【摘 要】
：
针对上下客车辆,在无隔离带机非混行路段路边临停的现象,建立基于元胞自动机的混合交通流模型.对于用车乘客到达时间与地点的随机性,分别采取泊松分布与均匀分布;在NS模型基础上,对不同上下客车辆临时停车、让道的行为设计规则;对于非机动车采取BC A模型,引入越线换道和让行规则.通过数值模拟,研究路边临停现象的演化机理和临停时间的影响.仿真结果展现了有路边临停现象路段交通流、相位、时空的变化特征,表明了车辆平均临停时间的增加会导致车流量降低,以及额外占道时间的增长.
【机 构】
：
江西理工大学电气工程与自动化学院,江西赣州341000
论文部分内容阅读
针对上下客车辆,在无隔离带机非混行路段路边临停的现象,建立基于元胞自动机的混合交通流模型.对于用车乘客到达时间与地点的随机性,分别采取泊松分布与均匀分布;在NS模型基础上,对不同上下客车辆临时停车、让道的行为设计规则;对于非机动车采取BC A模型,引入越线换道和让行规则.通过数值模拟,研究路边临停现象的演化机理和临停时间的影响.仿真结果展现了有路边临停现象路段交通流、相位、时空的变化特征,表明了车辆平均临停时间的增加会导致车流量降低,以及额外占道时间的增长.
其他文献
针对图像标注数据集中存在的标注对象比例不一致和标签分布不平衡问题,提出基于特征融合和代价敏感学习的图像标注方法。在卷积神经网络中加入特征融合层,改进VGG16原有的网络结构,特征融合层结合注意力机制,对网络中不同卷积层提取的多尺度特征进行选择性融合,提升对不同尺度对象的标注精度;将代价敏感学习融入损失函数对网络模型进行训练,提升网络的泛化性能。实验结果表明,该方法能提升图像标注的准确率,增加对低频
针对现有边缘计算计算卸载算法存在的延迟较大且负载不均衡的问题,提出一种移动边缘计算中基于改进遗传算法的计算卸载与资源分配算法.基于提出的移动边缘计算网络构建系统模型,其中包括能耗、平均服务延迟、执行时间以及负载均衡模型.以能耗、延迟、负载均衡最小化为优化目标,利用改进的遗传算法进行求解,其中采用染色体一维表现形式、交叉和变异算子提高算法的性能.利用iFogSim和Google集群对所提算法进行模拟仿真实验,结果表明,算法种群数量和最大迭代次数的合理值分别是60和25,所提算法得到的计算卸载和资源分配策略在
介绍时间触发以太网的概念、发展现状、业务种类及传输特点,简析其同步控制的基本原理、调度表生成算法等,在此基础上,具体描述某工程应用中端系统的组成及其传输的业务类型、传输过程等;在工程实践中,自研国产化的端系统和交换机与TTech公司的端系统与交换机实现TT业务和BE业务的互联互通,说明国产化平台的优良性能,同时也说明了传统以太网传输的性能局限性,以及TT业务的准确性和实时性.结合其软件实现,给出该项目中主要的实现流程及演示效果.
在线手写数学公式识别面临书写字符的不确定性、数学公式结构的复杂性,以及公式书写风格因人而异等问题,特别是在公式书写中出现偶然性错误和包含复杂结构的情况下,现有的仅依赖机器的识别算法的识别准确率较低.为了解决这一问题,提出了人在回路的手写公式识别方法,该方法主要在结构分析阶段引入了人的参与,借助人对结构中歧义笔画的修改和结构补笔操作,完善和界定结构笔画和结构内笔画信息.为了评估该方法的有效性,将其与
为有效识别工程车车型,提出一种改进的HOG特征的自动识别算法。使用RPN (region proposal network) 自动划分车辆候选区,对每个候选区进行自然度保留的图像增强处理和颜色不变性处理,分别提取NPE-HOG (naturalness preserved enhancement-histogram of oriented gradients) 特征和 CIV-HOG (color
浏览器挖矿通过向网页内嵌入挖矿代码,使得用户访问该网站的同时,非法占用他人系统资源和网络资源开采货币,达到自己获益的挖矿攻击.通过对网页挖矿特征进行融合,选取八个特征用以恶意挖矿攻击检测,同时使用逻辑回归、支持向量机、决策树、随机森林四种算法进行模型训练,最终得到了平均识别率高达98.7％的检测模型.同时经实验得出随机森林算法模型在恶意挖矿检测中性能最高;有无Websocket连接、Web Worker的个数和Postmessage及onmessage事件总数这三个特征的组合对恶意挖矿检测具有高标识性.
为提高车牌检测与识别的适应性,增强系统性能,提出一种基于检测解扭曲-卷积神经网络(DU-CNN)方法。运用已有技术进行车辆检测;利用YOLO空间变换网络理念,提出一种变型的卷积神经网络DU-CNN,该网络学习对发生各种不同形变的车牌进行检测,通过对仿射变化的系数进行回归,将发生形变的车牌重新解扭曲为接近正前方视角的矩形,通过光学字符识别(OCR)方法得到最终结果。为增强训练数据集,数据集由真实数据
车联网视频采集终端在复杂环境下会出现准确率较低的问题,对此提出基于神经网络的车载视频采集终端车牌号码识别算法。依托移动边缘计算优势,在车联网侧添加边缘层Mobile Net可分离卷积核,在采用滤镜算法对采集图像进行数学形态学预处理后,结合云端的深度神经网络,设计一种基于车联网边缘计算的车牌号识别算法。实验结果表明,该方法较传统方法有着更高的准确率与速率,更好满足了公安应急处突中移动车辆实时定位的要
通过定量与定性相结合的方式全面分析了深度学习在自然语言处理领域的研究情况.采用CiteSpace和VOSviewer对深度学习在自然语言处理领域的研究国家、机构、期刊分布、关键词共现、共被引网络聚类及时间轴视图等进行知识图谱绘制,理清研究脉络.通过深入挖掘领域内的重要文献,总结深度学习在自然语言处理领域的研究趋势、存在的主要问题或发展瓶颈,并给出相应的解决办法与思路.对于如何跟踪深度学习在自然语言处理领域的研究成果给出建议,为该领域的后续研究与发展提供参考.