基于深度学习的交通信号灯实时决策研究

为有效缓解城市交通压力,提升交通信号控制的智慧化水平,提出一种基于图像识别并融合深度学习的多交叉口交通信号灯实时决策模型方法。采用图像识别的方法判别拥堵状态,搭建区域多交叉口交通信号灯实时决策模型,以总调度期内通行评分最高为目标函数构建深度学习网络;采用机器学习思想优化决策方案,通过预训练增加决策方案容量并缩短现场决策时间,达到实时决策的目的;将研究模型应用于湖北省武汉市武昌区中山路路段,并进行模型论证和结果分析。研究结果表明,所提出的模型方法能有效解决区域多交叉口交通信号灯联合调度问题,可为交通管理者提供更合理的决策方案。     

众筹发起人的经验学习机制：基于Indiegogo的实证研究

经验对众筹成功具有重要作用,但其内在作用机理尚不明确.为探讨众筹发起人的经验学习机制,以连续发起人为研究对象,构建不同理论模型,通过实证分析的方法对学习机制予以验证和修正,再划分出成功组和失败组,分别探索直接经验和间接经验的作用效果.结果表明：发起人的经验学习过程并非连续,经验发挥作用需要过程,符合“量变引起质变”的规律;成功组和失败组尝试次数相当,但二者学习机制明显不同,且这种差异在早期即可区分;直接经验和间接经验的作用效果均可以通过提高绩效及提升效率两方面得以体现,二者相互补充,共同助力于发起人的能力提升,从而打开了经验学习机制的“黑箱”,深化了对经验作用方式的理解,对发起人和众筹平台具有一定的实践指导意义.     

基于雷视融合的车辆跟踪系统设计研究

目前的路侧感知系统采用毫米波雷达、高清相机等单一传感器,无法对车辆同时进行识别与跟踪,难以为高速公路的调控与预警提供有效的支持。针对这一问题,文章研究设计了一套基于雷视融合的车辆跟踪系统,通过融合毫米波雷达和高清相机数据对车辆进行精准识别与跟踪,为高速公路的快速、安全通行提供数据保障。     

基于深度学习的沥青路面使用性能预测研究

在高速公路的使用过程中,路面的使用性能会由于车辆的不断经过和碾压以及天气的变化而降低。目前,道路维护均是在道路出现裂缝和其他肉眼可见的损伤后,才进行养护和维修,这样不仅会增加路面养护和维修的费用,还会错过道路维护的最佳时机,因此早期养护和及时获取待检测信息尤为关键。本文的主要研究内容是在深度学习的基础上对高速公路技术指标路面性能指数（PQI）进行智能化预测。本文利用长短记忆（LSTM）神经网络模型对河北省某高速公路的路面状况指数PQI进行了预测。结果表明,预测的PQI指标与全年的实测数据具有显著的一致性,确定性系数达到了0.7,预测结果是可靠的。     

"分层研究性学习"在田径专修课程中的运用设计

对“分层研究性学习“教学模式在田径专修教学中的运用设计问题进行了理论探讨,通过对学生进行合理的分类,确立适宜的层次目标,引导学生带着问题去学习,使学生真正成为学习的主人,力图为田径专修教法改革提供参考.     

评析马克思对学习外语的建议

按照马克思的观点,一个人要想学好外语,必须把自己的母语忘掉。很多学生也把没有学好外语归咎于没有把本族语忘掉。等者认为,把忘掉母语看成是学习外语的一种方法的观点是错误的,是本未倒置的。因为,忘掉自己的母语是不可能的,也是没有必要的。而且,所谓忘掉自己的母语也即用目标语进行思维。但是,目标语进行思维是一种结果,而不是一种手段。     

基于柔性演员-评论家算法的决策规划协同研究

为了解决基于常规深度强化学习(Deep Reinforcement Learning, DRL)的自动驾驶决策存在学习速度慢、安全性及合理性较差的问题,本文提出一种基于柔性演员-评论家(Soft Actor-Critic,SAC)算法的自动驾驶决策规划协同方法,并将SAC算法与基于规则的决策规划方法相结合设计自动驾驶决策规划协同智能体。结合自注意力机制(Self Attention Mechanism, SAM)和门控循环单元(Gate Recurrent Unit, GRU)构建预处理网络;根据规划模块的具体实现方式设计动作空间;运用信息反馈思想设计奖励函数,给智能体添加车辆行驶条件约束,并将轨迹信息传递给决策模块,实现决策规划的信息协同。在CARLA自动驾驶仿真平台中搭建交通场景对智能体进行训练,并在不同场景中将所提出的决策规划协同方法与常规的基于SAC算法的决策规划方法进行比较,结果表明,本文所设计的自动驾驶决策规划协同智能体学习速度提高了25.10%,由其决策结果生成的平均车速更高,车速变化率更小,更接近道路期望车速,路径长度与曲率变化率更小。     

我国高等学校航海类专业英语教学的现状与改进

文章根据参加交通部科技司“航海类专业英语综合评估体系的研究”课题所收集的资料、信息和意见,对我国高等学校航海类专业英语教学的地位、管理、教师、大纲、教材、方法、评估和研究与交流等方面的现状作了较为全面的总结和分析,并就如何改进我国高等学校航海类专业英语教学的工作提出了一些建议与设想。     

基于联合神经网络的水声目标识别方法

为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中.其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析.通过结果分析得出,该网络能够实现对水声目标的...     

考虑驾驶风格的智能车自主驾驶决策方法

为了提升智能车类人驾驶水平,提供符合驾乘者驾驶习惯的个性化驾驶服务,改进了DDPG算法并设计智能车驾驶决策系统,学习不同风格的个性化驾驶策略.招募20位驾驶人参加基于仿真平台的模拟驾驶实验,采集驾驶数据.运用相关性检验方法选择个性化驾驶评价指标,使用K-means聚类方法将驾驶风格进行分类.在基础DDPG算法的输出部分加入线性变换过程,形成改进的个性化驾驶决策学习算法,进而构建个性化自主驾驶系统,以3种驾驶风格作为学习目标,调节线性变换参数,在线训练并测试算法.结果表明,提出的方法比基础算法收敛速度提升21.3%.算法在测试场景中,保持了高于驾驶人的横向控制水平,车道偏移量下降73.0%,且驾驶的车辆未与道路外侧护栏发生碰撞.聚类结果显示,算法通过调节线性变换参数,能够有效学习不同的驾驶风格.