路况

摘要： 车辆驾驶,安全第一!相比现代,古代的路况差,难走不说,搭乘的交通工具也比较简陋,容易发生各种事故,因此,交通规则也非常严格,不仅驾车上路要求多,罚款坐牢也一点不含糊。毕竟不管是现在还是古代,道路交通可都不能乱来。

摘要： 提出一种研究履带车辆轮胎在不同路况下动力学特性的仿真方法。首先建立轮胎精细有限元模型,然后在充分考虑轮胎的几何非线性、材料非线性和接触非线性的基础上模拟垂直负荷作用下轮胎与路面的接触过程,分析轮胎驶过不同路况时的力学特性和变形。结果表明,所提出的方法能有效准确地模拟履带车辆轮胎驶过不同路况的动力学特性。

摘要： 随着我国信息技术的飞速发展,越来越多的工业设备中集成了高性能的计算机,实现了海量数据的高速处理,其中最具代表性的就是虚拟现实技术。本文介绍了虚拟现实技术在路况探测与模拟方面的应用方式,提出了适用不同场景的模块功能设计,并通过将结合虚拟现实技术的驾驶模式与传统驾驶模式相比,分析前者的优势和存在的不足,借此探讨此项技术的可行性,能够为具体应用的设计和开发提供一定的借鉴。

摘要： 安全、舒适且动力充沛的中大型SUV是不少人梦想的车型。大空间、全时四驱、全路况……如今,拥有宽大空间、强劲动力的中大型SUV,在城市中穿梭,在山林问驰骋,追求的是更安全、更奢华的享受。

摘要： 不同于一般家用车,越野车生来就是为了挑战的。面对泥泞的路况和恶劣的天气,经过改装的专业越野车即是驾驶员的利器。1973年,一项挑战人与机器极限的赛事正式诞生--世界汽车拉力锦标赛(WRC)。这项与F1赛事齐名的大赛,每年都吸引了数以万计粉丝的关注一车辆行驶时卷起的滚滚烟尘以及不时出现的跳跃、狈9滑、冲水等激烈场景,极大地提升了比赛的观赏性。

摘要： 相信不少驾驶人取得驾驶证的第一件事就是兴冲冲开车上路练练手。然而,真实的道路情况可比训练场地复杂得多,尤其冬季路况不佳,很容易发生交通事故,新驾驶人需要掌握更多安全行车的知识。

摘要： 随着我国综合国力的不断提高,人们对出行道路条件提出了更高的要求。在这样的背景下,我国道路与桥梁工程建设已经进入了快速发展的阶段,日常出行路况已经得到了显著改善。但是在道路与桥梁工程施工的过程中,施工单位还没有对工程安全管理给予足够的重视,没有开展行之有效的安全管理工作,这就直接导致了各种事故的发生,严重限制了我国道路与桥梁工程的发展。下文将对如何加强道路与桥梁工程施工安全管理工作进行简要的分析。

摘要： 介绍了一种模拟不同路况汽车中后桥总成齿轮润滑观测系统及检测方法.它可以模拟汽车行驶在平地、上坡、下坡等不同路况时,对汽车中后车桥总成内部各零部件润滑进行观测和数据收集的试验装置及检测方法.本装置通过模拟汽车行驶的不同路况对桥总成内部齿轮润滑情况进行直观的观测和试验,可为车桥总成的设计和改进提供有效的依据和借鉴.

摘要： “又在路上堵了一两个小时”“夜里视线不好,开车太危险”“在冰雪路面上开车和滑冰一样”……你可能经常听到别人吐槽路况,这时你会想:未来的科技越来越发达,那公路会不会变得智能一点呢?

摘要： 针对由于异常路况数据量较小,导致数据集数据不均衡问题,从而引起路况预测模型准确度不高以及运行效率低等问题,提出一种基于SmoteEnn_XGBoost的路况感知方法.设计研发了路况数据采集系统,捕获并处理实时的路况数据;使用SmoteEnn算法对数据集进行数据合成处理;采用XGBoost算法对提取的主要特征进行训练和测试,从而识别出正常路况和异常路况.结果表明,基于SmoteEnn_XGBoost的路况感知方法,对比目前较常用的分类模型SVM、逻辑回归、GBDT、随机森林等,在提高路况分类效果的同时大幅缩短算法的运算时间.

