基于CA-BIFPN的交通标志检测模型

正确、快速的交通标志检测可为自动驾驶领域的环境感知提供重要信息.针对目前交通标志检测识别率低及多种交通标志检测存在的误检漏检等问题,提出一种协调注意力-双向特征金字塔网络(coordinate attention-bidirectional feature pyramid network,CA-BIFPN)交通标志检测模型.该模型将YOLOv5(you only look once version 5)模型和协调注意力(coordinate attention,CA)机制相结合,引入双向特征金字塔网络(bidirectional feature pyramid network,BIFPN),通过跳连特征融合提高模型的多尺度语义特征利用效率,在提高小目标物体检测效率的同时,也使交通标志的检测精度得到提高.以交通标志数据集TT100K为测试对象进行实验验证,结果表明,与SSD(single shot multibox detector)模型和YOLOv5模型相比,CABIFPN交通标志检测模型的检测准确率分别提高4.5%和1.3%,验证模型有效.

基于人因工程的驾驶行为分析虚拟仿真系统

针对高校中缺少微观仿真软件以及没有考虑到微观个体相关因素的问题,基于Unity3D实时3D互动内容创作和运营平台,通过自主创新,依托于“交通工程省级实验教学示范中心”,研发了数据与场景驱动的驾驶行为分析虚拟仿真实验项目,实现包括多维再现、场景驱动、参数可变、场景可控、方案分析与优化设计等相关功能。系统选择常用交通影响因素作为相关变量,使用SketchUp、Probuilder等软件为系统建模,并采用C#编程语言实现系统所需人机交互功能,并发布Web版本,创建开发出交通模拟驾驶实验室。教师可以通过课程需要选取相关的道路模型,可以显著降低实验成本,并强化学生专业认知能力、专业设计能力以及综合创新能力。