一、Development of City Transport System and Two-wheel Vehicles(论文文献综述)
廖静倩,张道文,高立,廖文俊[1](2021)在《基于NAIS事故数据聚类的丁字路口危险场景研究》文中研究表明为研究交通环境下的丁字路口危险场景,基于国家车辆事故深度调查体系(NAIS)数据库,利用MATLAB软件进行聚类分析,采用层次聚类法得到4类丁字路口危险事故场景。通过对其中3类转弯时的危险场景进行运动学分析建模,构建速度-距离危险模型,结合运动学参数,得到3类丁字路口转弯危险场景下的危险碰撞域。结果表明:乘用车直行和乘用车左转冲突时,当乘用车在进口1左转,危险碰撞范围为1.67~68.45 m;当乘用车在进口3左转,危险碰撞范围为-1.20~136.00 m。商用车右转与两轮车直行冲突时的危险碰撞范围为0.78~121.30 m;商用车右转与商用车直行冲突时的危险碰撞范围为-15.75~283.30 m。该研究结果可为辅助驾驶安全系统研发测试提供参考。
冯煜清[2](2021)在《基于机器学习的两轮车事故严重程度预测》文中指出道路交通是社会发展进步的基础,是实现民富国强的重要保障。近几十年来,我国经济发展迅速,在交通领域同样如此。在我国全面推进城市化的进程中,不仅道路总里程不断增加,机动车与非机动车保有量也在快速增加。其中包含电动两轮车、两轮摩托车在内的两轮车近十年发展迅速,但也导致了一系列交通问题和社会问题。随着我国两轮车交通事故数量不断创造历史新高,事故带来的伤害也愈发严重的情况下,为了减少交通事故的发生,降低两轮车交通事故严重程度,研究两轮车事故发生规律,探索影响事故严重程度的因素更显得刻不容缓。首先,针对两轮车事故数据进行统计性特征分析,研究在不同条件下两轮车交通事故严重程度的变化情况。了解两轮车交通事故的总体特征与发展趋势,从宏观上定量认识两轮车交通事故的本质和潜在规律。其次,使用因子分析法对特征属性进行分类,并提取公因子。分析特征属性与公因子之间的关联性,确定从属关系,从而构建出两轮车交通事故严重程度指标框架。再次,根据因子分析法和改进的权重模型,计算各特征属性的权重值,形成特征属性与公因子之间以及与两轮车事故严重程度之间的三层架构指标权重值。根据特征属性权重值进行排序,确定影响两轮车事故严重程度的重要因素,并定性分析原因,提出针对性改善建议。最后,建立随机森林模型,将原始数据集以及公因子数据集分别作为模型的输入条件,得到单一随机森林模型与随机森林组合模型。同理,使用两种不同的数据集作为其他分类模型的输入条件,形成分类组合模型。根据模型的预测结果与模型评价指标体系对模型进行全方位评价。根据最优模型进一步研究重点特征属性与两轮车交通事故严重程度之间的相关性,并确定相关特征属性最优取值。结果表明,本文建立的因子分析模型能够对特征属性进行分类,并计算其权重值。根据特征属性的排序结果确定比较重要的特征属性,提出针对性的改善措施,可以为城市道路规划、两轮车限行政策的制定等提供理论依据。此外,随机森林模型与因子分析模型组合后准确率相较于单一随机森林模型提高了4.4%,且随机森林模型与因子分析模型的结合效果优于其他分类模型与因子分析模型的结合效果。
刘爱兰[3](2020)在《DL公司印度市场营销策略改善研究》文中进行了进一步梳理现代经济社会的发展加剧了传统能源的消耗,因而人类社会开始研究新型能源供给。而锂离子电池由于其绿色环保而成为未来电源的理想选择,新能源产业的一大重要领域就是电池工业。锂离子电池管理系统行业处于锂离子电池产业链的中游,其发展前景与锂离子电池行业发展前景密切相关。DL公司是一家从事锂电池管理系统的研发、生产和销售的公司,并于2017年正式进入印度动力锂电池管理系统市场,专注于两轮车和三轮车锂电池管理系统产品设计,生产制造,销售,现有的以零售商为主的营销战略无法帮助公司在印度市场建立有效的销售渠道及增加印度市场的销售额,需要重新对印度市场锂电池管理系统营销策略进行优化。本文选择DL公司作为营销案例,通过详细分析企业现有的状况和营销现状来找到企业营销方面存在的问题。为了提升两轮车锂电池管理系统在印度市场的销路,文中运用了宏观环境分析PEST理论,分析的印度市场的政治,经济,社会文化和技术等宏观环境,分析了行业发展态势和竞争对手竞争态势,分析了DL公司在竞争中具备的核心资源和发展能力,通过以上详细的分析,同时搜索整理了行业的相关数据并结合自身的优势资源,从营销战略(STP)和营销策略(4P)方向入手,提出DL公司锂电池管理系统在印度市场推广中面临的问题和原因,并提出可行性改善建议。本研究结果将有助于DL公司提升印度市场的销售业绩,增强国际竞争力。同时,也为我国锂电池管理系统的同行制定印度市场营销策略提供参考启示。
