为了综合分析YOLO(You Only Look Once)算法在提升交通安全性和效率方面的重要作用,从“人-车-路”3个核心要素的角度,对YOLO算法在交通目标检测中的发展和研究现状进行系统性地总结.概述了YOLO算法常用的评价指标,详细阐述了这些指标...为了综合分析YOLO(You Only Look Once)算法在提升交通安全性和效率方面的重要作用,从“人-车-路”3个核心要素的角度,对YOLO算法在交通目标检测中的发展和研究现状进行系统性地总结.概述了YOLO算法常用的评价指标,详细阐述了这些指标在交通场景中的实际意义.对YOLO算法的核心架构进行概述,追溯了该算法的发展历程,分析各个版本迭代中的优化和改进措施.从“人-车-路”3种交通目标的视角出发,梳理并论述了采用YOLO算法进行交通目标检测的研究现状及应用情况.分析目前YOLO算法在交通目标检测中存在的局限性和挑战,提出相应的改进方法,展望未来的研究重点,为道路交通的智能化发展提供了研究参考.展开更多
传统公交专用道动态控制方法无法同时保证公交优先和车道利用率的提升,为解决该问题,本文提出车联网支持下公交专用道复用的动态清空控制方法(Dynamic Clearance Bus Lane,DCBL),建立随网联公交行驶车速和网联社会车辆换道时间动态变化...传统公交专用道动态控制方法无法同时保证公交优先和车道利用率的提升,为解决该问题,本文提出车联网支持下公交专用道复用的动态清空控制方法(Dynamic Clearance Bus Lane,DCBL),建立随网联公交行驶车速和网联社会车辆换道时间动态变化的清空框模型,同时定义换道迫切系数,结合模糊控制理论,设计考虑驾驶员换道心理的换道概率输出算法,以模拟驾驶员实际换道过程,最后通过数值仿真以验证DCBL控制方法的有效性。仿真实验结果表明:DCBL控制方法将适用的交通密度范围扩大至0~71 pcu·km^(-1),比传统的BLIP(Bus Lane with Intermittent priority)、IBL(Intermittent Bus Lane)控制方法适用范围增加了9~21 pcu·km^(-1);在40~70 pcu·km^(-1)的中高交通密度区间,DCBL控制方法将社会车辆平均车速保持在45.86 km·h^(-1),比传统控制方法提高了17.9%~24.7%,将公交平均车速保持在33.68 km·h^(-1),对比公交期望车速仅降低了6.4%;DCBL控制方法在路段中高密度区间对公交车的行驶延误小于25 s,比传统控制方法提高路段通行能力8.0%~18.3%。展开更多
文摘为了综合分析YOLO(You Only Look Once)算法在提升交通安全性和效率方面的重要作用,从“人-车-路”3个核心要素的角度,对YOLO算法在交通目标检测中的发展和研究现状进行系统性地总结.概述了YOLO算法常用的评价指标,详细阐述了这些指标在交通场景中的实际意义.对YOLO算法的核心架构进行概述,追溯了该算法的发展历程,分析各个版本迭代中的优化和改进措施.从“人-车-路”3种交通目标的视角出发,梳理并论述了采用YOLO算法进行交通目标检测的研究现状及应用情况.分析目前YOLO算法在交通目标检测中存在的局限性和挑战,提出相应的改进方法,展望未来的研究重点,为道路交通的智能化发展提供了研究参考.
文摘传统公交专用道动态控制方法无法同时保证公交优先和车道利用率的提升,为解决该问题,本文提出车联网支持下公交专用道复用的动态清空控制方法(Dynamic Clearance Bus Lane,DCBL),建立随网联公交行驶车速和网联社会车辆换道时间动态变化的清空框模型,同时定义换道迫切系数,结合模糊控制理论,设计考虑驾驶员换道心理的换道概率输出算法,以模拟驾驶员实际换道过程,最后通过数值仿真以验证DCBL控制方法的有效性。仿真实验结果表明:DCBL控制方法将适用的交通密度范围扩大至0~71 pcu·km^(-1),比传统的BLIP(Bus Lane with Intermittent priority)、IBL(Intermittent Bus Lane)控制方法适用范围增加了9~21 pcu·km^(-1);在40~70 pcu·km^(-1)的中高交通密度区间,DCBL控制方法将社会车辆平均车速保持在45.86 km·h^(-1),比传统控制方法提高了17.9%~24.7%,将公交平均车速保持在33.68 km·h^(-1),对比公交期望车速仅降低了6.4%;DCBL控制方法在路段中高密度区间对公交车的行驶延误小于25 s,比传统控制方法提高路段通行能力8.0%~18.3%。
