دانلود و نمایش مقالات مرتبط با تعقیب خودرو::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - تعقیب خودرو

تعداد مقالات یافته شده: 4
ردیف عنوان نوع
1 Integrated deep learning and stochastic car-following model for traffic dynamics on multi-lane freeways
یادگیری عمیق یکپارچه و مدل تعقیب خودرو تصادفی برای پویایی ترافیک در بزرگراه های چند خطه-2019
The current paper proposes a novel stochastic procedure for modelling car-following behaviours on a multi-lane motorway. We develop an integrated multi-lane stochastic continuous car-following model where a deep learning architecture is used to estimate a probability of lanechanging (LC) manoeuvres. To the best of our knowledge, this work is among the very few papers which exploit deep learning to model driving behaviour on a multi-lane road. The objective of this study is to establish a coupled stochastic continuous multi-lane car-following model using Langevin equations to cope with probabilistic characteristics of LC manoeuvres. In particular, a stochastic volatility, derived from LC manoeuvres is introduced in a multi-lane stochastic optimal velocity model (SOVM). In additions, Convolutional Neural Network (CNN) is applied to estimate a probability of LC manoeuvres in the integrated multi-lane car-following model. Furthermore, imaged second-based trajectories of the lane-changer and surrounding vehicles are used to identify whether LC manoeuvres occur by using the CNN. Finally, the proposed method is validated using a real-world high-resolution vehicle trajectory dataset. The results indicate that the prediction of the integrated SOVM is almost identical to the observed trajectories of the lanechangers and the following vehicles in the initial and the target lane. It has been found that the proposed multi-lane SOVM can tackle the unpredictable fluctuations in the velocity of the vehicles in the acceleration/deceleration zone.
Keywords: Stochastic car-following model | Deep learning | Lane-changing behaviour
مقاله انگلیسی
2 Quantitatively mining and distinguishing situational discomfort grading patterns of drivers from car-following data
استخراج کمی و تمایز الگوهای درجه بندی ناراحتی موقعیتی رانندگان از داده های تعقیب خودرو-2019
Situational discomfort awareness plays an important role in decision making among drivers and has rarely been discussed in detail in previous research. An instrumented vehicle was used to collect car-following data from multiple drivers, thereby quantitatively examining situational discomfort grading patterns using a new discomfort grading method and the latent Dirichlet allocation model. In this process, the gas pedal data and speed difference data are particularly involved in the computation for providing broader meaning to discomfort and building more comprehensive situations. The results show that individual discomfort awareness varies between drivers. More importantly, the potential patterns of situational discomfort grading are extracted, which provides knowledge for characterizing drivers in the context of discomfort awareness. The knowledge achieved can be further applied to distinguish drivers and identify the typical comfort and discomfort zones. This study has great value for promoting investigations on traffic psychology and developing more effective and customized driver assistant systems.
Keywords: Situational discomfort | Driving behaviour | Car-following | Latent Dirichlet allocation
مقاله انگلیسی
3 فناوری تشخیص تصادفات ترافیکی برای تقاطع ها بر مبنای استخراج مسیر ویدئویی خودروها
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 11
ما استقرار دستگاه مختصات زمینی با نرم افزار OPENCV برای دستیابی به مختصات واقعی را انجام دادیم، تمامی پیکسل های این مختصات به مختصات خودرویی تبدیل می شوند تا پارامترهایی همانند موقعیت و سرعت خودرو به دست بیایند. نرم افزار پلتفرم MFC که ما مورد استفاده قرار دادیم می تواند مستقیماً مسیر خودرو، سرعت و تصادفات ترافیکی متناطر با زمان TTC را به عنوان خروجی تولید کند. سطوح مختلفی از رنگ های مشخص شده بر روی نقشه ی نقاط توزیع تصادفات ترافیکی وجود دارند. ما از روش منحنی فراوانی تجمعی برای بررسی نمونه های تجمعی تصادفات استفاده کردیم و مقدار عددی TTC را به دست آوردیم که در مشخص نمودن تصادفات شدید و تصادفات کم اهمیت کاربرد دارد. در عین حال، تصادفات تعقیب خودرو، محتوای پژوهشی ما را غنی می سازد.
کلیدواژه ها: تصادفات ترافیکی | مقدار TTC | نرم افزار OPENCV | ارزیابی ایمنی جاده
مقاله ترجمه شده
4 فناوری تشخیص تصادفات ترافیکی برای تقاطع ها بر مبنای استخراج مسیر ویدئویی خودروها
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 11
ما استقرار دستگاه مختصات زمینی با نرم افزار OPENCV برای دستیابی به مختصات واقعی را انجام دادیم، تمامی پیکسل های این مختصات به مختصات خودرویی تبدیل می شوند تا پارامترهایی همانند موقعیت و سرعت خودرو به دست بیایند. نرم افزار پلتفرم MFC که ما مورد استفاده قرار دادیم می تواند مستقیماً مسیر خودرو، سرعت و تصادفات ترافیکی متناطر با زمان TTC را به عنوان خروجی تولید کند. سطوح مختلفی از رنگ های مشخص شده بر روی نقشه ی نقاط توزیع تصادفات ترافیکی وجود دارند. ما از روش منحنی فراوانی تجمعی برای بررسی نمونه های تجمعی تصادفات استفاده کردیم و مقدار عددی TTC را به دست آوردیم که در مشخص نمودن تصادفات شدید و تصادفات کم اهمیت کاربرد دارد. در عین حال، تصادفات تعقیب خودرو، محتوای پژوهشی ما را غنی می سازد.
کلیدواژه ها: تصادفات ترافیکی | مقدار TTC | نرم افزار OPENCV | ارزیابی ایمنی جاده
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 2651 :::::::: بازدید دیروز: 3097 :::::::: بازدید کل: 36918 :::::::: افراد آنلاین: 51