陈涛[4](2020)在《基于Faster R-CNN的两轮车载人检测及车流量统计研究》文中进行了进一步梳理在智能交通系统中,两轮车已成为不可缺少的交通工具。但两轮车的违规驾驶尤其是载人不规范,极易引发交通事故,所以对两轮车载人的检测迫在眉睫。传统的检测方法是通过人工提取特征的方式实现,并不适用于环境复杂的交通场景;而深度学习的检测方法可以自动学习不同环境下的目标特征,泛化能力强,适用于复杂交通环境的检测任务。本文先采用Faster R-CNN算法对两轮车和车上乘客进行检测,再通过车辆跟踪计数方法对车流量统计,最后采用Django应用框架搭建两轮车载人检测及车流量统计平台,具体的研究内容如下:1.两轮车载人检测,确定了Faster R-CNN算法作为检测模型。原始的Fast R-CNN算法对交通图片中车载人员的检测效果不佳。主要原因有两个,一个是乘客头部的像素尺寸偏小导致检测算法的漏检,另一个是车上多名乘客之间存在遮挡也会增加检测算法的工作难度。针对小尺寸乘客的漏检,本文参考实验数据集对锚框的尺寸进行修改。针对不同尺寸的目标,检测模型采用了多特征融合结构。针对重叠度高的乘客存在漏检现象,Faster RCNN算法选用柔和的非极大值抑制来筛选候选框。最后,实验验证了改进的Faster R-CNN对两轮车和乘客检测效果的优异性。2.车辆跟踪与统计,解决了视频中两轮车的跟踪和计数问题。在两轮车车流量统计方面,本文先采用了均值漂移算法对视频中两轮车进行跟踪,再通过基于目标区域计数方法统计车流量。针对均值漂移跟踪算法存在目标跟丢和目标跟错问题,结合Faster R-CNN算法更新目标模型,并通过实验验证改进的车辆跟踪统计方法的有效性。3.根据交通视频和图片的不同检测要求,两轮车载人检测及车流量统计平台构建了交通视频检测功能模块和用户自定义功能模块。平台的搭建采用了Django应用框架,并配备了Neo4j数据库。经过实验测试,平台能够实现交通视频中两轮车载人的检测与车流量的统计,还可以为用户提供线上图片检测和数据查询的服务。
肖轩[5](2020)在《针对弱势道路使用者的汽车主动避撞系统》文中认为弱势道路使用者指在道路交通中由于缺乏安全保护而易受伤害的参与者,主要包括行人和两轮车使用者。根据相关统计,弱势道路使用者死亡人数占全球道路交通事故死亡人数的一半以上,其道路安全成为亟待解决的问题,提升弱势道路使用者的安全保护成为下一代汽车主动避撞系统的发展趋势。弱势道路使用者运动灵活、出现位置随机,制动和转向都可能是最佳的汽车避撞操作,本文提出一种综合主动制动和主动转向操作的汽车主动避撞系统,重点针对主动避撞系统测试场景、安全评估及自主决策规则、汽车横纵向主动避撞控制进行了研究。首先,对国内外关于弱势道路使用者的汽车主动避撞技术的相关研究进行了总结。以中国交通事故深入研究数据库为基础,经过事故筛选、场景分类、类型排序提取出主动避撞系统的功能场景,确定了参与方速度、光照条件等特征量范围,然后参考相关测试规范确定了场景中特征量具体取值,得到了针对弱势道路使用者的主动避撞系统测试场景,并提出了主动避撞系统的整体方案。其次,研究了主动避撞系统的安全评估方法及自主决策规则。首先根据汽车行驶的道路类型,分别构建了在直路和弯路行驶时汽车与目标的位置关系模型,建立目标进入时间、目标离开时间、碰撞时间三个指标对车辆行驶路径上的危险目标进行判断,然后构建了汽车对危险目标的预警及制动安全距离模型,提出了综合转向动力学约束和无碰撞路径要求的转向安全评估方法,最终确定了系统操作的优先级顺序:驾驶员预警-驾驶员辅助-主动制动-主动左转-主动右转。然后,采用分层结构设计了汽车纵向和横向主动避撞控制器。确定了纵向主动避撞控制器的上层输出为最大制动减速度,下层输出为制动器压力和节气门开度,设计了纵向驱动模式、怠速模式、制动模式的切换逻辑;确定了横向主动避撞控制器上层用于路径规划,下层用于路径跟踪,设计了基于五次多项式拟合的路径规划模块,基于模型预测控制理论搭建了下层路径跟踪控制器,通过CarSim和Matlab/Simulink联合仿真检验了模型预测路径跟踪控制器在不同横向避让位移和车速条件下的控制效果。最后,综合PreScan、CarSim和Matlab/Simulink搭建了主动避撞系统的模型在环仿真测试平台,首先基于PreScan构建出弱势道路使用者的主动避撞测试场景,然后在Simulink中搭建了主动避撞系统的决策及执行模块,最终对弱势道路使用者避撞测试案例进行了仿真分析,验证了汽车主动避撞系统的功能性。
