期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于智能轮胎的轮胎状态估计与路面状态感知研究进展
1
作者 谢宪毅 金立生 +3 位作者 杨世春 曹耀光 杨浩 郭柏苍 《燕山大学学报》 北大核心 2025年第3期189-206,218,共19页
近年来,传感器技术的不断进步与人工智能的持续创新,推动了智能轮胎技术的发展。智能轮胎能够采集轮胎与路面之间接触状态的多参量感知信息,为轮胎状态估计和路面状态感知等提供了重要支撑,并且有望助力于汽车多方面性能的综合提升。本... 近年来,传感器技术的不断进步与人工智能的持续创新,推动了智能轮胎技术的发展。智能轮胎能够采集轮胎与路面之间接触状态的多参量感知信息,为轮胎状态估计和路面状态感知等提供了重要支撑,并且有望助力于汽车多方面性能的综合提升。本文首先介绍了智能轮胎的3种构型及其所使用的传感器,并分析讨论了各个构型的特点与优势;然后重点讨论了轮胎状态估计、路面状态感知2个方面的研究进展,并发现机器学习方法为智能轮胎技术发展提供了重要支撑;最后,分析了智能轮胎面临的关键问题、技术挑战及未来发展趋势。 展开更多
关键词 车辆工程 智能轮胎 人工智能 多源传感器 状态估计
在线阅读 下载PDF
共享自动驾驶汽车的多阶城市影响综述
2
作者 钟绍鹏 刘骜 +4 位作者 翟君诺 范美含 李茜瑶 林原 李振华 《华南理工大学学报(自然科学版)》 北大核心 2025年第6期104-118,共15页
为深入理解共享自动驾驶汽车(SAVs)的引入对城市可能产生的影响,并推动城市交通系统的可持续发展,围绕SAVs的多阶影响进行了全面回顾和系统分析,旨在总结以往研究的主要贡献和存在的缺陷,并提出未来研究的可能方向。综述结果表明,现有... 为深入理解共享自动驾驶汽车(SAVs)的引入对城市可能产生的影响,并推动城市交通系统的可持续发展,围绕SAVs的多阶影响进行了全面回顾和系统分析,旨在总结以往研究的主要贡献和存在的缺陷,并提出未来研究的可能方向。综述结果表明,现有研究主要集中于SAVs对交通系统的短期影响,包括对居民出行行为与道路交通流等方面的探讨;然而,对于SAVs的长期影响,特别是对城市可达性、环境与能源的研究相对较少。与此同时,尽管已有研究揭示了SAVs可能带来的负面效应,例如对环境或可达性的潜在不利影响,但鲜有研究提出具有针对性和实效性的发展策略。此外,在研究方法方面,现有研究主要依赖定性分析或独立的交通需求模型进行推演和模拟,研究结果的可靠性存在一定局限性。未来研究应开发土地利用与交通整合模型,并将其与数据驱动的方法相结合,以更精确、全面和系统地刻画SAVs引入对城市土地利用、环境与能源的长期(负面)影响,并提出针对性的发展策略和应对措施,以优化SAVs的应用效果,减少其潜在负面影响,推动城市交通系统向高效、智能和可持续的方向发展。 展开更多
关键词 智能交通 共享自动驾驶汽车 土地利用与交通 城市影响 可达性
在线阅读 下载PDF
一种面向非结构化道路的点云语义分割方法 被引量:2
3
作者 王章宇 陈阳 +3 位作者 周彬 王杰 段星集 赵忠山 《北京航空航天大学学报》 北大核心 2025年第2期457-465,共9页
针对以露天矿区为代表的非结构化道路场景环境恶劣、道路边界模糊、障碍物尺寸差异较大等问题,提出一种面向非结构化道路的点云语义分割方法,包括预处理、特征提取网络及逆处理3部分。其中,预处理通过坐标转换将三维点云映射到二维Range... 针对以露天矿区为代表的非结构化道路场景环境恶劣、道路边界模糊、障碍物尺寸差异较大等问题,提出一种面向非结构化道路的点云语义分割方法,包括预处理、特征提取网络及逆处理3部分。其中,预处理通过坐标转换将三维点云映射到二维Range View(RV)图上,以提高网络推理速度;特征提取网络包括卷积注意力模块及多尺度残差模块,卷积注意力模块用于细化分割边界,解决道路边界模糊问题,多尺度残差模块使用大卷积核扩大感受野并融合上下采样特征,以适应非结构化道路环境下障碍物尺寸变化较大的问题;逆处理通过K最邻近(KNN)算法修正语义标签并将点云映射回三维空间。在典型非结构化道路露天矿区数据集上对所提方法进行测试,平均交并比达到85.1%,推理速度达到6.423 ms,与主流的基于球面投影的语义分割网络相比整体精度提升了3%,此外,所提方法在非结构化道路场景下进行了实际应用。 展开更多
关键词 三维点云 语义分割 非结构化道路 深度学习 注意力机制
在线阅读 下载PDF
井工煤矿无轨胶轮车全局调度模型 被引量:4
4
作者 陈湘源 潘涛 周彬 《工矿自动化》 CSCD 北大核心 2023年第12期63-69,共7页
井工煤矿无轨胶轮车数量多,运输易受搬家倒面、突发事件等影响,传统的人工调度方法效率低,且易造成车辆闲置、空载、里程浪费等问题,而现有的辅助运输车辆调度方法大多面向固定任务使用离散事件优化的方案,将全局模型拆解为局部模型,缺... 井工煤矿无轨胶轮车数量多,运输易受搬家倒面、突发事件等影响,传统的人工调度方法效率低,且易造成车辆闲置、空载、里程浪费等问题,而现有的辅助运输车辆调度方法大多面向固定任务使用离散事件优化的方案,将全局模型拆解为局部模型,缺乏对井工煤矿整体情况的分析。针对上述问题,提出了一种基于百度工业求解器的井工煤矿无轨胶轮车全局调度模型,介绍了该模型中信息收集模块、数据建模模块和工业求解器模块设计方案,以及无轨胶轮车全局调度流程。该模型采用基于“分批求解、迭代优化”的无轨胶轮车全局调度算法,由百度工业求解器基于动作调整启发式算法对车辆调度问题进行优化求解,解决了传统调度模型求解时间长、易陷入局部最优解等问题。实验结果表明,基于百度工业求解器的井工煤矿无轨胶轮车全局调度模型较人工调度方法大幅降低了使用车次,提高了车辆运转效率,调度优化的求解时间低于基于Gurobi求解器的局部调度模型,更适用于井下辅助运输场景下大规模复杂调度任务。 展开更多
关键词 井工煤矿 辅助运输 无轨胶轮车 车辆调度 全局调度优化 百度工业求解器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部