摘要： 该文利用模糊数学的理论研究交通问题，提出用模糊重心表示道路的通行能力，使得在收到模糊信息的情形下能及时选择最短时路，有一定的实用价值。

摘要： 该文利用模糊数学的理论研究交通问题，提出用模糊重心表示道路的通行能力，使得在收到模糊信息的情形下能及时选择最短时路，有一定的实用价值。

摘要： 该文利用模糊数学的理论研究交通问题，提出用模糊重心表示道路的通行能力，使得在收到模糊信息的情形下能及时选择最短时路，有一定的实用价值。

摘要： 该文利用模糊数学的理论研究交通问题，提出用模糊重心表示道路的通行能力，使得在收到模糊信息的情形下能及时选择最短时路，有一定的实用价值。

摘要： 该文利用模糊数学的理论研究交通问题，提出用模糊重心表示道路的通行能力，使得在收到模糊信息的情形下能及时选择最短时路，有一定的实用价值。

摘要： 本申请提供了一种路况预测方法、路况预测模型训练方法、装置及存储介质，该路况预测方法包括：获取当前时段内目标路段的当前路网信息，当前路网信息包括：当前时段内目标路段的第一点特征、满足预设条件的其它路段的第二点特征，以及目标路段与其它路段之间的边特征，根据预先训练的路况预测模型，对当前路网信息进行处理，得到预设时段内目标路段的路况信息。本申请具有如下有益效果：将当前时段内目标路段的第一点特征、其它路段的第二点特征，以及目标路段与其它路段之间的边特征作为考虑因素，通过路况预测模型预测出预设时段内目标路段的路况信息，从而提高了路况预测的准确度，有效地减少了交通拥堵。

摘要： 本申请公开了一种盲区路况播报装置、路况信息共享装置、盲区路况共享系统及车辆。其中，盲区路况播报装置包括：设于目标车辆的第一通信模块、第一处理模块和盲区路况播报模块；该第一处理模块用于通过该第一通信模块接收该路况信息共享装置广播的第一共享路况信息，根据该第一共享路况信息确定该目标车辆视野盲区内的盲区路况信息，并将该盲区路况信息发送给该盲区路况播报模块；该盲区路况播报模块用于播报该盲区路况信息，这样，目标车辆驾驶员即可通过上述盲区路况信息了解到被其他车辆所遮挡的视野盲区内的路况，从而减少视野盲区带来的安全隐患，进而可有效降低因视觉盲区而产生的交通事故的发生率。

摘要： 本发明实施例提供了一种用于车辆安全行驶的路况预警方法和路况预警装置，属于道路警示设备技术领域，所述用于车辆安全行驶的路况预警方法包括：利用成像组件获得路面上的路况影像；利用识别组件获取车辆相对于路况的车辆图像；利用分析组件分析车辆图像，得出分析结果；根据分析结果，利用预警组件对车辆反馈。达到提醒驾驶员安全行驶的技术效果。

摘要： 本发明公开一种基于历史路况的短时路况预测方法、系统及设备，方法为：首先，在宏观上对时间域内的数据进行下采样来构造同质数据；其次，在微观上设计一个包含路网点时空关系和热点语义的路况特征，通过浅层全连接网络来捕捉靶点在微观时空上的语义特征，通过多层神经网络构造时序特征，将时空数据和语义特征融合接入GBDT集成学习模型，通过交叉验证方法，对靶点周围的邻近数据进行下采样，通过构造时空数据，捕捉靶点在微观时空上的语义特征，本发明的算法不需要车流的位置信息，只需要车流的状态信息，使用路段的静态信息来表征车流在路网中的移动，利用DNN来构造隐变量，结果表明本发明提出的方法同时保障了较高的精度和较低的算力需求。