毛攀[6](2020)在《汽车与两轮车碰撞事故场景分析及AEB避撞研究》文中认为智能驾驶是未来汽车的必然发展趋势,先进驾驶辅助系统(Advanced Driving Assistance System,ADAS)已成为汽车厂商的安全技术研究焦点。自动紧急制动系统(Autonomous Emergency Braking System,AEB)是ADAS中典型的代表,它能一定程度上预防和控制交通事故。由于两轮车驾乘人员发生事故以及致死致伤的概率较高,各国科研人员对摩托车、电动自行车等两轮车交通场景要素的AEB系统开发和测试成为当前热点。由于道路交通情况差异,只有基于中国道路交通事故的场景研究和AEB系统验证才能为我国两轮车AEB系统开发和测试工作提供参考。本文依托国家车辆事故深度调查体系车辆事故案例,对汽车与两轮车碰撞事故场景分析以及AEB避撞进行研究,主要内容有以下三个方面:第一,利用交通事故数据提炼两轮车事故场景元素。本文用于两轮车AEB系统的测试场景是基于中国实际道路交通事故数据而提取的。通过国家车辆事故深度调查体系(National Automobile Accident In-Depth Investigation System,NAIS)数据库中筛选出323个汽车与两轮车碰撞事故案例,经过对案例所包含变量进行分析整理得出18个相关变量,并采用斯皮尔曼相关性分析方法提取出与两轮车碰撞事故密切相关的变量及变量值以此来构建两轮车事故场景元素表。第二,分析确定汽车与两轮车碰撞危险场景并建模。由两轮车事故场景元素表包含的11个变量及29个变量值,依据29个变量值可排列组合出多达20736种危险场景。面对种类繁多的场景显然不能逐一进行AEB系统测试仿真,而是需要在众多组合得出的场景中寻找出危险等级较高且具有典型代表性的场景进行重构仿真才具有实际意义。因此本文充分利用贝叶斯网络具有的诊断推理功能,以汽车与两轮车碰撞事故确定的6种危险等级为先验条件,通过贝叶斯网络诊断得出6种危险等级场景元素后验概率的大小,提取同一变量中概率值大的元素确定出6种危险场景,并基于此6种危险场景进行参数化设置采用PreScan软件仿真建模。第三,AEB避撞模型搭建及测试场景AEB优化匹配。基于由贝叶斯网络模型得出的6种场景并在Simulink中搭建基于TTC算法的AEB控制模块加载至测试车辆上,联合PreScan对AEB系统进行了测试。从测试结果得知AEB系统对涉及路口轨迹交叉行驶以及逆向行驶的场景表现较差,经过对测试过程数据的分析发现AEB系统的碰撞预测模块对避撞具有关键作用,因此针对以上2种类型的场景从AEB系统的触发宽度和触发角度2个参数单独进行分析优化匹配,使得AEB系统在路口轨迹交叉场景成功实现避撞,在逆行场景中降低碰撞速度并减少两轮车人员伤害。综上,本文基于国家车辆事故调查体系的案例数据分析得出基于国内交通事故的汽车与两轮车碰撞的6种危险场景,并建立仿真测试场景模型,测试了AEB系统在6种场景的避撞效果,并对路口轨迹交叉和逆向行驶这2类特定场景进行了AEB系统性能优化。论文采用场景元素排列组合方法以及贝叶斯网络诊断推理应用对重构汽车与两轮车测试场景、结合危险场景进行AEB测试匹配优化为行业研究提供了新的思路。
张文莉[7](2020)在《城市轨道交通线网合理规模研究》文中研究表明随着我国城市的经济贸易和社会活动日益频繁,居民出行需求快速增长,我国城市交通拥堵问题严重,而城市轨道交通已成为解决该问题的有效手段。目前,我国部分城市对于城市轨道交通的发展规律认识不足,存在轨道交通规划过度超前,建设规模过于集中和资金落实不到位等问题,在一定程度上加重了地方政府的债务负担。因此,为防止城市轨道交通线网规划和建设的盲目性和夸大性,保证线网规划与城市自身的实际需求相匹配,从宏观上控制城市轨道交通线网规模,寻求合理的线网规模,是线网规划急需解决的问题之一。本文首先对城市轨道交通线网规模进行了概述,并通过分析国内外典型城市的轨道交通线网规模特征,总结得到线网规模规划和发展的经验;然后,对城市轨道交通线网规模影响因素和常用匡算方法进行了分析,得到影响因素之间的因果层次和递阶关系,以及线网规模常用匡算方法的不足。然后,从满足城市交通需求的角度出发,提出了基于“转移+诱增”的城市轨道交通客流需求分析的线网规模匡算模型:运用MNL模型,确定各交通方式向城市轨道交通的客流量转移率,得到城市轨道交通的转移客流量;考虑轨道交通建成前后交通阻抗的变化,运用重力模型法,得到城市轨道交通的诱增客流量;再根据线网负荷强度计算线网规模。最后,以衡阳市为研究对象,根据线网规模常用的三种匡算方法及本论文建立的模型算法,分别计算得到2050年衡阳市城市轨道交通线网规模,然后进行比较分析,验证本论文构建的模型的可行性。
邝先验,李洪伟,杨柳[8](2020)在《基于改进Faster R-CNN算法的两轮车视频检测》文中研究指明针对城市道路交通视频中两轮车检测经常遇到的误检、漏检频繁,小尺度两轮车检测效果不佳等问题,设计了一种基于改进的Faster R-CNN算法的两轮车视频检测模型。模型修改了锚点的参数,并构建了一种多尺度特征融合的区域建议网络(RPN)结构,使得模型对小尺度目标更加敏感。针对两轮车数据集匮乏,采用迁移学习的方法进行学习并获得两轮车检测的最终模型。实验结果表明,改进后的算法可以有效解决交通视频中小尺度两轮车的检测问题,在两轮车数据集上获得了98.94%的精确率。
