高速公路叠层隧道交通监控系统与新技术融合浅析

叠层隧道作为当前面对山区超大交通量的立体式交通组织解决方案,已逐步被交通行业设计者所接受,但因其隧道距离长、各层净空高度有限,叠层隧道的交通监控系统成为车辆运行安全的关键.介绍了高速公路叠层隧道的特点、交通组织类型以及当前监控所存在的问题,提出了针对叠层隧道特有的交通监控系统,并结合当前5G、BIM、数字孪生等新技术,分析了未来可利用叠层隧道特有的交通监控系统与新技术融合的应用场景,为叠层隧道的运行安全及新技术的落地示范,打开了新的思路.     

人在旅途

人生是一次旅程,这是一种被用滥了的文艺表达,但是对于言语贫瘠的我,实在想不到任何比它更贴切的语言来形容我的人生.旅行是为了什么?是为了不可企及的别处,还是为了逃离熟悉?对我来说,旅行代表着自由,旅行可以让我找回真实的宁静.     

面向决策规划系统测试的具体场景自动化生成方法

为解决自动驾驶决策规划系统仿真测试中场景文件生成效率低的问题,基于场景表示的3个抽象层次,提出了一种具体场景自动化生成方法。基于层级模型构建功能场景,并提取功能场景关键字,映射至参数空间以生成逻辑场景,最后通过关键字对参数空间进行采样,自动生成OpenSCENARIO格式的具体场景文件。仿真验证结果表明,自动生成的场景文件能够满足高等级自动驾驶测试要求,且相比于手动编写方式,该方法能减少场景文件的编写工作,提高生成效率。     

基于场景模拟的纯电动车续驶里程测试

随着新能源汽车的发展,消费者对纯电动汽车的关注度也在提升。但是消费者对实际续驶里程与宣称续驶里程数据差距大产生抱怨,严重影响到品牌形象。针对续驶里程,文章提出基于终端用户实际用车场景进行测试的方法,并对该测试流程和内容进行阐述。通过对实车测试,得出相关场景的续驶里程数据,给销售商家提供实际的数据进行宣传,降低客户抱怨,也给设计部门提供优化方向。     

法律真实物权与客观真实物权的价值选择——一则公司代职工购房案例引发的思考

不动产登记制度的确立导致在实践中产生实际权利人与经公示表征的权利人不相一致的现象 ,法律真实物权与客观真实物权并存。两种物权关系体现了不同的价值取向 ,实践中应遵循确立法律真实观念的主导地位 ,同时区分不同的情况区别适用 ,以兼顾交易的安全与真正权利人合法的权益。     

很脏,是么?是的

9月中的某日,苏格兰一处典型的高地,遮天蔽日的树林,甚至让人怀疑刚还晒得人冒汗的阳光是否真实。不过还好,我手中的方向盘真实依旧,向我传递着车轮下每一处起伏。在翻越每一处障碍的同时,我对能够成功完成G4挑战赛的勇士们的敬意,不由得再度增加。     

“自动+人工”混合驾驶环境下交通管理研究综述

为了解混合驾驶环境下交通管理的研究现状和发展趋势，以“自动驾驶汽车”发展现状为基础，分析自动驾驶汽车在混合驾驶环境下存在的问题，基于Citespace文献计量工具，CNKI核心数据库近24年（1997—2020年）有关自动驾驶研究的文献为研究数据源，从发文年代、期刊来源、研究机构、关键词等进行文献计量和可视化分析，并生成各研究机构间的关系网络图谱及关键词共现网络图谱。结果表明:国内近5年自动驾驶发文量呈上升趋势；《中国公路学报》为发文量最高的期刊；自动驾驶汽车研究的方向主要包括:①目标检测及场景感知研究；②决策与控制；③交通事故责任划定研究。在未来混合驾驶环境下交通管理应结合车路协同、高精度地图技术，从标志标线设计、信号配时优化、路权归属、交通事故责任划定等方面进行研究，使道路运输更安全、高效、便捷。      

认真实践“三个代表” 保持共产党员先进性

新时期保持共产党员先进性教育活动正在如火如荼地进行。港航消防机构的共产党员如何在岗位上、在工作中体现共产党员先锋模范作用呢?我们从喻存联同志的来稿中摘录了以下这段话：     

CTCS-3级列控系统RBC控车场景建模与验证

应用统一建模语言UML与模型检验工具PHAVer(Polyhedral Hybrid Automaton verifier)相结合的方法,研究CTCS-3级列控系统RBC控车场景:列车注册与启动、行车许可、等级转换、列车注销的混成性。首先通过UML支持的扩展机制,引入构造型(Stereotype)对UML进行面向混成性的扩展,建立RBC控车场景UML模型,实现对RBC控车场景混成性的描述。然后依据UML到PHAVer的转换规则,将UML模型转换成PHAVer模型。最后,依据CTCS-3级列控系统需求规范,总结RBC控车场景的功能需求,运用PHAVer进行验证,证明CTCS-3级列控系统需求规范的正确性。     

面向多元场景结合GLNet的车道线检测算法

各种复杂环境下路面车道线的高效精确检测是自动驾驶领域中车道偏离预警系统的关键性技术之一。由于车辆实际运行环境的复杂性和路面车道线的多样性，现有方法在车道线检测的准确性和鲁棒性上仍需不断增强。提出一种面向多元场景结合GLNet的车道线检测算法。首先采用改进Gamma校正对待检测路面图像预处理，消减光照不均匀、夜晚等环境干扰，增强车道线纹理。然后为增强数据集的多样性，在LaneNet网络的基础上引入对抗生成网络DCGAN，构建GLNet网络模型。该模型采用编码-解码的网络结构提取车道线特征（车道蒙板和像素点），通过DBSCAN聚类算法将不同车道线划分为不同的实体，使用H-Net网络学习的视觉转换矩阵优化并拟合输出车道线。最后基于已训练好的GLNet权重模型对车道线进行精确提取，并在Tusimple数据集和自制数据集上测试验证。试验结果表明：该方法的检测准确率可达97.4%，相较于基于LaneNet网络的车道线检测算法明显提高；DCGAN网络的加入丰富了数据集类型，并提高了该模型的表征及分类能力；DBSCAN聚类算法的平均聚类时间约为0.016 s，相较于Meanshift算法运行效率更高。所提出的方法考虑了不规范、环境复杂等多种道路类型的车道线检测任务，提升了对复杂噪声与多元场景的处理能力，在车辆辅助驾驶领域具有较好的鲁棒性和适用性。