基于GCR-PointPillars的点云三维目标检测

针对PointPillars算法中存在识别与定位不准确的问题,提出一种GCR-PointPillars三维目标检测模型,该模型首先在Pillar特征网络中引入全局注意力机制,学习点云特征之间的相关性,增强伪图特征的全局信息交互能力;其次,基于ConvNeXt V2重新构建特征提取网络,提取更加丰富的语义信息,从而有效提升网络的学习能力;最后引入RDIoU来联合引导分类和回归任务,有效缓解分类和回归不一致的问题。文中模型在KITTI数据集中与基准网络相比,汽车类别在简单、中等、困难三种难度级别下分别提高了2.69%、4.29%、4.84%,并且推理速度达到25.8 f/s。实验结果表明,文中模型在保持实时性速度的同时,检测效果也有明显提升。

化肥氯离子现场快速检测装置设计研究

本文基于硫氰酸汞分光光度法设计了一种肥料中氯离子现场快速检测装置,该装置包括送样系统和光学检测系统,装置在检测过程中为样液提供了相对密闭洁净的流动空间,使工作人员在室外也能快速完成化肥中氯离子含量的检测工作。

基于多车状态变化特征的网联车跟驰模型

针对前车速度单双向突变引起的交通流不稳定问题,提出一种基于多车状态变化特征的网联车跟驰模型(MVSCF)。首先引入多前车加速度差变化特征和优化的速度期望估计改进MVCM模型;然后利用微小扰动法和约化摄动法求解MVSCF模型的临界稳定条件,同时结合环形道路场景推导多前车加速度差系数k、多前车数q和多前车最优速度权重ε的相对最优值;最后利用直行道路场景对比分析MVSCF模型在前车速度非平稳变化作用下的交通流稳定效果。仿真结果表明:前车速度单双向突变时,MVSCF模型能够较好吸收前车扰动,速度波动峰谷差值和加速度波动幅度均有所减小,有利于提升交通流的稳定性。

面向自动驾驶测试的危险变道场景泛化生成

针对自动驾驶虚拟测试中危险变道场景构建问题,提出一种数据−模型驱动的自动驾驶测试危险变道场景泛化生成方法.基于NGSIM US101数据集中的紧急变道数据,提出一种紧急变道轨迹对抗生成方法(BN-AM-SeqGAN),构建基于安全距离的两车变道状态约束模型,设计危险变道测试场景泛化生成方法,生成危险变道测试场景库.实验结果显示:生成的5万条紧急变道轨迹变道完成时间分布的均方根误差为0.63,生成的5万个危险变道场景中,99.54%的场景被测自动驾驶车辆与变道背景车辆的碰撞时间小于1 s,表明该方法能够有效生成自动驾驶测试危险变道场景.

自动驾驶数据采集与管理系统设计与实现

自动驾驶技术的测试实验和算法开发需要大量数据集支撑,为获取自动驾驶汽车实际运行过程中的车辆状态与环境数据,设计实现了一种自动驾驶数据采集与管理系统。系统通过高精度传感器采集车辆实时状态数据和环境数据,采用多传感器模块化设计,可以按需求灵活配置传感器,由数据处理模块接收并处理传感器数据,以HTTP接口和FTP协议作为数据传输方式,使用NodeJS高性能云端服务器接收数据,TDengine时序数据库存储数据。系统通过5G模块保证数据稳定、高速传输,通过数据采集监控平台可实时查看当前车辆状态和传感器连接运行状态,通过数据管理平台可以下载过往采集数据。实际测试结果表明,系统在高频率请求数据接收接口的情况下,接口请求成功率为100%,接口响应时间在8 ms左右,整个系统能够稳定运行且数据接收响应延时低,能够满足实时采集和存储管理自动驾驶数据的需求。