胡欣婷[9](2020)在《汽车-电动两轮车碰撞事故中骑车人损伤研究》文中研究指明电动两轮车具有速度快、成本低、无需接受法律培训等优点,从而受到人们的喜爱。随着电动两轮车保有量上升,我国电动两轮车骑车人交通死亡人数呈上升趋势。尤其与小型轿车的碰撞更是造成超过一半骑车人的伤亡。为此,本研究以中国深度事故研究(CIDAS)数据为基础,分析汽车-电动两轮车碰撞事故特征。本文首先筛选CIDAS 2014-2016年的电动两轮车碰撞事故,统计案件信息并分析此类事故特点,利用分类树模型分析各因素对骑车人损伤的影响,通过分类树模型结果筛选可能的交互项,建立相应的回归模型。根据分类树结果进一步选择电动两轮车侧面碰撞事故,建立电动两轮车骑车人伤亡风险函数与骑车人年龄和碰撞速度(包括车辆碰撞速度和电动两轮车碰撞速度)的关系,定量研究电动两轮车侧面碰撞事故中电动两轮车骑车人伤亡与碰撞速度的关系。本文主要研究成果如下:(1)通过树模型得到了四组交互组:年龄*不恰当行为;年龄*碰撞类型;不恰当行为*性别和不恰当行为*路段类型。不恰当行为和碰撞类型是影响骑车人损伤的重要因素,在交叉路段有不恰当行为的重伤风险是无不恰当行为的2.74倍。(2)根据能量守恒定律估算电动两轮车侧面碰撞事故中汽车和电动两轮车的碰撞速度,使用PC-Crash软件对事故进行重建,根据重建结果的准确性确定估算的碰撞速度的准确性。(3)在高风险碰撞类型电动两轮车侧面碰撞中,电动两轮车碰撞速度为20 km/h时,30 km/h时骑车人的死亡风险约为2.9%,50 km/h时死亡风险为23%,60 km/h时死亡风险为50%,80 km/h时死亡风险为90%。骑车人年龄与严重伤害和死亡伤害风险也显着相关。在电动两轮车侧面碰撞中,电动两轮车碰撞速度与严重和死亡风险没有显着相关性。本文的研究结果为制定有效的政策,特别是限速管理措施,减少混行交通,提高骑车人安全交通意识,提高电动两轮车的安全性提供了有意义的启示。
朱建涛[10](2020)在《自动紧急制动系统测试及评价方法研究》文中提出全球的汽车保有量连年逐渐增加,道路上的车流量越来越大,交通拥挤和交通安全已经成为了目前全球关注的重点话题。近年来我国汽车工业和国民经济飞速发展,早已成为了汽车保有量大国,但随之而来的是我国的交通事故发生数和交通事故死亡率也居高不下,这成为了我国亟需解决的问题。研究发现大多数的事故是驾驶员注意力不集中造成的,自动紧急制动系统(AEB)可以有效的避免或减少此类事故的发生,因此该系统的开发和测试评价非常重要。本文以自动紧急制动系统测试场景及评价方法为研究对象,工作内容分以下几点:首先,根据中国交通事故场景类型及各场景事故数量所占比例,并结合国内外现有研究成果,全面的建立符合我国实际的自动紧急制动系统测试场景。主要分为车-车碰撞场景、车-行人碰撞场景和车-两轮车碰撞场景三类,对每一类场景中的各个工况都进行了测试方法和测试要求的分析。其次,引入基于层次分析法(AHP)的自动紧急制动系统模糊综合评价模型。建立自动紧急制动系统评价指标体系:测试车速度减少百分比、AEB起作用时刻TTC(Time to Collision即碰时间)、最大制动减速度、和制动停车相对距离,并设计出各指标对应的得分规则。分析AHP和模糊综合评价法的步骤流程,构建基于AHP的自动紧急制动系统测试场景的递阶层次结构模型,并建立目标层O到准则层A、准则层A到准则层B、准则层B到准则层C和准则层C到指标层Z的判断矩阵,分别计算各工况权重并进行一致性检验。然后,基于AHP的自动紧急制动系统模糊综合评价模型的可行性验证。通过Pre Scan-Simulink联合仿真,得到评价指标仿真数据,通过本文所建评价方法与国内外主流测试机构的评价方法进行实例评价对比,经一致性检验,验证了本文所建基于AHP的模糊综合评价模型的可行性。最后,基于AHP的自动紧急制动系统模糊综合评价模型的应用。以车-车碰撞场景为例,仿真得到车-车碰撞场景中各工况评价指标所需数据,然后根据本文所建立的评价模型进行多级模糊综合运算,得到了在车-车碰撞场景下自动紧急制动系统的评价结果。
二、Development of City Transport System and Two-wheel Vehicles(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Development of City Transport System and Two-wheel Vehicles(论文提纲范文)
(1)基于NAIS事故数据聚类的丁字路口危险场景研究(论文提纲范文)
1 丁字路口的危险场景聚类 |
1.1 交通事故数据来源 |
1.2 层次聚类法 |
1.3 场景特征要素提取 |
1.4 丁字路口聚类分析 |
2 丁字路口典型场景分析及推演 |
2.1 丁字路口乘用车与乘用车危险场景推演 |
2.2 丁字路口商用车与两轮车危险场景推演 |
2.3 丁字路口商用车与商用车危险场景推演 |
2.4 讨论 |
3 结论 |
(2)基于机器学习的两轮车事故严重程度预测(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 两轮车交通事故国内外研究现状 |
