考虑车辆及行人到达规律的高铁站落客平台车辆行程时间仿真研究

为探究落客平台高峰小时内车辆和行人的到达分布规律对车辆行程时间的影响,以元胞自动机理论为基础,通过分析车辆交通流特性以及行人行为特性,建立落客平台微观仿真模型,并将着重讨论车辆和行人的到达规律在符合泊松分布、二项分布、负二项分布等组合的九种情况下对行程时间的影响,希望为相关人员提供参考。

基于内容感知重组特征的车辆行人检测算法

在自动驾驶场景中,针对复杂背景对车辆和行人检测目标影响大、小目标检测精度不高的问题,提出一种基于内容感知重组特征和自适应融合的YOLOv5(content-aware reassembly of feature and adaptive fusion YOLOv5,CRAF-YOLOv5)车辆及行人检测算法。通过引入通道注意力机制形成多通道特征提取网络,增强复杂背景下目标特征的提取性能;在特征融合前段,通过内容感知重组特征进行上采样,并添加基于跳跃连接结构,强化浅层网络对小目标特征的表征能力;在特征融合后段,采用自适应权重融合方式学习不同尺度特征,实现深层和浅层特征的动态学习和深度融合。实验结果表明,该算法在BDD100K和KITTI数据集上车辆行人目标检测平均均值精度分别达到84.40%和93.35%,较YOLOv5基准算法分别提高了3.90%和0.45%。