基于神经网络的车道偏移自动检测的研究

车道偏移是交通事故的主要因素之一。通过引入神经网络提出了一种应用机器视觉检测车道偏移的方法。首先通过图像处理从道路图像提取道路标志线。然后通过最小二乘法计算道路图像中道路标志线的参数。以道路图像中道路标志线的参数为输入,车道偏移参数为输出,建立神经网络进行车道偏移检测。实验结果表明误差小于0.5%,方差检验结果也表明人工测量和神经网络的结果无显著差异。新方法将有助于车道偏移自动检测技术的发展。     

双车道公路路段通行能力研究中的计算机模拟

根据双车道公路的特点,阐述了双车道公路路段交通模拟的主要内容,着得进行了以车道公路交通行为的模拟分析,建立了微观模拟程序设计的基本框架。     

面向园区场景的车道线局部定位检测方法研究

面向校园驾驶场景,提出一种综合性能表现较好的通用车道线检测算法,即局部定位检测法。 首先,采用经典图形学与基于噪声容忍的递归神经网络的学习模型相结合的方法,完成车道线所在局部区域 的检测,对目标车道线的灰度图像进行霍夫变换和灰度拉伸,设计递归神经网络学习模型,以梯度数据作为引导,对算法模型训练学习,以排除梯度信息相似的干扰物,并识别几何属性相关的不完整车道线形态,进而完成补全工作,应用稀疏惩罚,设计具有噪声容忍的递归学习模型,最大效率地利用具有被污染数据标注的 自建车道线图像数据集,以此为基础,采用深度强化学习方法,通过6个标识点对目标车道线进行精确定位, 并基于6个准确的定位点,检测和绘制车道线。     

丁字路口车辆U形转向的元胞自动机模型

基于丁字路口左半部分车道建立了双向六车道道路系统,考虑U形转向车道位于左车道和中车道两种情况。将直线道路和转向道路按车辆实际行驶轨迹交错划分元胞,引入红绿灯,以NaSch模型为基础进行模拟仿真,再统计各车道流量进行分析。结果表明,U形转向车道位于左车道时有利于U形转向车辆通行,位于中车道时有利于右方左转车辆通行,但对驶向路口三车道流量影响较大。     

微观交通仿真研究不同流量条件下的车道利用率

车道利用率反映的是单一方向路段交通量在不同车道上的分布情况，它影响交通流的稳定性，是道路通行能力和交通安全的重要影响因素．针对不同流量条件下车道利用率的不确定性和难以通过实验采获等特点，应用车辆跟驰、车道变换等微观交通流仿真模型在一体化仿真环境下进行模拟研究，得到双车道和三车道路段流量一换道次数以及流量—车道利用率关系的基本规律。     

基于边缘特征融合和跨连接的车道线语义分割神经网络

无人驾驶中的车道线检测任务需要同时确定车道线的位置、颜色和线型,而现有方法通常仅识别车道线的位置,不识别车道线的类型.为了端到端地解决这一问题,设计了一种语义分割神经网络,将一幅图像中不同车道线分割为不同区域,用每个区域的类别标签表示其对应的车道线类型.首先,在主流的编码器-解码器框架下,构建了一个结构较为简单的基础网络.考虑到边缘特征是车道线检测中的重点,为基础网络的编码器并联了一个边缘特征提取子网络,通过逐层融合边缘特征图和原始特征图增强车道线的特征.边缘特征提取子网络的结构与基础网络的编码器相同,其输入是对车道线图像进行Sobel滤波的结果.此外,编码器和解码器对称位置的卷积层输出的特征图尺寸相同,但具有不同的语义层级.为了更好地利用这一特性,建立从编码器到解码器对称位置的跨连接,在解码器逐层上采样的过程中融合编码器对应尺寸的特征图.在TSD-Lane车道线检测数据集上的实验表明,相比于基础网络,基于边缘特征融合和跨连接的神经网络的分割性能得到了较为显著的提高.该网络具有较好的车道线分割性能,能够在确定车道线位置的同时,区分黄线或白线、虚线或实线.在计算资源充足的前提下,该网络能够达到实时的检测速度.     

