【摘 要】
:
随着车辆技术的发展,车辆速度预测技术在新能源混合动力汽车和自动驾驶智能汽车这两大前沿领域的应用已成为当下研究的热点。在车速预测研究方面,科研人员也已经取得很多成果。在深度学习技术重新崛起之前,统计方法在速度预测方面的应用占很大比重。但是,基于统计理论的方法很难适应海量数据和高维数据。近年来,随着硬件计算能力的提升和数据的积累,机器学习技术在车速预测中逐渐显现出优势。为了提高车速预测模型的精度和适应
论文部分内容阅读
随着车辆技术的发展,车辆速度预测技术在新能源混合动力汽车和自动驾驶智能汽车这两大前沿领域的应用已成为当下研究的热点。在车速预测研究方面,科研人员也已经取得很多成果。在深度学习技术重新崛起之前,统计方法在速度预测方面的应用占很大比重。但是,基于统计理论的方法很难适应海量数据和高维数据。近年来,随着硬件计算能力的提升和数据的积累,机器学习技术在车速预测中逐渐显现出优势。为了提高车速预测模型的精度和适应性,本文围绕着基于机器学习的车辆速度预测方法展开研究,主要研究了基于深度学习和迁移学习方法的车辆速度预测模型设计。首先,为了满足对实验数据的需求,在交通车辆仿真平台IPG-Carmaker中建立虚拟的交通环境,采集车辆行驶信息。对数据进行一定的预处理,构建了适合本文的实验数据集,为后续的仿真验证打下基础。然后,针对车速预测的精度问题,基于深度学习方法理论,提出了带有注意力机制的卷积和门控循环单元的车辆速度预测混合模型(CGAM)。在该预测模型中,构建了一个时间通道注意力模块并与卷积网络结合用于提取数据中的局部特征,门控循环单元网络和注意力机制结合用于提取长相关性特征,将两部分特征进行融合实现对车速的预测。实验验证表明该CGAM模型可以提高速度预测的精度。最后,针对车速预测模型的适应性问题,基于迁移学习方法理论,提出了融合迁移学习机制的卷积门控循环单元混合模型车速预测方法(Transfer-CGAM)。该方法能够使车速预测模型从不同的交通道路环境中获得迁移知识,使CGAM模型快速的适应新道路环境,进行车辆速度的预测。实验验证表明Transfer-CGAM方法可以使CGAM车速预测模型快速地适应不同道路环境,提高了模型的适应性。
其他文献
科学性是法现象诠释现代性的形式价值追求,体系思维无疑是当代法学、法律和法治实践实现科学性的分析工具。基于“制定法——法”反向二元认识的程序结构,体系思维不应终局于法律现象的逻辑关系,要以法哲学为出发点进行充分的证成方能实现法教义学对体系思维的妥当应用,进而指导司法实践,因此法哲学是阐释体系本体构造的认识论视角。在元理论层面,体系思维在理性主义和经验主义的哲学分析中得到彰显,体系历史经纬存在法律传统
蛇形机器人相较于其它移动机器人对地面有着更强的适应能力,在未知环境侦察研究、灾难现场搜索救援等领域有着广阔的应用环境。本文以自主研发的十自由度的轮式蛇形机器人为实验平台,围绕蛇形机器人轨迹跟踪问题,提出基于模糊控制及视线角控制率的非线性模型预测控制方法,解决了蛇形机器人在轨迹跟踪过程中由于自身运动步态限制、模型失配等因素造成的跟踪精度较差的问题。具体研究内容如下:首先,设计出了一个具有十自由度的模
近年来,弘扬中国优秀传统文化被国家作为重要传播任务而提上日程,作为承载着深厚文化底蕴和历史内涵的博物馆责无旁贷的承担起文化传播和公众教育的重任,为实现与观众建立有效沟通和良好关系做出努力。在这个过程中,博物馆进行了角色上的重新塑造,并借助数字技术和数字新媒体的力量打造年轻化、故事化、大众化的博物馆传播内容,在短时间内引起了“博物馆热潮”并形成与观众间的初步链接。但透过“热潮”表象能够看到博物馆与观
司法类案判断是进行类案检索、实现类似案件类似审判的关键环节,其具有重要的实践意义。但在现有的司法类案制度框架下,存在判断方法模糊不清、判断标准过于单调等方法论困境。为了使类案制度发挥出原本的价值和作用,本文以司法类案的判断方法为主要研究对象,先对目前理论界存在的判断方法进行梳理,吸取其中有益的部分,对其中的问题和不足进行总结,然后提出用融贯式的类案判断方法进行类案判断,即“关键事实”“争议焦点”和
为了解决汽车产业发展加剧的环境污染和资源短缺问题,混合动力汽车(Hybrid Electric Vehicle,HEV)应运而生。HEV能够实现低能耗、低排放、高效运行的关键在于其采用的能量管理控制策略。网联技术的出现使得基于人工智能技术的HEV能量管理控制成为了发展新趋势。自适应动态规划(Adaptive Dynamic Programming,ADP)作为一种基于智能学习的优化求解算法,集成了
随着大数据和深度学习技术的不断发展,深度神经网络在计算机视觉领域得到了广泛的应用。然而在现实生活中,大多数场景的已标注样本较少,利用传统的深度学习模型往往不能取得理想的效果,此时小样本学习应运而生。小样本图像分类是小样本学习在图像分类中的应用,本文以元学习为基本策略,结合度量学习和深度学习的方法,对小样本图像分类算法展开研究,其主要研究内容如下:(1)针对经典的小样本学习模型原型网络(Protot
智能交通是以人工智能为核心特征的人工智能城市体系之一,其中环境感知是基础和关键问题。通过激光雷达传感器(Light Detection and Ranging,Li DAR)获取外界信息、感知环境信息并和动态场景交互具有重要意义。然而现有研究方法对激光雷达传感器信息的处理过程中仍然存在着点云信息表达不完善的问题。因此,本文提出了复杂环境下基于Point Net和注意力机制的激光雷达点云语义分割算法
改革开放之初,由于法律规范的缺失,法律移植在我国立法中曾被广泛地应用,随着法治国家建设的不断推进,法律移植在我国立法中依然扮演着重要的角色。法律移植模式作为法律移植具体表现形式,是对法律移植现象的经验总结,同时能够在方法论的角度对当下法律移植活动进行指导。现有的研究大多是从单一角度对法律移植模式问题进行分析,且将法律移植模式与法律移植方式、途径等混为一谈,同时在具体划分的时候缺乏经验材料的补充。笔
随着我国社会主义法律体系的建设,在当前的理论界与司法实践中,对体系解释的运用更加普遍,也越来越重视体系解释的作用。在司法实践中遇到的困境时,需要站在全面、整体角度对问题进行分析。与之前相比,对体系解释的运用和研究过程上升到了一个新高度。体系解释无论在理论研究方面还是实践中都有着不可替代的作用,由于受到多种因素影响,体系解释的适用并没有达到完美状态,还存在不足之处有待完善。理想中的体系解释运用状态与
超扫描作为一种分析双人或多人在同一社会互动下的心理和脑机制的重要成像技术,受到越来越多的心理学家和科学家的关注。目前已有的超扫描研究主要使用单一模态的脑功能检测技术,比如,脑电、功能近红外光成像、脑磁图和功能磁共振成像。在这些技术中,脑电和功能近红外光成像凭借成本低的优势,被广泛应用于超扫描研究中,然而,单一的脑电和功能近红外光成像无法同时获得高时空分辨率下的神经活动和血流动力学信息的变化。因此,