1.2.2 随机森林模型研究现状 |
1.3 研究内容及技术路线 |
第二章 基于因子分析模型的两轮车交通事故影响因素分析 |
2.1 基于CIDAS数据库的两轮车事故基本特征 |
2.1.1 数据来源 |
2.1.2 两轮车交通事故数据统计性分析 |
2.2 因子分析法基本原理 |
2.3 因子分析模型的构建 |
2.3.1 数据适用性检验 |
2.3.2 确定公因子 |
2.3.3 计算权重值 |
2.3.4 结果分析与改善措施 |
2.4 本章小结 |
第三章 基于随机森林模型的两轮车交通事故预测 |
3.1 经典基于机器学习的预测模型 |
3.1.1 朴素贝叶斯模型 |
3.1.2 K近邻算法 |
3.1.3 支持向量机 |
3.1.4 决策树模型 |
3.1.5 随机森林模型 |
3.2 基于随机森林模型的两轮车事故预测 |
3.2.1 建模环境 |
3.2.2 随机森林参数选择 |
3.2.3 随机森林模型构建 |
3.2.4 模型评价指标体系 |
3.3 本章小结 |
第四章 分类模型预测效果对比 |
4.1 数据转化 |
4.2 模型对比 |
4.2.1 单一随机森林模型与混合模型对比 |
4.2.2 随机森林模型与其他分类模型对比 |
4.3 本章小结 |
第五章 影响两轮车事故严重程度重点特征属性分析 |
5.1 确定重点特征属性与两轮车事故严重程度的步骤 |
5.2 影响两轮车事故严重程度重点特征分析 |
5.3 本章小结 |
结论与展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(3)DL公司印度市场营销策略改善研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究目标 |
1.1.3 研究意义 |
1.2 国内外文献研究 |
1.2.1 国外文献研究 |
1.2.2 国内研究现状 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第二章 DL公司印度市场营销策略现状分析 |
2.1 DL公司简介 |
2.1.1 公司概况 |
2.1.2 公司组织架构 |
2.1.3 海外业务概况 |
2.2 营销现状 |
2.2.1 STP营销战略现状 |
2.2.2 4P营销策略现状 |
2.3 本章小结 |
第三章 DL公司印度市场营销环境分析 |
3.1 外部环境分析 |
3.1.1 宏观环境分析 |
3.1.2 行业态势及竞争对手分析 |
3.1.3 锂电池管理系统印度市场分析 |
3.2 内部资源能力分析 |
3.2.1 内部资源 |
3.2.2 企业的发展能力 |
3.3 本章小结 |
第四章 DL公司海外市场营销问题分析 |
4.1 营销战略存在的问题及成因 |
4.1.1 市场细分不够充分 |
4.1.2 目标市场狭窄 |
4.2 营销策略存在的问题及成因分析 |
4.2.1 产品线不够全面 |
4.2.2 价格策略过于单一 |
4.2.3 渠道策略单一 |
4.2.4 促销渠道不够专业化 |
4.3 本章小结 |
第五章 DL公司印度市场营销组合策略的优化建议 |
5.1 营销战略优化建议 |
5.1.1 充分市场细分 |
5.1.2 目标市场扩大 |
5.1.3 市场定位差异化 |
5.2 营销策略优化建议 |
5.2.1 构建丰富产品线 |
5.2.2 制定灵活价格策略 |
5.2.3 拓展新的销售渠道 |
5.2.4 促销渠道专业化,多元化 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(4)基于Faster R-CNN的两轮车载人检测及车流量统计研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 基于人工设计特征的传统检测算法 |
1.2.2 基于CNN提取特征的深度学习检测算法 |
1.3 本文主要研究内容和结构安排 |
1.3.1 本文的主要研究内容 |
1.3.2 论文的结构安排 |
第二章 相关理论 |
2.1 神经网络 |
2.1.1 隐含层 |
2.1.2 激活函数 |
2.1.3 优化算法 |
2.2 卷积神经网络 |
2.2.1 卷积层 |
2.2.2 激励层 |
2.2.3 池化层 |
2.2.4 全连接层 |
2.2.5 目标函数 |
2.3 本章小结 |
第三章 两轮车载人检测 |
3.1 引言 |
3.2 Faster R-CNN算法 |
3.2.1 特征提取网络VGG |
3.2.2 RPN结构 |
3.2.3 Roi pooling |
3.3 算法改进 |
3.3.1 特征提取网络Goog Le Net |
3.3.2 RPN网络的改进 |
3.3.3 Soft-NMS替换NMS |
3.4 模型的训练 |
3.4.1 模型参数设置 |
3.4.2 迁移学习 |
