痕迹检验在交通事故鉴定中的应用探讨

在复杂的交通事故鉴定的过程中,痕迹检验是其鉴定的主要依据之一.痕迹检验技术中的轮胎花纹痕迹、整体分离痕迹、碰撞擦划痕迹、微量痕迹物证的检验鉴定工作运用尤其普遍,在交通事故中发挥着重要作用.     

汽车用磁性材料和磁性器件

汽车前灯装置用的磁性材料为了减少汽车夜间行驶的交通事故,一个重要的办法就是提高驾驶员的眼睛的夜间辨认能力,这就要在汽车上安装高亮度前灯（High Intensity Dischrge Lamp,简写为HID灯）,这种灯较传统用的卤灯省电且更亮,这样驾驶员就能借助它容易发现路面障碍物.HID灯是水银灯、金属卤化物灯、高压钠灯的统称.其中金属卤化物灯用作汽车前灯有2个缺点：①从点灯至达到规定亮度需数分至数十分钟;②一旦灯灭,再点着也必需数分至数十分钟.为克服这两点缺点在其点灯电路中必须设置变换器和触发器.     

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。     

车联网迎来新机遇

近来面对国内大中城市频繁出现的"暴堵","十二五"交通规划或将在年初推出. 改革开放20多年来,我国经济持续快地速发展,城市化、现代化的进程不断加快,很多城市的机动车保有量以年平均20%的速度飙长,导致了目前国内交通供求关系的严重失衡,交通拥挤、交通事故增多、环境日益恶化已经成为我国城市面临的严重问题.     

基于C8051F121在智能车辆检测器中的设计与应用

随着我国城市道路交通的发展,汽车数量不断上升,使得城市交通拥挤和交通事故日显突出,为了能够改善混乱的交通状况,缓解道路拥堵、改善出行条件、提高运输效率、提高道路安全性,为此,人们提出了智能车辆检测器,以此来解决日益突出的交通问题.本文基于美国Silicon Lab公司的CIP-51TM微控制器核的片上系统(SOC)C8051F121芯片为核心的硬件平台,文中对设备的硬件电路设计,接口电路设计和软件设计进行全方面的论述和研究.实验结果证明该设备具有低功耗、低成本、功能强大的特点,充分利用了该芯片提供的资源,并且满足了智能车辆检测器的需求.     

超载莫通行—超载检测系统设计

正机动车超载一直是让人头疼的问题,有些司机和车主受利益驱动,"多拉快跑",不仅经常造成交通事故,而且对公路造成严重破坏。据分析车辆超限重量增加和其对路面的损害是呈几何数增长的,超载10%的货车对道路的损坏会增加40%,一辆超限2倍的车辆行使一次,对公路的损害相当于不超限车辆行使16次,所以,必须治理超载。本文介绍的这种机动车超载检测系统,可以安装在高速公路口和收费路口,限制超载车辆通行。     

时空图卷积网络下的路网交通事故风险预测

路网交通事故预测是实现道路管控、路线规划的最重要方式之一。考虑到路网中各路段特征与环境因素的影响,建立基于图卷积神经网络（GCN）和门控循环单元（GRU）的时空门控图卷积（STGRGCN）模型预测交通事故风险。通过GCN提取出道路间的空间关联性,通过GRU提取出环境因素中的时间关联性,再通过GCN与GRU的复合模块提取出时空关联性。选取美国全国交通事故数据集中洛杉矶市和休斯顿市相关数据对模型进行检验,STGRGCN模型的均方根误差、平均绝对误差以及召回率在两个城市分别为4.09、2.14、0.714和5.79、3.24、0.683,优于已有统计模型、机器学习模型以及复合模型。设计该除各模块的消融实验,证明该模型各模块皆有助于提升预测性能。     

基于时空图卷积网络的交通事故风险预测研究

交通事故的预测是通过对过去路段发生的交通事故进行分析,在综合考虑影响交通事故的相关因素后,对未来路段的交通事故发生状态进行预测。以往的大多数研究通常采用传统机器学习方法或单一深度学习模型预测法,利用网格化确定预测空间的单位,忽略了影响交通事故的天气、路况等外部因素,导致模型的预测性能不佳。提出一种基于时空特性的城市交通事故风险预测模型,在模型中使用改进的时空图卷积网络,利用图卷积网络（GCN）提取空间相关特征,并加入批标准化层解决梯度消失爆炸问题。在时间维度上采用门控线性单元（GLU）实现一维卷积操作,提取时间相关特征,并将GCN和GLU组合成时空卷积模块提取时空相关特征,使用均方误差损失函数解决样本数据零膨胀问题。实验结果表明,与GLU、SDCAE和ConvLSTM模型相比,该模型的RMSE指标分别降低了28%、4.87%、4.19%,能有效捕获时空相关性,综合性能得到较大提升。     

基于FFT图像差值在轮胎印痕识别中的研究

轮胎印痕识别对交通事故的现场勘测及事后侦查有着十分重要的作用.介绍了轮胎印痕识别在交通肇事逃逸案侦破中的具体应用,研究了基于FFT的图像差值原理,提出了基于FFT图像差值算法的轮胎印痕识别方法,并分析了具体的试验数据,结果显示,该方法有利于提高轮胎印痕识别的成功率,为快速查找肇事逃逸车辆提供了理论基础和科学依据.     

基于范例推理的交通事故智能处理系统

介绍了一个基于范例推理的交通事故智能处理系统。首先给出了基于CBR的交通事故智能处理系统的总体框架。之后,对该系统中的核心部分：范例搜索、基于范例推理的综合推理模型、人机智能系统分别进行了讨论。