基于视觉的前方车辆探测技术研究方法综述

对国内外关于车道上本车前方车辆检测方法进行了综述。根据探测车辆所采用的传感器不同,分别对采用单目视觉、双目视觉、视觉与其他传感器融合以及非视觉传感器的几种探测方法进行了比较与分析。同时,针对每种探测方法,进一步阐述了目前车辆识别的一些具体算法。最后,指出了每种方法存在的优点和一些不足。     

Strava Metro data for bicycle monitoring: a literature review

ABSTRACT

Monitoring bicycle trips is no longer limited to traditional sources, such as travel surveys and counts. Strava, a popular fitness tracker, continuously collects human movement trajectories, and its commercial data service, Strava Metro, has enriched bicycle research opportunities over the last five years. Accrued knowledge from colleagues who have already utilised Strava Metro data can be valuable for those seeking expanded monitoring options. To convey such knowledge, this paper synthesises a data overview, extensive literature review on how the data have been applied to deal with drivers’ bicycle-related issues, and implications for future work. The review results indicate that Strava Metro data have the potential—although finite—to be used to identify various travel patterns, estimate travel demand, analyse route choice, control for exposure in crash models, and assess air pollution exposure. However, several challenges, such as the under-representativeness of the general population, bias towards and away from certain groups, and lack of demographic and trip details at the individual level, prevent researchers from depending entirely on the new data source. Cross-use with other sources and validation of reliability with official data could enhance the potentiality.     

基于语义挖掘的快递运输货品风险评价研究

为提高快递运输的风险监测管控能力，降低因快递货品风险导致城市安全事件发生的可 能性，本文基于语义挖掘方法将快递运输货品描述转化为风险的量化表征，为快递运输风险评价 提供可量化的客观指标依据。基于网络大数据资源提供的法院判决书数据，将物品词条与判决 结果相关联，通过隐狄利克雷分布模型挖掘物品风险主题，结合模糊均值聚类方法，实现对快递 货品语义风险的量化表征与柔性划分。与传统方法中依赖检视人员查验既定违禁品清单后的主 观判断方法不同，本文充分挖掘网络文本数据中的可迁移知识，并应用于种类繁多的快递运输货 品，有效避免人工评价造成的漏检、错检情况。研究结果表明，本文方法具有较高的准确率与较 低的误报率，获得的风险评价值不再是0或1的是非判断，有利于开展多样化、针对性的风险预警 及应对措施。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

公路工程投标报价的探讨

从国内公路工程招投标工作的具体实践出发,探讨、分析投标报价,在帮助投标单位取得中标并获得更高施工利润的同时,希望能够与招标单位共同探讨：如何更加合理地开展投标报价,使其投标文件更具竞争性。     

Singular perturbation composite control of a free-floating flexible dual-arm space robot

The Free-floating Flexible Dual-arm Space Robot is a highly nonlinear and coupled dynamics system. In this paper, the dynamic model is derived of a Free-floating Flexible Dual-arm Space Robot holding a rigid payload. Furthermore, according to the singular perturbation method, the system is separated into a slow subsystem representing rigid body motion of the robot and a fast subsystem representing the flexible link dynamics. For the slow subsystem, based on the second method of Lyapunov, using simple quantitative bounds on the model uncertainties, a robust tracking controller design is used during the trajectory tracking phase. The optimal control method is designed in the fast subsystem to guarantee the exponential stability. With the combination of the two above, the system can track the expected trajectory accurately, even though with uncertainty in model parameters, and its flexible vibration gets suppressed, too. Finally, some simulation tests have been conducted to verify the effectiveness of the proposed methods.     

����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

船用光伏发电系统最大功率跟踪及自动跟踪控制研究

太阳能是一种新型的可再生清洁能源,资源丰富,对环境无任何污染,被越来越多的用在船舶上。搭载光伏发电系统的船舶具有经济性好、噪音低、振动小、安全性好及无污染等优点,已经得到了初步应用。为研究光伏发电系统在船舶上的应用,针对如何提高光伏发电系统输出功率,提高光伏发电系统的发电效率展开研究,重点对最大功率跟踪控制及自动跟踪控制技术的实现进行研究与分析。     

基于无线传感器网络的运动目标检测动态聚类图

有效的目标跟踪需要积极的传感器节点对运动目标群实行跟踪。与单目标跟踪相比,聚类在效能上有显著提高。本文提出准确的相干和非相干运动模式下目标的聚类,采用隐式动态时间框架来评估在创建连接组件加权图的目标关系史。该算法采用目标跟踪中定位算法的关键特征,即估计当前和预测的位置来确定移动目标的方向和距离的关系。模拟结果显示,通过动态调整历史窗口大小和预测目标之间的关系,可以显著提高聚类的准确性并减少运算时间。     

一种改进的快速压缩跟踪算法

为研究目标跟踪问题,构造多种不同尺度的滤波器对目标进行滤波,生成目标高维特征;利用符合有限等距性质要求的稀疏矩阵对高维特征进行采样,获得目标低维特征.采用朴素贝叶斯分类器输出与Bhattacharyya系数乘积的形式作为目标与候选目标之间的相似性度量,并选择最大值所对应的候选目标作为下一帧中的目标.文中提出了一种改进的快速压缩跟踪算法.实验表明,该改进的算法能够对目标进行有效跟踪.