车辆属性鉴定的主要问题研究

目的探讨道路交通事故技术鉴定中车辆属性鉴定项目的鉴定方法、技术手段和鉴定意见表述。方法通过对2012年1月—2016年12月2005例车辆属性鉴定案例的统计分析,并结合国内近几年出现的新型车辆的特点对车辆属性鉴定的鉴定方法进行比对。结果得出了车辆属性鉴定在国内司法鉴定领域所面临的困难和挑战,应结合各地区的实际情况采取针对性的鉴定方法来更好地为司法公正服务。结论车辆属性鉴定与配套的法律法规息息相关,所依托的学科基础是车辆工程学,与其他自然科学也密不可分,为开展道路交通事故技术鉴定其他非常规鉴定项目提供了新的视野和角度。

基于改进YOLOv5的车辆属性检测

车辆属性检测是一个基础任务,其属性检测结果可以被应用到很多下游的交通视觉任务。提出了一种基于YOLOv5的车辆属性检测改进算法。针对检测目标较小的问题,加入了卷积注意力模块,让网络模型把更多的注意力放在小目标对象上;针对数据集样本种类较少的问题,改进了YOLOv5的马赛克数据增强方式;使用自门控激活函数Swish,起到抑制噪声、加快收敛速度并提升模型鲁棒性的作用。此外,还在公开车辆数据集VeRi-776的基础上进行了详细的车辆属性标注,构建了一个车辆属性数据集。实验结果表明,改进后的算法比原始YOLOv5的平均精确率提升了4.6%,能够准确地检测到车辆图像的通用属性,可以供下游任务使用。

动力驱动两轮车和三轮车的属性归属问题研究

有动力驱动的两轮车和三轮车作为一种具有便捷性、经济性和灵活性的出行工具,得到了许多人的青睐,其保有量和种类日益增加。动力驱动两轮车和三轮车参与的事故数量有增无减,事后车辆属性的准确判定成为事故定性、责任划分、赔偿依据的关键因素之一。文中在总结动力驱动两轮车和三轮车及其事故特点的基础上,详细阐述法律法规、技术标准等对机动车、非机动车的管理规定和要求,归纳总结关键参数复核法、结构和参数检测法两种车辆属性鉴定方法;针对仅事后鉴定动力驱动两轮车和三轮车车辆属性的局限性,从法规标准、生产销售、使用和监管的角度分析存在的问题并提出改进建议,以杜绝和减少不规范使用动力驱动两轮车和三轮车的现象。

基于标签算法的异车型混合集送多属性车辆路径问题研究

文章对异车型混合集送的辆路径问题(Vehicle Routing Problem with heterogeneous fleet,backhaul and mixed-load,VRPHBM)进行研究,提出了一种基于多属性标签的蚁群系统算法(Multi-Label based Ant Colony System简称MLACS)。该算法利用面向对象理念,分别对客户、车辆及其行驶路径构建多属性标签,再通过蚁群算法的搜索规则对客户和车辆标签进行匹配,从而得出满意的车辆行驶路径。通过Solomon标准及其扩展算例和实际案例的验证表明,MLACS具有快速、灵活和稳定等特点,能够很好地解决VRPTW、VRPHBM以及多限制条件的实际应用问题。与本文列出的研究同类型问题文献的其他几种算法相比,MLACS算法在运算时间以及计算结果上明显具有优势,是求解该类问题的有效算法。

基于多任务卷积神经网络的车辆多属性识别

细粒度车辆识别极具挑战性,尤其在两辆车的外型差异及其细微的时候。通过车辆的附加属性能够提高车辆识别效果,但一般的神经网络模型忽略了附加属性间的联系,提出一种基于改进的triplet loss作为损失函数的车辆多属性学习的卷积神经网络,用于实现细粒度车辆多属性识别。具体而言,通过对传统神经网络结构的改变,将车辆识别问题转化为多属性学习问题。对三元组损失函数进行改进用于训练网络以实现细粒度车辆识别。同时,创建了一个车辆多属性数据集并完成训练工作,结果显示了该方法的潜力。