3.4.3 硬件设备 |
3.5 实验结果与分析 |
3.5.1 数据集 |
3.5.2 可视化特征图 |
3.5.3 实验检测及结果 |
3.5.4 影响因素分析 |
3.5.5 不同组合模型实验对比 |
3.6 本章小节 |
第四章 车辆跟踪与统计 |
4.1 引言 |
4.2 车辆跟踪算法 |
4.2.1 均值漂移目标跟踪原理 |
4.2.2 均值漂移目标跟踪算法改进 |
4.2.3 车辆跟踪实验 |
4.3 基于目标区域的车流量计数 |
4.3.1 目标区域设置 |
4.3.2 基于目标区域的车流量计数方法 |
4.3.3 基于目标区域的车流量计数实验 |
4.4 本章小结 |
第五章 两轮车载人检测及车流量统计平台 |
5.1 引言 |
5.2 web应用框架Django |
5.2.1 Django介绍 |
5.2.2 Django安装与调试 |
5.3 图数据库 |
5.3.1 图数据库Neo4j介绍 |
5.3.2 Neo4j的安装与调试 |
5.4 平台搭建 |
5.5 平台验证 |
5.5.1 交通视频检测功能模块 |
5.5.2 用户自定义功能模块 |
5.6 章节小节 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间的研究成果 |
(5)针对弱势道路使用者的汽车主动避撞系统(论文提纲范文)
摘要 |
Abstract |
第一章 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 VRU交通事故研究 |
1.2.2 安全评估及自主决策研究 |
1.2.3 主动避撞系统的动力学控制研究 |
1.2.4 主动避撞系统商业化研究 |
1.3 本文主要研究内容 |
第二章 场景提取与主动避撞系统方案设计 |
2.1 引言 |
2.2 CIDAS介绍 |
2.3 场景提取 |
2.3.1 功能场景提取 |
2.3.2 逻辑场景提取 |
2.3.3 测试场景提取 |
2.4 主动避撞系统方案 |
2.5 本章小结 |
第三章 安全评估及主动避撞操作决策 |
3.1 引言 |
3.2 目标运动参数获取 |
3.2.1 坐标系 |
3.2.2 道路类型 |
3.2.3 不同道路类型下的目标参数 |
3.3 行车安全评估 |
3.3.1 危险目标评估 |
3.3.2 预警及主动制动安全评估 |
3.3.3 主动转向安全评估 |
3.4 自主决策规则 |
3.5 本章小结 |
第四章 主动避撞系统的动力学控制 |
4.1 引言 |
4.2 主动避撞系统纵向控制 |
4.2.1 控制模式切换策略 |
4.2.2 驱动控制 |
4.2.3 制动控制 |
4.3 主动避撞系统横向控制 |
4.3.1 基于几何的路径规划方法 |
4.3.2 路径跟踪控制器设计 |
4.4 本章小结 |
第五章 主动避撞系统的仿真验证 |
5.1 引言 |
5.2 PreScan软件介绍 |
5.3 主动避撞系统模型在环测试 |
5.3.1 测试场景构建 |
5.3.2 传感器添加 |
5.3.3 控制系统搭建 |
5.3.4 仿真测试结果 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
在学期间发表的学术论文及其他科研成果 |
一.在攻读硕士学位期间撰写的学术论文 |
二.在攻读硕士学位期间申请的发明专利 |
附录A 两轮车避撞逻辑场景提取结果 |
(6)汽车与两轮车碰撞事故场景分析及AEB避撞研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状分析 |
1.2.1 AEB系统危险场景国内研究现状 |
1.2.2 AEB避撞策略国内外研究现状 |
1.3 本文技术路线及研究内容 |
1.3.1 本文技术路线 |
1.3.2 本文主要研究内容 |
2 汽车与两轮车碰撞危险场景提取 |
2.1 数据来源介绍 |
2.1.1 国家车辆事故深度调查体系(NAIS)数据库综述 |
2.1.2 NAIS工作站点类型及事故采集地区分布特点 |
2.1.3 NAIS数据平台介绍 |
2.1.4 NAIS事故数据特点 |
2.1.5 事故案例采集标准 |
2.1.6 事故数据采集内容 |
2.2 中德车辆事故深度调查基本情况及对比分析 |
2.2.1 GIDAS与 NAIS的整体数据结构类似 |
2.2.2 GIDAS组织架构及站点基本情况介绍 |
2.2.3 GIDAS与 NIAS数据采集情况对比 |
2.2.4 GIDAS较 NAIS的数据分析与应用情况 |
2.3 汽车与两轮车典型危险场景分析 |
2.3.1 汽车与两轮车碰撞事故案例及变量确定 |
2.3.2 事故变量分布统计分析 |
2.4 汽车与两轮车危险场景数据处理及参数确定 |
2.4.1 斯皮尔曼等级相关性分析及数据预处理 |
2.4.2 斯皮尔曼等级相关性结果分析及场景变量值提取 |