改进YOLOv5s的复杂交通场景路侧目标检测算法

针对传统路侧目标检测模型存在的对于行人、非机动车、受遮挡车辆等小目标检测精度低以及模型体积过大的问题,提出了一种基于改进YOLOv5s的路侧目标检测模型。使用EIoU Loss替换原始的CIoU Loss作为目标边界框的回归损失函数,在加快预测框回归损失函数收敛速度的同时提升了预测框的回归预测精度;使用轻量级的通用上采样算子CARAFE替换原始的最近邻插值上采样模块,减少了上采样过程中特征信息的损失;在原始的三尺度检测层的基础上新添加一层检测尺度更小的小目标检测分支,并提出了一种高效的解耦预测头对不同尺度的检测层进行解耦,进一步提升了模型对于小目标的检测能力;对改进后的模型进行通道剪枝,剪除对于检测效果影响不大的冗余通道,降低模型体积,使得模型更加适用于资源受限条件下的路侧目标检测任务。在路侧目标检测数据集DAIR-V2X-Ⅰ上的实验结果表明,相较于原始YOLOv5s算法,改进后的算法在模型体积减小5.7 MB的基础上,mAP50、mAP50:95分别提高了2.5个百分点和3.8个百分点,达到了90.3%、67.7%,检测速度也达到了89 FPS。与其他主流的目标检测算法在检测精度、模型体积以及检测速度上相比有一定的优势,改进后的算法适用于复杂交通场景下的路侧目标检测任务。

基于CNN-BiLSTM-AM模型的交通流量预测

交通流量的准确预测可以为交通管理部门及个人提供更加可靠的宏观道路状况信息,为城市建设、道路规划、交通管制等问题的研究提供重要的参考。针对现有模型存在的预测准确度不理想、对特征感知能力不强等问题,结合卷积神经网络(CNN)的特征提取能力,双向长短记忆网络(BiLSTM)对于时序数据的连续性、周期性的挖掘能力以及注意力机制(Attention Mechanism,AM)对于关键信息的捕获能力,提出了一种融合多特征的CNN-BiLSTM-AM组合模型,旨在提升模型在交通流量预测准确度上的表现。采用美国明尼苏达州I-94号公路每小时西行交通流量数据进行预测实验,实验结果表明CNN-BiLSTM-AM模型具备准确预测交通流量的能力,与其他基准网络模型相比,各项误差指标均有明显下降,其中MSE降至0.00264,RMSE降至0.05135,MAE降至0.02372,判定系数R 2达到0.97001,模型预测结果与真实值拟合度较高。整体模型具有准确度高、稳定性好等优势。

肥料中氯离子含量等级快速检测方法研究

本文基于莫尔法建立了一种现场快速检测肥料中氯离子含量等级的方法,通过与国标佛尔哈德法的对比,该方法可以准确快速地检测未标含氯(即不含氯)、含氯(低氯)、含氯(中氯)的肥料产品,该方法操作简便,检测效率高,使用设备简单便携,适用于各种检测环境,可以作为国标佛尔哈德法的补充,用于肥料产品氯离子含量的初步判定。该方法对于提升市场监管效率,肥料企业产品质量提升,保护肥料使用者利益有着一定的现实意义。

Protective efficacy evaluation of immunogenic protein AHA_3793 of Aeromonas hydrophila as vaccine candidate for largemouth bass Micropterus salmoides

Aeromonas hydrophila is a Gram-negative pathogen that can infect various fish,including largemouth bass(Micropterus salmoides),which have caused huge economic losses.In present study,largemouth bass anti-A.hydrophila antibodies were produced,then a highly immunogenic outer membrane proteins,AHA_3793,was identified by combined western blotting and mass spectrometry analysis.Moreover,AHA_3793 was expressed,and its immunogenicity was further verified by western blotting.Subsequently,the protective efficacy of AHA_3793 were evaluated in largemouth bass.The results showed that rAHA_3793 could produce a relative percentage survival(RPS)of 61.76% for largemouth bass against A.hydrophila challenge.ELISA analysis showed the specific serum antibodies of largemouth bass against rAHA_3793 and A.hydrophila in vaccinated group in weeks 4 and 5 after immunization were significantly higher than those in control group,which suggested that rAHA_3793 induced production of specific serum antibodies against rAHA_3793 and A.hydrophila.The qRT-PCR analysis showed that expressions of CD4-2 and MHC Ⅱα were also significantly up-regulated after immunization.These results collectively demonstrated that rAHA_3793 could induce a strong humoral immune response of largemouth bass,and then produce high immune protection ef fects against A.hydrophila infection.