考虑驾驶人驾驶习性的自适应车道偏离预警策略

提出了考虑驾驶人驾驶习性的自适应车道偏离预警策略。通过实车驾驶数据采集平台采集驾驶人的驾驶行为数据,并基于模糊聚类对驾驶数据进行聚类处理,进而利用广义回归神经网络(GRNN)模型实现了驾驶人驾驶习性辨识策略;建立车道偏离时间估算模型,设计个性化的车道偏离预警系统;最后,通过驾驶模拟器进行测试验证。结果表明,所提出的考虑驾驶人驾驶习性的自适应车道偏离预警策略能够在有效辨识驾驶人驾驶习性的基础上,提高车道偏离预警的适用性。     

基于客货分离的十车道高速公路车道管理适用条件研究

针对十车道高速公路复杂的交通环境,考虑交通量及货车比例双重因素影响,采取全面试验设计方法,利用VISSIM交通仿真软件对4种车道管理方案开展仿真模拟研究,以平均车速、路段通行能力、冲突数为评价指标,采用主成分分析法构建车道管理方案评价方法,基于多组合交通条件下的车道管理方案评分提出十车道高速公路不同车道管理方案适用条件。结果表明：针对十车道高速公路,当交通量≤1 000 pcu/(h·车道数)时,宜在左侧一条车道禁行货车;当交通量>1 000 pcu/(h·车道数)且货车比例≤30%时,宜在左侧三条车道禁行货车;当交通量>1 000 pcu/(h·车道数)且货车比例>30%时,宜在左侧两条车道禁行货车。     

失控车辆在避险车道制动床上减速过程的 三维离散元模拟

由于中国避险车道设计规范或指南不完善,存在设计缺陷的避险车道易诱发失控车辆冲出避险车道末端或在制动床上侧翻等事故,严重威胁驾驶员生命。以往研究还不能体现车轮沉陷变形对失控车辆减速作用的影响。为此,从颗粒层面入手采用离散元方法,分别构建集料离散元和车轮离散元,在PFC^3D软件平台建立集料－车轮三维离散元模型；采用模拟静力三轴压缩试验标定集料离散元颗粒微观参数；采用实车足尺试验数据标定车轮离散元颗粒微观参数。利用标定后模型对失控车辆在避险车道制动床上的减速过程进行数值模拟,设计4组数值模拟试验分析失控车辆车轮沉陷深度、停车距离的变化规律。研究成果为避险车道制动床长度设计和集料铺筑厚度设计提供了理论依据,对避险车道设计规范或指南的完善具有指导意义。     

宽幅高速公路沥青路面车道 结构响应差异化数值分析

为了研究宽幅高速公路渠化交通荷载对沥青路面车道结构响应的差异性,结合某改建高速公路的交通量,分别对行驶客车的轻载车道和行驶货车的重载车道的交通荷载进行累计轴次换算.通过沥青路面结构分析软件和数值模拟方法,对不同工况下的沥青路面车道结构响应进行计算和分析.结果表明:实际工况的轻载车道沥青路面的非弹性变形为重载车道的68.0%,但轻载车道与重载车道无机结合料稳定层的疲劳开裂寿命近似相同;实际工况的轻载车道沥青路面的非弹性变形为设计工况的82.5%,实际工况的重载车道沥青路面的非弹性变形为设计工况的121.3%.     

基于人工神经网络算法的某机场雾的模式识别预报

基于人工神经网络（ANN）误差后传算法（BP模型），通过对100个有雾天气个例和50个无雾天气个例进行模式识别训练，用前期（前日08、14、20时实测资料）的温、压、湿、风等要素指标建立起了某机场雾的ANN识别预报模型。该模型具有很好的拟合效果，独立样本的试验和检测结果均达到较为精确的预报效果，具有实际应用意义。     

河网水情预报的神经网络模型及应用

传统BP网络模型在模式识别、电力负荷预报、水现象的模拟及预报等领域得到了广泛的应用．但传统BP网络模型存在隐含层结构难以确定和网络结构物理概念不明确等问题．本利用水量守恒及槽蓄关系,建立了能够反映水流运动基本特征的神经网络模型(MCR—ANN)并用于河网水情的模拟及预测．应用结果表明：该网络物理概念清晰,避免了传统BP网络在隐含层结构难以确定和河网结构物理概念不明确等的不足,模拟效果较好。     

产品需求量非平稳时序的ANN-ARMA预测模型

针对基于非平稳时序的产品需求量预测方法存在的问题,研究了人工神经网络(ANN)与自回归滑动平均(ARMA)模型的集成建模与预测方法. 产品需求量的非平稳时序可分解为确定项和随机项两个部分,用人工神经网络模型拟合确定项,以表示非平稳的变化趋势;用自回归滑动平均模型拟合随机项,以表示平稳的随机成分. 将两个模型的预测值之和作为产品需求量的优化预测值. 仿真结果表明,集成模型的预测精度高于单一的人工神经网络模型.     

