基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

VTS在海上自主航行船舶（MASS）服务中的责任与策略研究

海上自主航行船舶(Maritime AutonomousSurface Ship,以下简称“MASS”),简单来说是指利用传感、通信、物联网等技术手段,自动感知和获得船舶自身、海洋环境、物流、港口等方面的信息和数据,并基于计算机技术、自动控制技术、大数据技术、智能技术,在航行、管理、维护保养、货物运输等方面实现智能化运行的船舶。     

汽车电子标识技术优势及应用前景分析

汽车电子标识作为汽车的"身份证",是无源射频识别技术在交通物联网领域的应用。《机动车电子标识安全技术要求》等六项国家推荐性标准的正式实施以及国内外广泛的应用试点,使得该技术在我国全面推广、应用变得愈发现实。本文阐述了汽车电子标识的系统构架、工作原理、应用现状,通过技术路线、技术对比两个层面的分析阐述了汽车电子标识的技术优势,并基于此对于汽车电子标识的应用前景进行展望。在感知层,汽车电子标识将与视频检测技术有机结合,构建"射频+视频"等具备更高稳定性、可靠性的信息采集体系。而在应用层,汽车电子标识将提升涉车应用的实现水平,为假、套牌等顽固问题提供了解决方案,为诸多潜在应用的实现提供可能性。     

有这样一位"兵头将尾"--记71602部队修理所汽修班长于吉军

2005年11月。长长的车队,奔驰在中原南部的崇山峻岭间,寒风卷起尘埃,满车厢飞扬——济南军区“军事训练一级旅”考核正在某合同战术训练基地进行。考场如战场,哪辆车出了故障,都会贻误战机。71602修理所汽修班长于吉军坐在修理工程车内,牙齿咬得格格直响,脸上的肌肉抽搐着,黑色     

远距离机动装备信息化保障对策

采取多种手段,保证信息化保障指挥高效稳定一要建立联合高效的指挥机构。为使装备信息化保障全面顺利展开,师(旅)装备信息化保障应建立“一所两组”,即基本装备指挥所、前进装备指挥组和预备装备指挥组,其力量构成应以装备信息化保障力量为主,吸收各部门和地方装备维修力量参加     

USV复杂水域环境综合感知技术

从无人水面艇（Unmanned Surface Vessel,USV）所处的工作环境,分析单目摄像头、双目摄像头、海事雷达、激光雷达等传感器的组成原理、优缺点、性能测试。介绍多传感器数据在USV上的融合原理、融合流程及其应用情况。经过实船海上试验,多传感器数据融合指标良好,较好地解决USV在复杂水域安全航行的感知技术问题。所描述的感知技术,对设计和研发搭载不同任务的USV,识别不同工作场景环境,具有积极的参考价值。     

面向感知的城市轨道交通空间研究

随着人们生活水平的日益提升,对城市轨道交通空间品质的追求也愈发强烈。以感知为切入点,梳理出现状问题,从视觉、听觉、触觉、嗅觉、方位感知5个方面对城市轨道交通空间进行分析,综合研究感知内容与范围、感知影响因素,并总结出乘客对于城市轨道交通空间的感知偏好。研究成果可为中国未来城市轨道交通空间的规划、设计、运营提供新的思路。     

舰船机舱监控网络高维感知数据弱关联挖掘研究

舰船机舱监控网络高维感知数据主要包含正常状态数据与异常状态数据,其中异常状态数据规模较大,增加舰船机舱监控网络高维感知数据弱关联挖掘的难度,导致数据弱关联挖掘效率较低,为此设计一种舰船机舱监控网络高维感知数据弱关联挖掘方法。采集舰船机舱监控网络高维感知数据,计算采集到的数据点与数据点之间的紧密联系度,确定异常数据最合适的异常处理时间,在此基础上,对正常感知数据与异常感知数据特征相关性参数进行统计特征分析,对数据弱关联模糊值评估,完成舰船机舱监控网络高维感知数据弱关联挖掘。实验证明,在正常感知数据与异常感知数据弱关联挖掘上,此次设计的方法都比传统2种方法的挖掘效率高。