發(fā)布時(shí)間：2021-06-23 14:03

　　車輛識(shí)別是道路交通信息感知系統(tǒng)中的重要一環(huán),對(duì)于交通管理以及智能網(wǎng)聯(lián)汽車的發(fā)展具有重要的意義和工程應(yīng)用價(jià)值。目前車輛識(shí)別技術(shù)中普遍存在識(shí)別精度不夠細(xì)、準(zhǔn)確率不夠高、應(yīng)用不夠深等問題。車聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展,為解決這些難題提供了千載難逢的機(jī)會(huì)。本文依托于中國博士后科學(xué)基金“面向車聯(lián)網(wǎng)的行車主動(dòng)服務(wù)機(jī)理分析與系統(tǒng)建模（項(xiàng)目編號(hào):2016M600375）”和交通運(yùn)輸部項(xiàng)目“新一代國家交通控制網(wǎng)江蘇（常州）試點(diǎn)工程”,開展了基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）的車輛識(shí)別模型、算法以及典型應(yīng)用研究。論文的主要研究工作包括以下幾個(gè)方面:（1）提出了級(jí)聯(lián)的車輛定位-識(shí)別（Car Detection and Classification,CD-C）模型。從理論上確定了CD-C模型的層次結(jié)構(gòu)體系,以及車輛定位模型和車型識(shí)別模型的技術(shù)框架,克服了傳統(tǒng)車輛識(shí)別僅限于車輛特征的提取以及定位,在此基礎(chǔ)上,增加了對(duì)車輛型號(hào)的識(shí)別,構(gòu)成了相對(duì)廣義的車輛識(shí)別模式,實(shí)現(xiàn)了車輛定位和車型識(shí)別兩個(gè)任務(wù)同步輸出。并從匹配度、并行性、適應(yīng)性三個(gè)方面詳細(xì)闡述了CD-C模型的優(yōu)勢(shì)... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

車聯(lián)網(wǎng)概念圖

圖 1.1 車聯(lián)網(wǎng)概念圖Fig.1.1 Concept Map of Vehicle Networking車聯(lián)網(wǎng)系統(tǒng)是為了智能車輛而不斷建立完善的通訊系統(tǒng)，通過安裝車載終端設(shè)備，理論上可以將任何車輛納入車聯(lián)網(wǎng)環(huán)境。車載終端是車聯(lián)網(wǎng)所傳輸?shù)男畔⒈憩F(xiàn)的載體，是集自車信息和環(huán)境信息、車內(nèi)信息和車外信息于一體的集成設(shè)備。系統(tǒng)分為車載終端（On Board Unit, OBU）、云計(jì)算平臺(tái)、數(shù)據(jù)分析平臺(tái)，簡(jiǎn)稱“端”，“管”，“云”。車載 OBU 的任務(wù)正在從最基本的實(shí)時(shí)信息的顯示到信息娛樂再到綜合智能的方向發(fā)展，伴隨著的是電子控制技術(shù)的發(fā)展；云計(jì)算平臺(tái)承擔(dān)了所有車聯(lián)網(wǎng)傳輸數(shù)據(jù)的流動(dòng)，主要依賴于通信技術(shù)的發(fā)展，未來 5G 技術(shù)的全面應(yīng)用將極大的影響云計(jì)算平臺(tái)的性能；數(shù)據(jù)分析平臺(tái)是為交通管理者甚至交通參與者提供管理調(diào)度的有效依據(jù)，通信技術(shù)進(jìn)步的同時(shí)也必須注重信息安全。車聯(lián)網(wǎng)技術(shù)路線圖如下圖 1.2 所示。

測(cè)試時(shí)離不開熟練、有經(jīng)驗(yàn)的測(cè)試駕駛?cè)��！兑?guī)范》發(fā)布后，發(fā)布智能網(wǎng)聯(lián)汽車測(cè)試細(xì)則，在《規(guī)范》的推動(dòng)下，智能交通迎來了新的契機(jī)，重慶、上海、北京等地率先開展了智能網(wǎng)聯(lián)道路測(cè)試。網(wǎng)聯(lián)汽車是未來交通是重要組成部分[4]，是單體智能的自動(dòng)駕車聯(lián)網(wǎng)技術(shù)和高精地圖的產(chǎn)物。如圖 1.3 所示，單體智能的自技術(shù)分為三個(gè)層次：感知層、決策層、執(zhí)行層。其中決策層是為的基礎(chǔ)上，結(jié)合車輛感知以及聯(lián)網(wǎng)通訊獲取的車輛和道路信合理的駕駛行為決策，代替了人的大腦。執(zhí)行層是在決策層做后，代替人類操作車輛，執(zhí)行轉(zhuǎn)向、加速等任務(wù)，代替了人的動(dòng)駕駛的第一步，代替了人的五官，通過單個(gè)傳感器或多傳感環(huán)境，涉及到道路邊界檢測(cè)、車輛檢測(cè)、行人檢測(cè)等傳感器技通訊來獲取路面信息[5]。

【參考文獻(xiàn)】：
期刊論文
[1]5G移動(dòng)網(wǎng)絡(luò)綠色通信的相關(guān)關(guān)鍵技術(shù)[J]. 崔玉柱,沙巍.  電子技術(shù)與軟件工程. 2018(17)
[2]基于LBP卷積神經(jīng)網(wǎng)絡(luò)的面部表情識(shí)別[J]. 江大鵬,楊彪,鄒凌.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(07)
[3]基于邊緣檢測(cè)和深度學(xué)習(xí)的車輛定位與分類[J]. 張驊,戚悅.  中國公共安全. 2018(07)
[4]針對(duì)C-V2X新車聯(lián)網(wǎng)業(yè)務(wù)的運(yùn)營商部署分析[J]. 陳美妤.  中國電信業(yè). 2018(06)
[5]智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)體系分析[J]. 游根節(jié).  電信技術(shù). 2018(05)
[6]基于灰色關(guān)聯(lián)模型的城市道路交通擁堵評(píng)價(jià)研究[J]. 黎符忠.  重慶建筑. 2018(05)
[7]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別[J]. 石磊,王亞敏,曹仰杰,衛(wèi)琳.  計(jì)算機(jī)科學(xué). 2018(05)
[8]LTE-V2X車聯(lián)網(wǎng)技術(shù)、標(biāo)準(zhǔn)與應(yīng)用[J]. 陳山枝,胡金玲,時(shí)巖,趙麗.  電信科學(xué). 2018(04)
[9]基于深度學(xué)習(xí)的自動(dòng)駕駛技術(shù)綜述[J]. 張新鈺,高洪波,趙建輝,周沫.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[10]智能網(wǎng)聯(lián)車輛交通流優(yōu)化對(duì)交通安全的改善[J]. 秦嚴(yán)嚴(yán),王昊.  中國公路學(xué)報(bào). 2018(04)

碩士論文
[1]G汽車集團(tuán)車聯(lián)網(wǎng)業(yè)務(wù)發(fā)展戰(zhàn)略研究[D]. 關(guān)志輝.華南理工大學(xué) 2018
[2]基于深度學(xué)習(xí)的車輛定位及車型識(shí)別研究[D]. 張飛云.江蘇大學(xué) 2016
[3]車載互聯(lián)網(wǎng)技術(shù)在汽車行業(yè)的應(yīng)用與實(shí)踐[D]. 王寧.大連理工大學(xué) 2016



本文編號(hào)：3245071