排序方式: 共有73条查询结果,搜索用时 15 毫秒
1.
2.
3.
由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络(long short-term memory,LSTM)跟驰模型的基础上,采用迁移学习(transfer learning,TL)方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下(源域)的跟驰样本与100组雾天下(目标域)的跟驰样本。提出了基于最长公共子序列(longest common sequence solution,LCSS)的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型... 相似文献
4.
为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。 相似文献
5.
6.
关于城市轨道交通钢轨选型的探讨和建议 总被引:1,自引:0,他引:1
根据钢轨制造技术的发展并结合轨道研究和设计领域的最新成果,对城市轨道交通钢轨定尺长度、钢轨质量及钢轨材质选择进行分析和探讨,并建议在钢轨选型时,应全面考虑不同线路布置特点,车辆及荷载情况,运输、施工及维修条件,建设工期,初期投资及运营成本要求等综合因素,力求使每条城轨交通中的钢轨选型方案在满足安全可靠的基础上,更具工程针对性和经济适用性. 相似文献
7.
驾驶员的记忆影响视觉搜索及路径规划等驾驶行为,进而影响道路通行效率与交通安全.为了描述重复驾驶条件下驾驶员记忆变化的特征,设计模拟驾驶实验,研究同一场景下重复驾驶对驾驶员记忆的累积刺激.通过场景记忆量表衡量驾驶员的记忆程度,分析了驾驶员记忆增长与重复驾驶次数的动态变化关系,分别采用单分子式、修正Weibull方程及Richards方程建立累积刺激作用下驾驶员记忆增长模型,并以误差平方和、均方根误差和调整 R2为评价指标对模型精度进行对比分析.结果表明,3种模型均能对驾驶员记忆增长特性进行描述,其中 Richards模型精度最高,其平均调整R2为0.9884.Richards模型揭示了记忆的同化与异化作用的本质,更适合建立重复驾驶条件下驾驶员对场景的记忆增长模型. 相似文献
8.
基于驾驶模拟实验获取驾驶行为数据,针对驾驶行为数据实时性强、稳定性差、连续变化等特点,引入图谱表达方法,通过图谱时间基元、空间基元及排列组合形式等要素描述驾驶行为变化过程,构建形成驾驶行为特征图谱,实现驾驶行为变化过程的直观表达.研究成果为精确解析驾驶行为特征提供新的思路和解决办法,并为更加针对性地优化驾驶员驾驶行为提供参考和依据. 相似文献
10.
目前地铁车站站台边与车体缝隙过大,经常导致乘客上下车发生踏空受伤事件,从限界制定使用的车辆限界依据出发,分析得出目前车站地段车辆限界制定存在的不合理之处,提出合理的车站地段车辆限界计算公式和车站站台及屏蔽门的合理限界,以使站台设计更为合理,减少乘客上下车发生踏空受伤事件。 相似文献