道路视觉环境与安全行车的关系

驾驶员行车过程中80%以上的交通信息是通过视觉获得的,道路视觉环境对安全行车的影响很大.文中从驾驶员的视觉角度出发,论述了行车中驾驶员视觉环境的主要内容、范围和特征,说明了道路视觉环境对驾驶员心理、行为及安全行车的影响;提出在道路设计与改造中应充分考虑驾驶员视觉特征与道路视觉环境对驾驶员的影响,合理设计道路、交通设施和道路景观等交通环境要素,为驾驶员提供一种宜人的道路环境,以利于安全行车.     

基于深度学习CaffeNet模型的综合交通设施场景分类与识别研究

综合交通设施场景的自动分类与识别对交通网络布局、城市规划、智慧城市建设等方面有重要的研究与实践价值.鉴于目前研究主要集中在单一的交通设施目标识别与检测方面,采用速度快、分类精度高、适宜于海量数据运算的CaffeNet深度学习模型,基于迁移学习思想,通过5层卷积、3层池化、1层全连接等过程提取机场、桥梁、停车场、港口、火...     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于改进LSTM-NN的安全性自动驾驶换道轨迹规划模型

为改善现有的自动驾驶换道轨迹规划模型产生的换道轨迹与真实的换道轨迹存在较大偏差的问题,提出了一种改进LSTM-NN的安全敏感性深度学习模型,该模型可以缓解当前自动驾驶轨迹规划存在的不足,输出轨迹既保证了较高的精度又提高了安全性。CarSim仿真软件模拟了本模型产生轨迹的可跟踪性,结果显示轨迹非常平滑,并且自动驾驶车辆可以高效、安全地完成换道。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

面向URL的网络机器人软件模型的研究与实现

WEB数据挖掘的关键是设计智能、高效的网络机器人.详细分析了面向URL的网络机器人的工作流程及实现它的关键技术,提出用多个队列管理URL列表,且队列元素按文档相关性高低排序,并行高速地下载网页.此外,在文档相关性计算中设计了一个可收敛的迭代阈值算法,有效地解决了相关度阈值设定的随意性.     

生物三射律

三射律包括入射、反射和折射,是干涉律的三大特性和具体形式.相对生物学而言,三射律是生命遗传发育及其与环境因子关系的原因、现象和本质关系的反映.入射、反射和折射这三者既相辅相成又互为作用和制约,存在着矛盾的三角关系.三射律具有相对性、重复性和时空表达等特性.折射率中包含入射与反射二者的全部内容,为生物学的本质,表现为生物遗传率.任一相互作用除双方之外尚有第三个以上的反应结果,任一学科的矛盾事物关系均不例外.     

强夯施工对环境振动的影响分析

利用强夯法加固软弱地基时,其夯击能将以波的形式向外扩散,进而导致周围环境的振动.本文以半无限弹性体理论为基础,考察了瑞利波的径向振动量和竖向振动量沿地基深度的衰减特性,认为竖向振动量是引发环境安全的主要因素;通过现场实测,研究了强夯引起的自由场地地面振动加速度及振动速度随距离的衰减规律,并对隔振沟的隔振效果进行了测试研究.