坚持“三个三”支部工作法 服务智能交通

智能交通研究中心是交通运输部公路院的内设科研业务部门,也是国家智能交通系统工程技术研究中心的依托部门。支部现有党员40名,占职工总数58%。近几年,我们不断探索完善以＂三个融合＂＂三种模式＂＂三项工程＂为核心内容的＂三个三＂支部工作法,激发党员队伍活力,强化支部战斗堡垒作用发挥,为智能交通事业发展提供了有力保证。坚持＂三个融合＂,切实提升支部服务中心的组织力。坚持＂支部建在连上＂的组织设置理念.

自适应巡航及协同式巡航对交通流的影响分析

自适应巡航(ACC)和协同式自适应巡航(CACC)等自动驾驶技术正逐渐进入市场,未来一段时间内道路交通流将由人工驾驶车辆与不同等级、不同形式的自动驾驶车辆混合构成。为分析ACC和CACC对交通流的影响.利用实测交通数据NGSim建立人工驾驶车辆跟驰模型,并在综合已有ACC和CACC模型的基础上,提出基于安全间距的自动驾驶跟驰行为模型,进而得出不同ACC,CACC车辆渗透率下交通流的基本图模型。研究结果表明:自动驾驶可以提升交通容量;与ACC车辆比例ra相比-CACC车辆比例rc对交通容量的影响更为显著;当rc>0.5时,饱和流量快速增加,当rc=1时,饱和流量约为纯人工驾驶时的2倍。进一步,通过仿真考察车辆在车队中的跟驰响应和交通流在瓶颈处的运行情况。研究结果表明:自动驾驶改善了交通流的动态特性,对存在跟驰关系的连续车流来说,自动驾驶使得后车可以更加及时地响应前车的行为,车流会在更短的时间内进入稳态;在交通瓶颈处,自动驾驶降低了拥堵程度,提高了阻塞发生的临界流量。总体来看,自动驾驶对交通流静态和动态性能均有所提升,特别是在协同式自动驾驶场景下.车辆行为更加协调一致,交通流表现出良好的抗扰性,进一步验证了车路协同对自动驾驶的意义。

基于三元组卷积神经网络的图像检索

针对图像检索中图像间相似度和训练集带标签样本不足问题,提出一种改进的三元组卷积神经网络的图像检索算法。采用基于三元组卷积神经网络,在相似数据集上进行网络训练,为图像检索项目提取更好的特征。实验结果表明,该算法在相似数据集上进行重训练,有助于提高基于内容的图像检索任务的性能。