多车场多车型最快完成车辆路径问题的变异蚁群算法

在智能交通系统中，针对车辆目标检测算法可移植性不高、检测速度较慢等问题，提出了一种基于SqueezeNet卷积神经网络的车辆检测方法。通过融合SqueezeNet与SSD（single shot multibox detector）算法的车辆检测方法，在UA-DETRAC数据集上进行训练，实现了车辆目标的快速检测，提升了模型的可移植性，缩短了单帧检测时间。实验结果表明，所提模型在保证准确率的同时，模型单帧检测时间可达22.3 ms，模型大小为16.8 MB，相较于原SSD算法，模型大小减少了约8/9。

高清版本

采用java技术构建的一个管理系统。整个开发过程首先对系统进行需求分析，得出系统的主要功能。接着对系统进行总体设计和详细设计。总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等；详细设计主要包括系统数据库访问的实现，主要功能模块的具体实现，模块实现关键代码等。最后对系统进行功能测试，并对测试结果进行分析总结。 包括程序毕设程序源代码一份，数据库一份，完美运行。配置环境里面有说明。

分析了双侧电传动履带车辆的小半径转向理论，研究了在给定两侧电机力矩的情况下的转向特性，结果表明原地起步小半径转向工况可以分为三个阶段，第一阶段为固定转向半径的加速转向，第二阶段降半径转向，第三阶段为固定转向半径的匀速转向；有初速的小半径转向工况在转向初期转向半径从无穷大迅速降低并达到稳定值，之后的变化特性便与原地起步转向完全相同。在理论分析的基础上，设计了小半径转向控制策略，在MATLAB/simulink中进行了转向动力学仿真，表明转向控制策略有效。

车型识别技术是智能运输系统的核心。针对目前车型识别方法的不足，提出了一种基于车辆声音和震动信号相融合的车型识别方法。用BCS算法提取声震信号的特征，并在特征级融合形成特征向量，以此作为训练样本对支持向量机的分类器进行训练。对两种车型的声音和震动数据进行处理的结果表明，基于特征级融合的声震信号能够准确识别不同的车型，识别准确率达到86%以上，是一种有效的车型识别方法。

 为避免两车在同车道行驶中因追尾发生交通事故，本项目根据追尾事故的产生原因研制了车距安全距离智能控制与自刹车模拟系统。本模拟系统运用霍尔传感器以及加速度传感器测量后车车速Vb、采用超声波回波测距原理测量前后车的车辆间距ΔS，利用stm32f103zet6单片机处理数据，并根据两车的运行状况，后车自动调整行驶速度，从而实现后车与前车的安全车距的智能控制。实际测试表明，本系统可以实现安全车距的智能控制，达到设计要求。

基于matlab的图像处理，概述如何应用该软件实现对车辆的监测和识别

比较简陋的车辆牌照识别，起个抛砖引玉的作用 需要引用百度AipSdk，Newtonsoft.Json，自行在网上下载 API_KEY和SECRET_KEY 自行申请 List mylocation = new List(); if (Result_info == null) { richTextBox6.Text = "无法识别车辆牌照"; return; } value = "共识别到" + Result_info.Count.ToString() + "个车牌" + "\r\n";

UE4车辆损坏工程插件，类似GTA5效果，EplicGames买来要一百多，买来分享给大家。