应用分子动力学研究了车辆跟驰特性,探索了车辆跟驰的需求安全距离及其应用模型构建。通过赋予跟驰模型多个刺激项的反应权重,运用数学演绎方法,推导出驾驶员对各种刺激反应同向性的状态方程。在此基础上提出了描述跟驰变化过程的分子跟驰模型。数据验证和试验对比分析结果表明,分子跟驰模型对跟驰状态的描述更加全面和贴切,弥补了速度跟驰模型的不足,完善了交通流跟驰理论。
2021-11-24 10:28:27
1.36MB
1
用pyhton编写的IDM模型，可以实现交通流仿真，包括跟驰和换道
2021-11-22 22:55:50
276KB
光驰镀膜机ACS的设定说明，注意请谨慎修改设定。这是厂家内部设定资料，如果设定不正确会导致人伤，设备损坏等事故。光驰镀膜机ACS的设定说明，注意请谨慎修改设定。这是厂家内部设定资料，如果设定不正确会导致人伤，设备损坏等事故。
2021-11-17 10:44:59
1.28MB
1
城市环路车流波传播状态模糊车辆跟驰模型，袁月明，关伟，应用模糊推理建立车流波传播状态车辆跟驰模型，首先对视频采集技术采集的实际环路车流波数据进行统计分析得出车流波传播状态下车
2021-11-15 16:13:39
237KB
1
使用Python对NGSIM数据集中车辆跟驰部分的数据进行了筛选和提取，筛选出了连续时间戳下目标车辆对应前车的相关信息并进行整合
2021-11-12 14:02:38
36KB
线性跟驰模型的matlab代码Tagme机器学习竞赛
内容
该软件包包含以下MATLAB函数：
standardizeImage.m：将图像重新缩放为标准尺寸。
computeFeatures.m：计算密集的SIFT关键点和描述符。
QuantizeDescriptors.m：将视觉描述符量化为视觉单词。
computeHistogram.m：计算视觉单词的空间直方图（从要素开始）。
removeSpatialInformation：将空间直方图简化为简单的直方图。
computeHistogramFromImage.m：计算视觉单词的直方图（从图像开始）。
computeHistogramsFromImageList.m：将computeHistogramFromImage应用于图像列表。
trainLinearSVM.m：了解线性支持向量机。
displayRankedImagelist.m：可视化图像的已排序列表的子集。
getImageSet.m：扫描目录以查找图像。
main.m：要运行的主脚本。
这将根据需要调用其他脚本。
createOutput.m：加载测试数据和保存
2021-11-08 09:35:57
2.69MB
1
线性跟驰模型的matlab代码专案
汽车的速度模型预测控制[Matlab
/
Simulink]：
该项目涉及自动驾驶汽车的速度调节，其思想是相对于道路的不同角度保持速度恒定。
使用的模型如下：
其中v是汽车的速度，
θ是道路的角度，
F是施加在汽车上的力。
传感器测量角度θ和速度v
，系统输入的是力F。
使用的架构是卡尔曼滤波器，用于将传感器的测量结果与此数学模型集成在一起，从而估算系统状态。
为了控制系统，设计了模型预测控制算法，并采用了增量公式，以实现对高速度参考的完美跟踪。
癫痫发作的预测[Matlab
/
Simulink]：
这是我的MsC论文项目，我开发了一种新的机器学习和识别算法，能够通过EEG记录提前（至少15分钟）预测癫痫发作。
该算法识别EEG信号的AR模型并训练支持向量机，以便从癫痫发作之外的信号中识别出癫痫发作前的信号。
此外，执行主成分分析以减少大量特征。
罗马的“
Policlinico
Gemelli”提供的录音数据库对结果进行了测试，结果确实令人鼓舞。
卡尔曼滤波器[C
++]：
我设计了一个c
++代码，该代码实现了在“速度模型预测控制”项目期间设计
2021-11-02 22:25:48
111KB
1