基于PR-OWL的战术意图识别概率本体建模

网络中心环境下的战术意图识别问题具有不确定性和分布式等特点,如何描述战术意图领域的不确定知识是战术意图识别的基础。考虑到网络中心环境下战术意图识别过程中知识共享和协同识别的需要,论文首先建立一个适合网络中心环境下战术意图识别系统的框架结构;然后提出一种基于PR-OWL的战术意图领域知识的概率本体模型建模方法;最后,给出一个战术意图识别概率本体模型的设计实例。     

面向混合交通流的智能网联车鸣笛意图识别模型

为使混合交通流(Mixed Traffic Stream,MTS)下智能网联车(Intelligent Connected Vehicle,ICV)实现鸣笛意图(Horn’s Intention,HI)识别,更好地遵循常规车辆(Manual Vehicle, MV)的驾驶意图,提出ICV 对MV 鸣笛声的“ 感知(Perception) - 定位(Location) - 识别 (Recognition)”模型(简称HI-PLR),采用深度卷积-循环神经网络(Deep Convolution Recurrent Neural Network, DCRNN)算法感知鸣笛车辆(Horning Vehicles, HV)的鸣笛声;采用到达时差 (Time Difference of Arrival, TDOA)算法定位HV;再基于运动时间窗(Motion Time Window, MTW)的支持向量机(Support Vector Machine, SVM)算法识别HI.实验结果表明,HI-PLR可使 ICV 对混流中车辆的鸣笛声感知准确率达90.4%,定位角度估计误差小于5°,HI 识别率达 82.5%,为ICV在MTS中的智能驾驶决策提供依据.     

智能网联车辆混行交通流中灯语意图识别模型研究

为使混行交通流下智能网联车辆(Connected and Automated Vehicles, CAV)实现对人工驾驶车辆(Human-driven Vehicle, HV)前照灯灯语意图(Vehicle Headlights Intention, VHI) 的识别,弥补车对车(Vehicle to Vehicle, V2V)和鸣笛意图识别技术的不足,更好地与HV交互沟通,提出CAV对HV的VHI识别模型.模型包括：灯光感知、光数据处理、VHI识别3个模块,灯光感知模块通过RGB(Red-Green-Blue, RGB)和HSV(Hue-Saturation-Value, HSV)颜色空间感知前照灯(Vehicle Headlights, VH),采用KLT(Kanade-Lucas-Tomasi Tracking,KLT)和车辆匹配算法定位跟踪发出灯语的HV;光数据处理模块采用光通道增益算法计算光辐射通量变化; VHI识别模块基于双层隐马尔可夫模型(Double-layer Hidden Markov Model,DHMM)辨识VH 闪烁次数和HV行驶状态,实现VHI识别.在3种灯语示意典型场景下的实验结果表明：1 s内 VH感知准确率为96.8%,定位跟踪精度小于1°,VHI识别率为96.6%,满足混行交通环境下 CAV对HV驾驶意图的识别要求,基本保证实时性,为混行交通流中CAV自动驾驶决策提供理论依据.     

基于GM-HMM的DCT车辆驾驶员起步意图辨识研究

针对当前DCT控制系统对起步意图辨识准确度不高的问题,提出了一种基于高斯混合隐马尔科夫模型(GMHMM)的起步意图辨识方法:根据DCT车辆实车起步纵向加速度分布特性,将起步过程分为8个时段,基于K均值聚类算法对各时段内平缓起步、一般起步以及紧急起步进行定义,在此基础上对各时段3类GM-HMM进行训练,通过对比0.3 s内油门踏板开度时间序列在不同模型中的对数似然概率确定当前驾驶员的起步意图。经过验证,模型的平均查全率达88.7%,耗时7 ms,具有较高的辨识准确率和较好的实时性。     

HEV制动意图识别的研究

基于大量的工况数据建立辨识模型,实现了对制动意图的准确识别.在此基础上优化了再生制动的控制策略.仿真结果表明,通过制动意图识别可有效地优化混合动力汽车再生制动的控制策略,从而进一步改善混合动力汽车制动时的驾驶感觉和燃油经济性.     

基于制动意图的电动汽车复合制动系统制动力分配策略研究

文中对制动意图的识别和不同制动意图所要求的不同的制动力分配策略进行研究.通过试验,验证了制动意图识别算法和制动力分配策略的可行性和有效性,为复合制动系统的应用奠定了基础.     

国家民航局与港澳联合开展JMM维修训练标准化审查

为了进一步加强中国民航局、香港民航处和澳门民航局在民用航空器维修领域的合作,努力推进内地与港澳三方在民用航空器维修培训单位方面的相互认知,由中国民航局飞行标准司、香港民航处飞行标;隹适航部和澳门民航局适航事务厅三方组成的JMM（联合维修管理）维修训练标准化联合审查组,     

基于模糊约束的空中交通流量预测模型研究

鉴于传统流量预测模型存在预测精度差、耗时长、效率低的不足,将模糊约束引入空中交 通系统,用于表示人工智能领域中一些不确定的信息,构建了基于模糊约束的空中交通流量预测模型。通过分析影响模糊约束的决策向量、模糊参数向量及模糊约束集三个因素,提出预测模型 的构建流程,选取空中交通路线多转折点,并获取模糊矩阵,建立了空中交通流量预测模型。实验结果表明,对空中交通流量进行预测时,采用改进的预测模型相比传统预测模型的预测结果较 优、耗时较短、精度较高。     

基于Hilbert-Huang变换的制动意图聚类识别EI北大核心CSCD

为了进一步提高电动汽车再生制动系统对驾驶员制动意图的识别准确率,从而使电动汽车能在制动的过程中回收更多的能量,提出了基于Hilbert-Huang变换(HHT)的电动汽车制动意图聚类识别方法。建立了HHT的数学模型,基于HHT在时频域中进一步探寻中等制动和平缓制动两种制动意图下制动踏板行程信号的特征。建立了制动踏板行程信号特征提取模型,运用Hilbert局部边际能量谱得到局部特征能量,从而对信号特征进行提取,获取信号的特征向量。建立基于模糊C均值聚类算法的制动意图识别模型,并分别进行了离线实验和实时实验。结果表明所提出的基于HHT的制动意图模糊C均值聚类识别方法能更好地分辨中等制动和平缓制动意图,提高了识别准确率,并具有较好的实时性。     

基于动作预测与环境条件的行人过街意图识别

考虑到人车冲突多发于行人过街过程,本文中提出了一种基于行人动作预测与环境条件的过街意图识别网络MIFRN,它通过结构各异的子网络分别对行人的未来动作信息、行人周围的局部交通场景、车速和人车距离信息进行编码,并在信息融合的基础上预测行人是否有过街意图.最后在公共数据集PIE和JAAD上验证了算法的性能.结果表明:本文提出...