两轮与三轮电动车参数检测与属性判定探究

电动车目前作为一种广泛应用的短途交通工具,具有便捷性、经济性以及速度优势,其数量庞大、种类繁多。同时,电动车事故率有增无减,事发后车辆定性难的问题突出。究其原因,除了管理上的问题,还存在如何通过现有法规标准从技术上去检测判别电动车的机非属性问题。通过分析现有法规标准入手,提炼关键的特征性技术要素,从特征性参数的检测原理及检测方法上进行深入的探讨,并提出方案,形成电动车属性的技术评判流程,推动检测方法设备化,为电动车的属性认定提供技术帮助。

基于多源信息融合技术的全域卡口车辆身份检索

以智慧城市全域卡口系统中的车辆检索为背景,针对车辆检索输入条件的片面性、不完整性,将车辆目标的静态信息进行了层次式的分解,并将车辆目标的静态信息的相似度进行了关联;从车辆行驶的时间、空间位置的关联信息出发,结合车辆的空间位置、车辆平均速度对候选车辆序列进行了筛选,缩小了候选车辆序列的范围,提高了检索效率。

基于交通大数据的车辆画像技术应用研究

依托大数据平台搭建方案,以车辆号牌为主标签,整合车辆的登记信息、使用信息、车主信息、驾驶员信息以及事故、违法信息等,对车辆的静态属性与动态行为特征进行分析建模。通过对车辆属性分类并利用一定的技术方法抽取得到车辆特征,提炼成车辆标签,最终得到车辆画像,勾勒出车辆的整体特征与轮廓。在大数据环境下,车辆画像技术支撑对车辆的全面信息搜索和各类研判应用,满足各管理单位个性化需求,成为车辆主动管理、精细化管理的重要助力。

有轨电车运行能耗影响因素及节能措施分析

为提升有轨电车能量综合利用效率,就基础设施和运营组织相关因素对有轨电车运行能耗的影响进行了重点分析,从车辆属性、线路条件、运营组织模式等方面提出了相应的节能优化措施。在此基础上,拟合得到了不同速度下部分关键参数对运行能耗的影响关系,为有轨电车运行能耗的快速评估提供了一种可行的方法。

汽车维修市场同质低端供给过剩必将带来行业大洗牌

交通运输部自2014年与发改委等10个部委联合颁布《关于促进汽车维修业转型升级、提升服务质量的指导意见》文件以来,吹响了汽车维修业转型升级的号角;2015年又对原交通部2005年第7号部令《机动车维修管理规定》进行了修正,以交通运输部2015年17号令形式重发;交通运输部会同商务部、国家工商总局、国家质检总局、中国认证认可委员会、

考虑主客观因素的自动紧急制动系统综述

目前自动紧急制动系统(AEB)控制策略存在不足之处,AEB系统控制策略未能考虑多项主客观因素协同来适应紧急制动时的动态变化。从主观因素中的驾驶风格和客观因素中的车辆属性、道路条件和行驶环境,分析了它们对AEB控制策略的影响程度,得出在进行AEB策略设计时应考虑多项主客观因素协同,来增加AEB系统稳定性。针对目前AEB的控制策略研究,总结并提出除考虑主客观因素外,应结合智能网联技术和先进智能底盘相来提高AEB系统的适应性。

面向智慧城市的交通视频结构化分析前沿进展

随着智慧城市建设的不断深入,大量的传感器设备铺置在城市公路和轨道等交通场景,为多维度全方位感知城市交通状态构建了广泛的感知网络,产生了海量的交通视频数据。海量交通视频数据是城市管理的数据宝藏,理解与分析这些数据是智慧城市建设的关键。面对高度冗余的交通视频数据,如何高效准确地挖掘和提取结构化信息,实现对重点目标(如人、车、物)的快速检测、识别与检索,是交通视频处理的核心问题——交通视频结构化分析。交通视频结构化分析包括车辆视频结构化分析、人员结构化分析及其行为分析。其中,车辆结构化作为一个复杂的多步骤任务,主要由车辆的检测、车辆的属性(车牌、车型和颜色)识别以及车辆的检索和重识别等子任务构成。人脸结构化和行人结构化是交通视频中行人结构化智能分析中的两个重要研究方向,主要分析人脸或者行人的一些表观属性。行人行为分析是指对行人在复杂交通环境下做出的动作进行识别和预测。本文从交通视频中的车辆、行人及其行为分析等方面,阐述交通视频结构化分析领域的研究热点及前沿进展,汇总比较国内外的相关成果,并对交通视频结构化分析领域的研究进行总结分析与展望。