2.4.3 基于相关性分析结果构建场景元素表 |
2.5 基于贝叶斯网络的汽车与两轮车碰撞场景危险等级分析 |
2.5.1 不确定性理论 |
2.5.2 贝叶斯网络构建及节点确定 |
2.5.3 贝叶斯网络结构参数确定及诊断推理 |
2.6 本章小结 |
3 基于PreScan的 AEB系统两轮车避撞场景设计 |
3.1 PreScan软件介绍 |
3.2 基于Simulink与 PreScan联合仿真中的应用 |
3.3 AEB避撞仿真测试场景参数设定 |
3.4 面向两轮车的AEB系统避撞仿真测试场景搭建 |
3.5 本章小结 |
4 面向两轮车的AEB避撞模型搭建 |
4.1 传感器加装 |
4.2 基于TTC算法的AEB避撞模型搭建 |
4.3 仿真结果 |
4.3.1 场景1的测试结果。 |
4.3.2 场景2的测试结果 |
4.3.3 场景3的测试结果 |
4.3.4 场景4的测试结果 |
4.3.5 场景5的测试结果 |
4.3.6 场景6的测试结果 |
4.4 本章小结 |
5 基于测试场景的AEB模块优化匹配 |
5.1 路口轨迹交叉模型 |
5.2 逆向行驶模型 |
5.3 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表论文及科研成果 |
致谢 |
(7)城市轨道交通线网合理规模研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究综述 |
1.2.1 国外研究综述 |
1.2.2 国内研究综述 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 本章小结 |
第2章 城市轨道交通线网规模概述 |
2.1 轨道交通概述 |
2.1.1 城市轨道交通概念及分类 |
2.1.2 城市轨道交通的优势和局限性 |
2.2 线网规模概述 |
2.2.1 线网规模涵义 |
2.2.2 线网规模指标 |
2.3 线网规模发展现状 |
2.3.1 国外典型城市线网规模发展现状 |
2.3.2 国内典型城市线网规模发展现状 |
2.3.3 城市轨道交通线网规模经验总结 |
2.4 本章小结 |
第3章 城市轨道交通线网规模影响因素及匡算方法 |
3.1 线网规模影响因素分析 |
3.1.1 线网规模的影响因素 |
3.1.2 影响因素的层次分析 |
3.2 线网规模匡算方法 |
3.2.1 交通需求分析法 |
3.2.2 服务水平分析法 |
3.2.3 回归分析法 |
3.2.4 匡算方法比较分析 |
3.3 本章小结 |
第4章 改进交通需求分析法的线网合理规模匡算模型 |
4.1 转移客流量预测 |
4.1.1 无轨道交通情况下各交通方式的分担率 |
4.1.2 基于MNL模型的轨道交通客流转移率 |
4.2 诱增客流量预测 |
4.2.1 诱增客流量概述 |
4.2.2 诱增客流量预测 |
4.3 线网规模匡算模型 |
4.4 匡算模型的优点 |
4.5 本章小结 |
第5章 实例分析 |
5.1 衡阳市概况 |
5.1.1 人口规模概况 |
5.1.2 用地规模概况 |
5.1.3 经济发展概况 |
5.2 衡阳市交通发展现状及规划 |
5.2.1 现状分析 |
5.2.2 居民出行特征 |
5.2.3 城市综合交通规划 |
5.3 衡阳市轨道交通线网规模计算 |
5.3.1 常用匡算方法 |
5.3.2 基于城市轨道交通需求分析的线网规模匡算模型 |
5.3.3 不同匡算方法对比分析 |
5.4 本章小结 |
结论与展望 |
致谢 |
参考文献 |
附录 |
攻读硕士学位期间的科研成果 |
(8)基于改进Faster R-CNN算法的两轮车视频检测(论文提纲范文)
0 引言 |
1 两轮车检测模型设计 |
1.1 特征提取网络VGG16 |
1.2 RPN网络及其改进 |
1.2.1 RPN网络 |
1.2.2 RPN网络的改进 |
1.3 迁移学习 |
2 实验研究 |
2.1 实验环境 |
2.2 实验数据 |
2.3 模型训练 |
2.4 实验检测及结果分析 |
2.5 特征图的可视化 |
3 结语 |
(9)汽车-电动两轮车碰撞事故中骑车人损伤研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 弱势道路使用者安全研究 |
1.2.2 电动两轮车骑车人安全研究 |
1.2.3 研究意义 |
1.3 研究目的及内容 |
1.3.1 研究目的 |
1.3.2 研究内容 |
1.4 本章小结 |
第二章 汽车-电动两轮车事故调查及损伤分析 |
2.1 交通事故深度调查介绍 |
2.2 汽车-电动两轮车碰撞事故调查步骤 |
2.3 汽车-电动两轮车碰撞事故统计分析 |
2.3.1 事故车辆类型分布 |
2.3.2 碰撞类型分布 |
2.3.3 事故时间分布 |
2.3.4 事故环境分布 |
