公路列车的体系框架与关键技术

环保、安全是交通运输领域备受关注的两大重要问题,智能交通系统(ITS)是解决这两大问题的一种有效方法。公路列车(Road Train)系统作为车用自组织网络(VANETs)在ITS领域的一个特殊应用,通过车车协同,整个公路列车队中,除头车由驾驶员驾驶,其他车辆都受头车发送的控制数据控制其自动驾驶。该系统集成了微电子技术、网络通信技术、多传感器集成技术以及车辆自动控制技术,旨在提高交通运输的安全性以及减少其所带来的环境污染,同时增加驾驶舒适性,其核心思想是通过车车通信的方式实现车辆之间的列队协同列队行驶。首先介绍了公路列车系统的概念,分析了公路列车系统的优点,提出了公路列车系统的体系框架结构,深入讨论了公路列车系统中所包含的关键技术,最后对公路列车系统进行了总结。

沧州市黄河路(迎宾大道—解放东路)改造提升工程方案设计

沧州市黄河路主要服务客运交通,西接新区,东连开发区,是沟通"三城"的重要通道;作为沧州市域横向骨架路网的重要组成部分,起到了带动经济发展的关键作用;同时服务沿线地块出行交通的快速客运通道。

应用残差生成对抗网络的路况视频帧预测模型

在路况视频帧的预测领域中,针对当前大部分模型所存在的预测图像分辨率低、图像模糊和局部细节缺失等问题,提出了一种应用残差生成对抗网络的路况视频帧预测模型(RB-GAN)。该模型用于在给定一段路况视频流的情况下更好地预测未来的一帧路况图像,应用多个级联的残差模块初步提取输入视频流的图像特征;利用感知网络强化对视频流中物体运动特征的提取;通过使用双重判别器提高生成对抗网络生成的图像的质量;用Adam方法来优化网络权值的深度学习过程。基于生成对抗网络这种半监督的学习框架,训练后的模型可以预测出一段路况视频流下一时刻的同输入视频流具有时空一致性的帧图像。应用车辆检测领域常用的KITTI数据集对生成对抗网络模型进行训练和测试,实验结果表明:与主要依赖于像素均值的方法相比,RB-GAN模型预测图像的分辨率提高了2～4倍,达到256像素×512像素,在图像锐度标准上提高了1～2个数量级,同时图像也更加符合人眼视觉的主观感受,所预测得到的路况视频帧图像质量更高,更具有实用性价值,可以更好地为诸如检测算法等其他下游算法提供有效的特征信息。