汽车智能化发展背景下职业学校师资建设对策研究

论文是在汽车智能化发展背景下,根据智能网联汽车技术更新加快、岗位职能转变、商业模式创新等特点,从专业知识技能和教学方式方法两个方面提出职业院校师资队伍建设要求,并从专业人才引进和师资队伍培养两个方向提出师资队伍建设的具体对策。     

基于车载平台的智能汽车 网联技术发展方向

目前,国家正大力发展智能网联汽车新技术.智能网联汽车的核心技术在车载平台和基础设施的共同支持下,在车辆关键技术、信息交互关键技术、基础支撑关键技术等方面将迎来重大技术突破.本文从环境感知等几个方面简述了技术发展方向,供各位参考.     

基于LabVIEW的智能汽车自动驾驶开发平台数据采集监测系统

基于已有智能汽车自动驾驶开发平台,开发该平台数据采集监测系统。采用PCIe-6320数据采集板卡完成数字信号和模拟信号的采集;利用CAN分析仪及其驱动程序将CAN总线通讯信号上传至工控机,依据整车CAN通讯协议完成对数据流的解析;使用LabVIEW完成数据采集监测系统的程序设计,实现对整车状态信息的采集、显示和监测。试验测试结果表明:该智能汽车开发平台数据采集监测系统具有数据采集精确、界面简洁直观的特点,具有一定的工程应用价值。     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...     

公路隧道智能监控管理信息化设计

以公路隧道提质升级行动为背景,分析了隧道机电设施在实际运营维护中存在的问题,提出了隧道智能监控管理运营一体化设计新思路.在此基础上,将单个隧道机电设施运营维护管理拓展至隧道群或路段,从运营单位角度进行集中管理,实现隧道集群的运营监控管理一体化.隧道管养平台信息化设计充分融合了云计算、人工智能、大数据、互联网+、物联网等...     

带有最优流量记忆时间差的一类新格子模型

为了分析最优流量记忆时间差对交通流稳定性的影响,本文基于考虑驾驶员估计得到的最优流量信息,同时考虑驾驶员在驾车过程中受到记忆时间的影响,给出了一类新的格子流体动力学模型.首先,基于线性稳定性理论,获得了新模型的稳定性条件;随后,通过非线性分析方法,给出该模型的mKdV方程;然后,基于求解上述方程所得到的扭结-反扭结孤立波可用于描述交通拥挤的转化和传播过程.最后,通过仿真算例验证了上述理论分析的结论,即驾驶员的记忆时间和最优流量记忆时间差能够显著影响交通流的稳定性,同时增大记忆时间步长和强度系数可以有效地增强交通流的稳定性.     

未来城市交通技术发展与创新 ——“交通7+1论坛”第五十二次会议

随着移动互联网、大数据和人工智能等技术发展,城市交通系统中涌现出“共享交通”“需求响应式出行服务”“无人驾驶”“城市交通大脑”等新兴的交通工具、服务模式和管理手段,未来交通系统将面临创新发展的机遇,并对传统交通行业带来巨大挑战.本次论坛以“未来城市交通技术发展与创新”为主题,分析了预约交通系统的发展前景,探讨了超级交通仿真系统的相关核心技术,分析了无人驾驶的发展、挑战及仿真技术,说明了大数据和人工智能技术在城市智慧发展中的作用与运用要点.     

新扩展强化非对称选择网的有界性与单调性

根据Petri网结构理论，讨论非对称选择网(AC)的一个子类：新扩展强化非对称选择网(NESAC)的有界性与活性单调性，判定NESAC网N结构有界的充分必要条件是，N被极小死锁簇覆盖，每个非空极小死锁H一定是个陷阱且满足|t^*∩|=|t^*∩H|=1，NESAC网仍然具有ESAC活性单调性的特征。