种成熟的控制网络技术,己在列车通信网络中得到广泛的应用,但因不能实现自动编组,且与车辆总线的连接也有问题,使其运用受到限制。现提出了初步解决方案,并通过实验进行了验证。