探究式学习在动画设计软件教学中的尝试

在动画设计课堂中开展探究式学习,让学生通过开放性的学习过程学会发现问题、分析问题、解决问题。本文运用当前相关的研究成果以及学校的教学实践,研究和探讨探究式学习在动画设计软件教学中的尝试     

计算机网络实验教学探索

计算机网络是一门实践性很强的课程,实验教学在课程中起着不可替代的作用,网络知识的掌握与能力的培养在很大程度上有赖于学生的实验。实验教学有着丰富的内涵和作用,不能简单地认为实验课程只是辅助性的教学。实验教学对于培养学生的创新能力有着不可替代的作用。下面就我们在     

新开通地铁城市乘客安全知识认知度调研

为了解和掌握杭州等新开通地铁城市的乘客乘坐地铁出行所具备的安全知识、安全意识水平,利用调查问卷的方法对乘客基本安全知识的认知程度、安全意识、安全行为和突发事件的反应进行初步调查分析与研究。结果表明:63%的乘客对于安全标识的含义、紧急报警装置等了解程度不高;87.88%的乘客表示没有接受过相关安全知识的宣传教育;68.19%的乘客对于地铁这种特殊的公共交通工具的安全性表现出主动关心;90%以上的乘客未携带危险品进站乘车、未在站内/车厢内吸烟,安全行为较好;同时当地铁站内发生突发事件(如火灾、爆炸、停电、恐怖袭击等)时,57.58%的受访者表示在面临危险的情况下可以保持镇定的态度并能听从指挥。     

基于不合格品审理的质量信息数据统计分析及应用

介绍基于不合格品审理的质量信息收集、分类、汇总及统计分析工作开展情况。收集产品研制、生产、检验、试验、交付使用等过程中的不合格品审理信息,应用统计工具对其进行分析,发现隐藏在质量信息背后的客观规律,找出共性问题,反馈给设计、生产、采购等环节,实施有针对性的改进,为提升产品质量所用。通过实施统计分析,将质量信息转化为实施改进的决策数据,建立PDCA循环机制,不断提升产品质量,降低故障成本,优化、完善管理流程,提升质量管理效益。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

《公路与汽运》投稿须知

《公路与汽运》杂志由长沙理工大学主办,是一份介绍汽车、道路、桥梁、隧道等公路交通领域科技信息的面向国内外公开发行的技术类科技期刊。为双月刊,逢单月25日出版。本刊立足公路交通系统,报道国内外汽车与公路交通领域的最新研究成果,荟萃汽车运用与维修技术,传播公路交通安全知识,介绍公路运输行业的新技术与管理经验,刊登公路交通工程的新工艺、新技术、新材料。     

基于CATIA知识工程的桅樯信号设备三维设计方法

在桅樯信号设备设计中,雷达桅、前桅等桅杆设计复杂繁琐、剖面较多、设计改动频繁且工作量较大.该文针对桅樯信号设备中的雷达桅、前桅等桅杆设备的设计问题,提出一种基于CATIA知识工程的桅樯信号设备三维设计方法.利用CATIA知识工程重用模型的能力,通过知识工程构建一个桅樯信号设备产品零件库,设计中直接调用已有零件库,将产品零部件以层级式结构组织起来,完成以设计知识为核心的桅樯信号设备三维设计;并以某型船的雷达桅设计为例,介绍了设计流程及方法.该设计方法可有效缩短设计周期,提高设计知识利用率,降低修改工作量及出错率.     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。