基于云控系统的队列预测性巡航与换道决策

为了提高队列行驶的安全性、经济性、高效性和平顺性,提出了基于云控系统的队列预测性巡航与换道决策方法。通过路侧基础设施获取动态交通信息,并上传云平台;云平台利用预测模型估计环境车辆的未来状态;队列采取不同的行为而获得的惩罚体现在设计的目标函数中,通过最小化目标函数实现纵向加速度与横向换道决策的协同优化,并将决策结果发送至车端进行跟踪控制。利用Sumo与Matlab搭建联合仿真环境,设计了不同交通流量下的5组仿真工况。结果表明:对比微观驾驶模型(IDM+MOBIL),采用该方法的队列在巡航时碰撞风险降低42.2%,换道时碰撞风险降低3.41%,平均节油率为1.22%,速度提升0.83%,平顺性提高49.84%,在安全性、经济性、高效性和平顺性方面均优于微观驾驶模型。

基于遗传优化与深度学习的交通信号灯检测

交通信号灯检测是先进驾驶辅助系统的关键技术之一,也是无人驾驶车辆车载环境感知的重要研究方向。本文中针对通用物体检测算法不适合信号灯这类小物体的检测和缺乏实时滑动窗口检测算法的问题,提出了一种交通信号灯检测方法,包括基于遗传优化的交通信号灯候选区域生成方法,和基于深度神经网络的信号灯定位与分类方法。其中,作为本文中研究重点的候选区域生成方法又分3部分:信号灯共用特征区域提取、基于重要性采样的信号灯候选区域参数采样和基于遗传算法的信号灯候选区域参数优化。与现有的信号灯检测方法相比,本文中所提出的方法可对横竖排的红色、绿色和圆形、箭头形信号灯进行有效检测和分类。在公开的交通信号灯数据库的对比实验表明,该方法对交通信号灯的召回率高,且能有效区分不同类别的信号灯。

三个环节构筑廉政网络—沿江国税预防职务犯罪工作取得实效

近年来，沿江工业开发区国税局通过强化廉政教育、廉政制度、廉政监督三个环节，构筑内外交错的廉政网络，使该局的预防职务犯罪工作取得了实效。辖区的各街道办事处和沿江开发发管委会、化学工业园管委会都对区局的行风廉政建设给予了肯定，连续i年满意度为100％；在区局办服务税厅每季度开展的随机测评中，