一种高精度光纤陀螺用光子晶体光纤设计

为了解决光子晶体光纤陀螺中高阶模致非互易性问题,设计了一种用于高精度光纤陀螺的单模保偏光子晶体光纤。为获得光纤结构参数最优区域,基于全矢量有限元方法开展了光子晶体光纤模场分布、双折射特性和限制损耗与三个重要结构参数(归一化频率、空气填充比、大孔直径)的依赖关系数值仿真分析。以传统熊猫型保偏光纤特性为参照,确定了光子晶体光纤结构参数最优区域。采用优化的光子晶体光纤绕制了1500m环圈并装配于陀螺,对陀螺进行了相应测试。未采用温度补偿措施下,陀螺全温零偏稳定性优于 0.008 (°)/h (100 s, 1σ),表明这种光子晶体光纤适用于高精度光纤陀螺。

硫氰酸汞分光光度法测定肥料中的氯离子含量

本文建立了通过硫氰酸汞分光光度法对肥料中氯离子含量测定的试验方法。化肥经过处理后,氯离子与硫氰酸汞反应,生成难电离的二氯化汞分子,交换出的硫氰酸根离子与三价铁离子反应,生成橙红色硫氰酸铁络合物,根据颜色深浅,用分光光度法测定,从而得出氯离子的浓度。通过硫氰酸汞分光光度法与福尔哈德法对肥料中氯离子含量进行测量比较,结果显示,硫氰酸汞分光光度法不受溶液颜色和浊度的干扰,测定更为快速、准确,此种方法缩短了检测时间,实验操作更为简便。

有机过氧化物的稳定性研究进展

对有机过氧化物的热分解机理、热分解模型和金属、酸碱、水、有机物对有机过氧化物的催化分解研究进展进行了综述,并对有机过氧化物生产、运输和储存中的稀释剂和稳定剂做了介绍,为安全生产、储运、使用有机过氧化物提供对策。

基于路口信息的出租车异常轨迹检测

针对出租车的异常轨迹检测问题,根据已有的出租车GPS数据,结合城市道路路口信息,提出了一种基于路口的异常轨迹检测算法(Intersection-Based Anomalous Trajectories Detection,IBATD)。该算法将GPS数据进行地图匹配,并将匹配后的GPS轨迹以路口的形式描述,再以多叉树的方式实现轨迹聚类。通过计算待测轨迹的轨迹概率,并与给定异常阈值进行比较,将轨迹分类为正常或异常。与经典的基于Hausdorff距离的谱聚类算法相比,多叉树轨迹聚类具有更准确的轨迹模型库、更快的运算速度以及实时检测的特点。

基于凝聚层次的驾驶行为聚类与异常检测方法

目前基于视频的异常行为检测主要针对单车受限场景,难以对运输全过程进行监控。而GPS轨迹分析也以对单车进行先验阈值判断为主,缺乏数据深层次分析与信息挖掘步骤。为此,提出一种基于GPS数据的驾驶行为异常检测方法。利用时间、速度、加速度、方向、转角等全局与局部特征及其对应的统计量,构建车辆驾驶行为的特征属性,并基于多特征对已有的商用车轨迹数据进行聚类分析,得到区域性车辆异常驾驶行为检测结果。实验结果表明,该方法能够准确判断待测车辆的超速、急加速/减速、频繁变道等典型异常驾驶行为。

基于边缘计算的危险品运输车辆跟踪预警方法

边缘计算作为一种新兴的分布式计算模型,可提升信息系统的响应速度、节省网络带宽资源。将边缘计算应用于危险品运输车辆的跟踪预警,提出一种边缘智能路侧节点的协作式跟踪算法,在保障实时性的前提下解决了GNSS失锁导致轨迹缺失问题;针对车辆跟踪时的异常状态预警问题,将智能路侧感知的多源信息与车辆运行状态相结合,基于机器学习提出一种融合自车、周围车辆、道路和自然环境等特征因素的预警算法,有效提升了异常检测精度。使用SUMO交通仿真器分析了跟踪算法的性能,结果表明,边缘计算较传统云计算方式时延平均降低了90%,带宽消耗平均减少了68%。基于美国交通部网联车开放数据,通过参数调优分别建立了基于SVM,KNN,Adaboost的单车动力学变量与多因素变量的6种异常检测模型,实验表明,多因素变量检测模型优于单车动力学变量模型。基于SVM的多因素变量模型性能最优,其准确率为0.972,召回率为0.98,AUC为0.974。

