车联网仿真实验平台搭建与参数校正研究

车联网尚处于实验研究阶段,通过搭建真实车联网环境来验证各种实验研究的难度较大且成本较高,鉴于此,文章选取广州市实际路网作为实验区域,利用Vissim交通仿真软件,给出了车联网仿真实验平台的具体搭建过程,并考虑到模型默认参数不一定适合实际道路交通运行情况,提出采用正交试验法对该平台的模型参数进行校正。结果表明:校正后的仿真结果与实测数据接近,误差在可接受范围之内,能真实再现路网的交通运行状况,为后续进行车联网环境下的各种算法验证奠定了基础。

5G车联网环境下交通流参数提取方法与仿真

5G车联网的快速发展,为交通流参数的获取提供新机遇和条件。文中研究了5G车联网环境下9个交通参数的提取方法,搭建基于VISSIM交通仿真的车联网仿真平台,选取典型路段和交叉口,对比各交通流参数计算值与仿真值的偏差。结果表明,各交通流参数的计算值与仿真值基本一致。

基于机器视觉的LED灯盘分拣及测试平台

本论文讨论基于机器视觉和三菱PLC来实现的LED灯盘分拣及测试的技术,据此采用Labview、GX Works、FX-VPS等开发平台,建立一个高效、精确的分拣测试系统。

基于MFD和谱聚类的路网交通状态判别方法与仿真

宏观基本图可从宏观层面对路网交通状态进行判别,但只能判别路网交通是否处于过饱和状态,无法进一步划分路网交通状态,而谱聚类算法能有效地对样本数据进行分类。鉴于此,文章提出基于宏观基本图和谱聚类的路网交通状态判别方法,首先利用浮动车估测法得到路网宏观基本图,然后依据谱聚类算法,对路网宏观基本图进行聚类分析,从而将路网交通状态划分为四个等级(低峰、平峰、高峰、过饱和)。为了验证算法的有效性,以广州市越秀区北京路周边路网为例,建立基于VISSIM的微观交通仿真模型,设定浮动车比例为30%,估测路网宏观基本图,然后在MATLAB中实现谱聚类算法,将路网交通划分为四种交通状态。研究的算法能够有效地对路网交通状态进行细分,为后续对路网交通进行精细化管理与控制奠定了基础。