摘要： 本申请公开了一种路况预估方法、建立路况预估模型的方法及对应装置，涉及大数据技术领域和智能交通技术领域。具体实现方案为：获取道路在第一时间点之前预设第一时长内的用户轨迹序列和道路图像序列；从所述用户轨迹序列中提取所述道路的轨迹相关特征，以及从所述道路图像序列中提取所述道路的图像相关特征；将所述道路的轨迹相关特征和图像相关特征输入预先训练得到的路况预估模型，利用所述路况预估模型的估计结果得到所述道路在所述第一时间点之后预设第二时长内的路况信息。通过本申请能够实现对道路路况的预估。

摘要： 一种路况警示装置包括第一、第二影像输入单元、一路况警示系统及第一、第二报警装置。第一、第二影像输入单元分别拍摄一转角处的两端的路况影像，路况警示系统的侦测模块判断道路的路况等级，路况警示系统的控制模块发出一控制信号控制第一、第二报警装置发出不同的报警信号。路况警示装置通过第一、第二影像输入单元拍摄影像，路况警示系统判断路况等级并控制第一、第二影像输入单元发出不同的报警信号，以提醒行人或驾驶员此时的路况等级。本发明还提供了一种路况警示方法。

摘要： 本申请公开了一种路况预测模型的训练方法、路况预测方法及装置，通过对历史路况训练集进行数据变换，得到多个目标图数据，利用预设的残差图卷积模型，对多个目标图数据进行特征提取，得到多个残差图，从而利用图数据的空间依赖关系捕捉具有方向关联性的数据特征，以结合多个时段的历史数据所具有的时间关联性特征；对多个残差图进行融合和全连接，输出视觉路况预测值，并根据视觉路况预测值，计算残差图卷积模型的损失函数，以及基于损失函数更新残差图卷积模型的模型参数，直至残差图卷积模型达到预设收敛条件，得到路况预测模型，从而充分利用时间和空间等全局特征，构建具备视觉路况特征的预测模型，丰富模型预测结果和提高模型预测准确度。

摘要： 本发明公开了一种基于边缘计算与大数据路况分析系统的智能路况告示牌，根据各个监测道路入口处的摄像头和出口处的摄像头所拍摄的车辆信息，对监测道路上所行驶的车辆进行监控，得到监测道路上的车辆信息，并获取各个车辆当前的市场价，并将道路车辆数量的信息和市场价大于设定价格的车辆情况显示在当前道路的告示牌上；本发明在对车辆进行估价的时候，根据车辆的新旧程度和车辆的出厂价进行评估得到评估价格，同时得到该情况下车辆的二手价格，并根据二手价格对评估价格进行修订；本发明使用线条表示前方的监测道路，并且使用不同的颜色分别表示监测道路上的车辆的数量数据以及车辆的总价格数据，通过颜色的深浅程度表示数据的大小。

摘要： 本公开提供了挖掘路况事件的方法以及基于路况事件的优化方法，涉及数据处理技术领域，尤其涉及自动驾驶、数据挖掘和深度学习技术领域。具体实现方案为：在车辆运行的情况下，对车辆的传感器实时采集的数据进行数据降维处理，得到多个第一特征信息；利用第一事件检索规则，对多个第一特征信息进行检索，确定多个第一特征信息对应的路况事件，以实现基于传感器实时采集的数据挖掘路况事件。根据本公开的技术方案，可以实现在车辆运行的过程中，基于传感器实时采集的数据，挖掘出高价值的路况事件。

摘要： 本申请提供一种应用于预测路况的联邦学习模型训练方法、路况预测方法，涉及分布式模型训练技术，该方法包括：将预设的初始全局模型发送给N个车辆终端中的每一车辆终端。接收每一车辆终端发送的本地模型参数；N个车辆终端中的M个车辆终端中的每一车辆终端所发送的本地模型参数包括安全模型参数和事故模型参数；N个车辆终端中的N‑M个车辆终端中的每一车辆终端发送的本地模型参数包括安全模型参数。根据N个车辆终端中各车辆终端发送的本地模型参数，更新预设的初始全局模型，得到目标行驶模型；将目标行驶模型发送至N个车辆终端中的每一车辆终端。本申请解决了因模型的更新滞后于车辆的行驶数据导致模型预测前方路况的准确度较低问题。