基于双向长短记忆网络的异常驾驶行为检测

异常驾驶行为的识别对交通安全起着至关重要的作用,准确识别异常驾驶行为能够显著提高驾驶安全。目前,针对车辆行驶过程中的异常驾驶行为,如急加速、急减速、突然左转或右转等的检测识别,主要采用视频监控或聚类的方法完成。在这两种方法中,前者的实际效果受到应用场景的制约,而后者则不能针对具体的单个车辆进行驾驶行为识别。针对以上问题,使用一种基于双向长短记忆网络(Bi-LSTM)及全连接神经网络(FC)的拓展神经网络检测模型,该模型能有效利用行车数据在时间序列上发生突变时的特征,提高异常驾驶行识别准确率。将车辆行车数据处理后制作数据集并对模型进行训练,训练完成后的神经网络模型能够有效利用行车数据的时间序列特征,准确识别车辆的异常驾驶行为,准确率可达到98.08%。

基于车车通信的前向碰撞预警策略

针对车车(V2V)通信下前向碰撞预警(FCW)系统延时时间内,传统模型假定主车匀速和全球定位系统(GPS)无误差从而明显低估碰撞风险的问题,提出了一种修正GPS误差及考虑延时时间内主车运动状态的FCW策略。首先,分析了基于V2V通信的FCW系统的整体工作流程,并对其中的关键延时采用高斯模型进行建模;其次,确立了修正GPS误差并考虑延时时间内主车运动状态的碰撞避免模型,并根据远车匀速、加速、减速分为三种不同场景制定相应的预警策略;最后,针对延时时间内主车加速运动的情形,通过Matlab对提出的FCW策略进行仿真。仿真结果显示该预警策略的平均成功避撞率可达96%,表明了它在不同场景下预警的有效性。

基于深度学习的驾驶员换道行为预测

车道变换在交通安全中起着至关重要的作用,准确预测驾驶员的车道变换行为可以显著提高驾驶安全性.本文提出了一种基于全连接神经网络和循环神经网络的混合神经网络,用于精准预测车道变换行为.并且提出动态时间窗口,提取包括驾驶员生理数据和车辆运动学数据的车道变换特征.最后,通过真实交通场景下的数据验证了所提出模型的有效性.此外,将所提出的模型与五种其他预测模型进行了比较,结果表明,与其他模型相比,本文所提出的预测模型具有更高的精确率和前瞻时间.

基于轨迹数据的多工况典型驾驶行为能耗评估

驾驶行为是车辆能耗增加的主要原因,为了分析它对能耗的影响,提出一种基于多工况典型驾驶行为的能耗评估模型,通过建立集群识别典型驾驶行为,并针对不同驾驶行为的能耗进行评估。该模型对轨迹数据进行预处理,包括数据清洗、地图匹配、轨迹段划分三个阶段;通过两级聚类识别多工况下的典型驾驶行为;分析不同驾驶行为的能耗变化情况。基于真实交通场景下的数据对模型进行验证,得出该模型对驾驶行为的识别精度高达92%,能耗评估误差在±4%以内。以上结果表明:该模型可以依据车辆行为对能耗实现较为精确的评估,能达到缓解交通拥堵、减少能源消耗和污染物排放的目的,为大规模交通流的能耗分析提供了有效的方法,且对交通行业的发展具有重要意义。

基于LTE-V车辆密集场景的车联网资源分配算法

LTE-V可以为车辆提供可靠、高效的通信能力.在LTE-V中,车辆用户(Vehicle User Equipment,VUE)有集中式(Mode 3)和分布式(Mode 4)两种通信模式.针对密集场景中两种模式由于VUE数目过多产生的数据包碰撞问题,本文依据通信时延、距离等指标对车联网应用进行划分,提出一种车辆自主调度算法,使不同应用按自身性能要求选择合适的通信模式进行通信,以减轻密集场景下的车联网资源分配压力.通过搭建Matlab仿真平台验证算法性能,结果表明,VUE使用车辆自主调度算法在密集场景下的数据包投递率(Packet Delivery Ratio,PDR)能够保持在0.6以上,优于单一通信模式下的主流资源调度算法.