2.3.5 骑车人损伤分布 |
2.3.6 骑车人的不恰当行为分布 |
2.4 电动两轮车骑车人损伤分析方法 |
2.4.1 骑车人损伤定级标准 |
2.4.2 分类树模型 |
2.4.3 逻辑回归模型 |
2.5 本章小结 |
第三章 基于深度事故调查的骑车人损伤因素分析 |
3.1 分类树模型结果 |
3.2 存在交互作用的影响因素 |
3.2.1 年龄*不恰当行为 |
3.2.2 年龄*碰撞类型 |
3.2.3 不恰当行为*性别 |
3.2.4 不恰当行为*路段类型 |
3.3 本章小结 |
第四章 电动两轮车侧面碰撞速度估算及验证 |
4.1 理论估算速度 |
4.2 碰撞事故重建验证 |
4.2.1 模型构建理论 |
4.2.2 事故重建步骤 |
4.2.3 事故重建验证 |
4.3 本章小结 |
第五章 碰撞速度和骑车人年龄对骑车人损伤的影响 |
5.1 速度对骑车人损伤的影响 |
5.2 年龄对骑车人损伤的影响 |
5.3 速度和年龄对骑车人损伤的影响 |
5.4 讨论 |
5.5 本章小结 |
总结与展望 |
总结 |
展望 |
参考文献 |
致谢 |
附录A 攻读学位期间取得研究成果 |
附录B 攻读学位期间参与的课题项目 |
(10)自动紧急制动系统测试及评价方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文主要研究内容 |
第二章 常见的评价方法理论基础 |
2.1 常见的通用评价方法 |
2.1.1 主观评价方法 |
2.1.2 客观评价方法 |
2.1.3 多指标综合评价方法 |
2.2 本文评价方法的确定 |
2.3 本章小结 |
第三章 自动紧急制动系统测试场景研究 |
3.1 中国交通事故场景分析 |
3.2 车-车碰撞测试场景 |
3.2.1 目标车静止工况 |
3.2.2 目标车低匀速工况 |
3.2.3 目标车减速工况 |
3.2.4 目标车切入测试车车道工况 |
3.2.5 测试车切入目标车道工况 |
3.2.6 干扰车切出测试车道工况 |
3.3 车-行人碰撞测试场景 |
3.3.1 行人横穿马路工况 |
3.3.2 行人沿路工况 |
3.3.3 交叉路口工况 |
3.3.4 后方行人测试工况 |
3.3.5 夜间测试工况 |
3.4 车—两轮车碰撞测试场景 |
3.4.1 骑行者横穿马路工况 |
3.4.2 骑行者沿路行驶工况 |
3.4.3 交叉路口行驶工况 |
3.5 本章小结 |
第四章 基于AHP的自动紧急制动系统模糊综合评价模型 |
4.1 自动紧急制动系统评价指标体系 |
4.1.1 评价指标选取原则 |
4.1.2 自动紧急制动系统评价指标 |
4.2 基于AHP的评价指标权重确定 |
4.3 多级模糊综合评价模型搭建 |
4.4 基于AHP的自动紧急制动系统测试工况权重计算 |
4.5 本章小结 |
第五章 基于AHP的自动紧急制动系统模糊综合评价模型可行性验证 |
5.1 本文评价模型与各测评机构评价指标对比 |
5.2 本文评价方法与各测评机构实例评价对比 |
5.2.1 国内外评价机构打分体系 |
5.2.2 各测评机构打分结果对比 |
5.3 本章小结 |
第六章 基于AHP的自动紧急制动系统模糊综合评价模型应用 |
6.1 车-车碰撞场景各工况仿真测试数据 |
6.2 多级模糊综合运算 |
6.3 本章小结 |
总结和展望 |
总结 |
展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
四、Development of City Transport System and Two-wheel Vehicles(论文参考文献)
- [1]基于NAIS事故数据聚类的丁字路口危险场景研究[J]. 廖静倩,张道文,高立,廖文俊. 汽车安全与节能学报, 2021(03)
- [2]基于机器学习的两轮车事故严重程度预测[D]. 冯煜清. 长安大学, 2021
- [3]DL公司印度市场营销策略改善研究[D]. 刘爱兰. 华南理工大学, 2020(02)
- [4]基于Faster R-CNN的两轮车载人检测及车流量统计研究[D]. 陈涛. 江西理工大学, 2020(01)
- [5]针对弱势道路使用者的汽车主动避撞系统[D]. 肖轩. 江苏大学, 2020(02)
- [6]汽车与两轮车碰撞事故场景分析及AEB避撞研究[D]. 毛攀. 西华大学, 2020(01)
- [7]城市轨道交通线网合理规模研究[D]. 张文莉. 西南交通大学, 2020(07)
- [8]基于改进Faster R-CNN算法的两轮车视频检测[J]. 邝先验,李洪伟,杨柳. 现代电子技术, 2020(09)
- [9]汽车-电动两轮车碰撞事故中骑车人损伤研究[D]. 胡欣婷. 长沙理工大学, 2020(07)
- [10]自动紧急制动系统测试及评价方法研究[D]. 朱建涛. 长安大学, 2020(06)