基于5G技术的校园无人车配送系统设计与实施研究

文章以青岛职业技术学院为案例,基于5G技术设计了校园无人车配送系统。通过勘察和数据采集确定了配送需求和路径,并设计了无人车控制系统,实现自主行驶和环境感知。采用基于5G的通信模块实现与服务器的实时通信,通过仿真和优化,建立了系统原型,并进行了实地测试。结果表明,该系统能高效、安全地提高校园内配送效率和服务质量,对未来校园无人车配送系统具有重要参考价值。

基于TAM模型的校园快递无人车使用意愿研究

为深入了解大学生对校园无人配送的接受度,文章以技术接受模型(TAM)理论为基础,构建了一个包含感知有用性、感知易用性、感知风险、满意度和行为意向的理论模型,并向在校大学生发放了问卷,收集了有效数据,利用结构方程模型(SEM)进行了实证分析。在此基础上,提出了提高大学生对校园快递无人车接受度和行为意向的策略建议,旨在为校园无人车配送的优化和发展提供参考。

面向校园复杂环境的无人车前方多目标跟踪算法研究

针对无人车使用传统多目标跟踪算法在复杂的校园场景中跟踪效果不好、实时性差等问题,提出了一种面向校园复杂环境的无人车前方多目标跟踪算法。首先,基于YOLOv4-tiny目标检测算法设计检测器,增加算法的检测层以提高小目标检测精度;随后在筛选出的数据集上进行模型训练和试验,试验结果表明,改进后检测器的检测精度AP提高了5.4%,运行速率FPS达到114.3 f/s。其次,在获取检测框后,以检测结果为输入,使用无迹卡尔曼滤波器预测目标轨迹,解决卡尔曼滤波在目标非线性状态下鲁棒性差的问题。然后,将预测得到的新轨迹通过匈牙利算法和当前检测视频帧数进行匹配,并使用IOU匹配算法对匹配不成功的轨迹和检测结果进行关联匹配。最后,进行无迹卡尔曼滤波更新。无人车校园跟踪试验表明,与原DeepSORT算法相比,改进跟踪算法的多目标跟踪准确度MOTA提升数值为4.1%,多目标跟踪精度MOTP提升数值为3.4%,FPS提升了33.8 f/s,有效提高了无人车的安全性。