面向智能驾驶感知盲区补充的传感器共享策略

来源 :桂林电子科技大学学报 | 被引量 : 0次 | 上传用户:freedomo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对动态交通流中智能驾驶车载传感器感知盲区补充的问题,构建了用于分析传感器感知盲区的动态交通流感知盲区模型,以该模型为基础提出了一种基于熵权法的传感器共享节点选择策略,用于选择最佳的共享车辆节点来进行盲区补充.实验结果表明,动态交通流感知盲区模型对实际交通场景具有良好的表征,基于熵权法的传感器共享节点选择策略选出的节点能有效地补充车辆感知盲区,扩大了车辆的感知范围,提高了智能驾驶汽车的安全性.
其他文献
为克服反坡和碎石制动避险车道由于建设条件、外部环境影响而造成的制动性能不足问题,需为避险车道增加阻尼构件,并对阻尼结构及吸能性能展开专项研究,从而为避险车道提供适配的阻尼器,提升避险车道的制动性能.基于此,提出了一种基于异型钢结构的自适应动态吸能阻尼器.其主要原理是通过设计不同形状吸能孔,使其在外力作用下撕裂吸能,从而为阻尼器提供恒阻力.为进一步揭示不同吸能孔形状对吸能效果的影响,设计竹节形和矩形两种形状吸能孔,在相同试验条件下,利用模型试验分别验证阻尼器的结构可行性及吸能规律,从而确定阻尼器的较优结构.
为研究驾驶人特性对指路标志视认反应时间的影响,以认知心理学原理和驾驶人对指路标志的响应特性为基础,进行了基于E-prime的室内模拟试验.结合模拟试验与问卷调查,以文字组合、版面、信息量为指路标志设计指标,以性别、驾龄、目标路名熟悉度为驾驶人特性指标,组织34名驾驶人进行了48次正式视认反应试验.试验采集了驾驶人对指路标志的视认反应时间、正误反馈及人口学因素,利用描述性统计及多因素方差分析了各指标对指路标志视认反应时间的影响.采用逐步回归法遴选自变量,量化了各变量对视认反应时间的影响,建立了视认反应时间影
为了去除传统接收机中的声表面波滤波器,设计了一种选择性强、频率范围大的混频前置式接收机.采用交叉耦合无源混频器对基带放大器进行信道选择,为带外电流提供一个高线性无源分流路径,保持宽带输入匹配的同时,减小非线性对基带放大器的影响.此外,通过在基带放大器中额外的电容正反馈路径抑制阻塞信号,可获得更优的射频带通特性和更高的线性度.采用180 nm CMOS工艺设计进行仿真,仿真结果表明,该接收机具有较高的带外线性,输入三阶截点IIP3=38 dBm,增益为18~20 dB,基带带宽为8 MHz,噪声系数可达10
针对地铁运营中断下应急公交车辆疏运效率低的问题,提出多停车场协同疏运、多车型灵活调度的作业模式.首先,在传统固定线路调度方案的基础上,允许应急车辆服务不同的OD对,将线路规划与车辆调度集成一个模型,从而提高应急车辆的利用率.以OD对车辆的服务情况、车辆的运能以及救援时间的限制为约束条件,以平均乘客延误最小和应急公交疏运成本最小为目标,构建了多车型下应急公交线路开行方案模型.然后,根据模型的特点设计了改进的非支配排序遗传算法(NSGA-Ⅱ)对开行方案模型进行求解,并通过隶属函数从Pareto解中选取折衷解.
针对基于卷积神经网络(CNN)的目标检测算法因未对高层特征语义信息和低层特征细节信息之间的关系进行充分利用而导致的小目标检测率低的问题,提出一种基于卷积神经网络的小目标检测改进算法.通过对稠密连接块进行全连接,将多层特征图的特征语义信息进行融合,在候选区域添加一个具有短捷径连接的卷积与反卷积网络,以加快收敛速度.在PASCAL VOC数据集上的实验结果表明,与目前最好的算法相比,小目标的检测率从78.4%、80.5%提高到了81.6%.
针对采用多无人机测向交叉定位法实现效率低、复杂度高的问题,提出了一种单无人机干扰源定位算法.运用无人机短时间内在多点实现干扰源信号方向与强度测量,利用测向交叉定位法并结合干扰信号强度(RSSI)测距交叉定位法进行求解运算,给出了交叉定位模型求解流程,并在交叉定位的基础上,对不同测量位置接收到的干扰信号强度进行高斯滤波后,对干扰源位置进行估计,对测向交叉定位结果进行修正.实验结果表明,当测向误差角度大于4°时,混合定位算法比测向交叉定位算法定位精度提高至少15 m.
为了在不暴露数据源的情形下安全地进行用户数据的存储和共享,提出了一种基于区块链的物联网隐私数据保护方案.通过建立原数据的唯一数据标识来保护数据的版权和完整性,设计了相应的智能合约来实现数据标识的上链和访问操作,并采用链上公钥签名和链下群签名的方式保护用户隐私.基于IPFS和以太坊平台进行了仿真实验,实验结果表明,该方案在保护用户隐私的前提下能安全有效地存储数据,具有可行性.
针对人流量数据的时空特性和外部因素等对预测精度的影响,提出一种基于空洞卷积的密集连接网络人流量预测模型.通过空洞密集连接模块捕获相邻区域之间的空间依赖关系,采用SE-LSTM模块帮助网络学习更重要的特征并学习数据中的周期性和动态时间性;对于外部因素,利用全连接网络对天气、假期、事件等数据进行处理来辅助预测.采用2个公开的数据集验证提出的模型.实验结果表明,与其他基线模型相比,该模型将预测误差分别从6.33、16.69降低到5.30、15.41,能够更好地学习数据中的时空依赖关系,提升预测精度.
针对海量RDF数据的查询效率问题,提出一种基于树搜索的RDF查询算法—RI-Triples.该算法将RDF查询问题转化为子图同态问题.在数据预处理阶段,分别构建了邻接表、逆邻接表、P-In和P-Out四种索引,以减少查询图中变量节点的候选域.在匹配阶段之前,RI-Triples基于贪心思想为查询图生成一个按照约束大小排序的节点匹配序列,以减少匹配阶段的搜索空间.在匹配阶段,基于深度优先遍历节点匹配序列与数据图所构成的搜索空间树,通过子图同态约束修剪搜索空间树中不可行的分支.实验使用RDF测试基准LUBM,
设计了一种体温智能检测系统,用于疫情防控期间自动采集并处理不同身高住院患者的体温参数.该系统首先设计了一个可以根据现场测量的住院患者身高数据上下调整红外测温仪高度的升降机构,确保不同住院患者体温检测位置一致.然后,先用身份证读取技术识别ID,再用面部和手指信息读取技术识别双重人体特征,进行人证合一匹配判断,以确保住院患者身份的真实有效.最后,采用环境温度和距离补偿技术提高测量精度,实现对住院患者体温数据的采集和处理.该系统可以满足疫情期间对不同身高住院患者自动化体温检测并分流的需求.在疫情防控期间使用此系