基于趋势组合的知期电力负荷预测模型

在运用神经网络进行短期电力负荷预测中，天气是影响负荷的重要因素。为了更好地捕捉天气对负荷的影响，文中提出了一种基于神经网络的趋势组合短期负荷预测思想和模型，将短期负荷与天气变量的内在关系分解为3个不同的趋势分量，即周趋势分量、日趋势分量和小时趋势分量，每一个趋势分量分别用一个神经网络模型捕获，趋势分量的预测结果再用一个神经网络模型进行组合，从而得到最终的预测值，分别用改进的和传统的模型预测一周的小时负荷，结果表明，这种神经网络模型能取得更好的预测精度。     

High-precision orbit prediction and error control techniques for COMPASS navigation satellite

A new satellite orbit prediction method based on artificial neural network （ANN） model is proposed to improve the precision of orbit prediction. In order to avoid the difficulty of amending the dynamical model, it is attempted to use ANN model to learn the variation of orbit prediction error, and then the prediction result of ANN model is used to compensate the predicted orbit based on dynamic model to form a final predicted orbit. The experiment results showed that the orbit prediction error based on ANN model was less than that based on dynamical model, and the ent satellites and different improvement effects for differtime were different. The maximum rates of improvement of predicting 8, 15, 30 d were respectively 80 %, 77.77 %, 85 %. The orbit prediction error control technique based on the method of back overlap arc compare was brought forward to avoid the risk that the precision of predicted orbit is even worse after it is compensated by ANN model. The phenomena of failure were basically eliminated based on this technique, and the rate of failure was reduced from 30 % to 5 %. This technique could ensure that the engineering application of ANN model could come true.     

金属填料蒸发型空调系统性能的预测模型

针对金属填料蒸发型空调系统内部传热传质过程的复杂性,利用人工神经网络的非线性映射功能、学习功能和记忆功能,通过对数据样本的学习,建立起描述金属填料蒸发型空调系统性能与其影响因素间关系的神经网络模型,再根据此模型来预测影响因素变化引起的蒸发型空调系统性能变化.利用试验数据对网络模型进行训练和验证,检验模型预测的准确性.结果表明:网络模型输出结果与实验数据比较吻合,相对误差大多在6%以内,证实该网络模型对金属填料蒸发型空调系统性能预测的可行性.     

人工神经网络在煤氧化性预测方面的应用

提出利用人工神经网络技术进行煤氧化速率定量预测的新方法。根据对煤自燃的实际特点和基本规律的综合考虑，研究了影响因素的选取、煤氧化速率预测模型的建立等问题。采用BP神经网络算法对煤氧化速率进行了建模。结果表明，用神经网络模型对煤氧化速率进行模拟预测，具有理论上的可行性和现实意义，说明人工神经网络技术在煤氧化速率预计领域中具有实用价值。     

采用BP&SA混合学习策略的短期电力负荷预测方法

提出了一种BP混合模拟退火(SA)的ANN短期负荷预测方法,该方法针对传统BP学习算法的缺点,将BP算法和模拟退火算法的优点相结合以提高网络的学习性能.ANN模型中考虑了温度和预测日类型,可进行工作日和节假日的预测,实例表明ANN模型实用有效、精度高.     

一种新的复合神经网络控制器

目的介绍一种新的复合神经网络控制器的结构。方法结合传统控制、神经网络监督控制、神经网络逆控制的优点提出复合控制器方案,建立用它控制水箱系统的水位和温度的仿真模型,并进行计算机仿真。结果仿真实验表明,复合神经网络控制器中的PD控制器、神经网络监督控制器、神经网络逆控制器,可以协同工作,也可以在某种程度上单独工作。结论复合神经网络控制系统的鲁棒性和抗干扰性得到提高。     

人工神经网络在热舒适实验研究中的应用

使用人工神经网络(ANN)方法处理影响人体热舒适的多种环境因素和人体的热反应之间的关系,以探讨用于各类环境热舒适性预测的可行性.针对稳定热环境和非稳定热环境下的热舒适实验,建立了BP神经网络模型,利用实验数据对网络进行训练和测试,检验其预测的准确性.评测结果表明,对稳态环境,该模型较传统的线性回归方法有更高的预测精度;对非稳态环境,避免采用回归方法遇到的非线性关系处理问题,能合理地预测非稳态条件下热反应的变化.因此,合理建立各类热环境的ANN模型,用已有的热反应数据训练该模型,实现对环境热舒适性的预测是可行的.