|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
州大學(xué).jpg){kind=logo}
基于并聯(lián)機(jī)器人的汽車道路模擬試驗(yàn)系統(tǒng)
控制精度高， 采用姿態(tài)與伸縮桿雙閉環(huán)控制方法，進(jìn)行高精度的位置/速度/加速度/力等的控制，可滿足測(cè)試設(shè)備的試驗(yàn)數(shù)據(jù)高精度采集的要求。
揚(yáng)州大學(xué)
2021-04-14
.jpg){kind=logo}
防凍型道路抑塵劑的合成、表征及應(yīng)用研究
城市道路抑塵劑主要由多種可降解高分子材料組成，通過粘結(jié)、凝并、吸濕保水的作用，使路面的抗蒸發(fā)、吸濕、抗研磨及滲透能力得到顯著提高，從而達(dá)到抑塵的效果。道路抑塵劑具有無毒、無害、無腐蝕；冬季在氣溫不低于-15℃條件下不結(jié)冰；噴灑一次有效抑塵期3-5天等優(yōu)點(diǎn)。與噴水降塵法相比，節(jié)約大量水資源；減少噴灑作業(yè)次數(shù)，節(jié)約大量人力、油耗及車輛損耗，同時(shí)減少灑水車尾氣的排放量。
蘭州交通大學(xué)
2021-04-14
精彩活動(dòng)預(yù)告③ | 第63屆高博會(huì)開創(chuàng)未來系列發(fā)布活動(dòng)——解碼人工智能教育新生態(tài)、科研儀器突圍新實(shí)踐
第63屆高等教育博覽會(huì)將于5月23-25日在中鐵·長(zhǎng)春東北亞國(guó)際博覽中心舉辦。作為高等教育領(lǐng)域的高品質(zhì)、綜合性、專業(yè)化品牌展會(huì)，本屆高博會(huì)緊扣“融合·創(chuàng)新·引領(lǐng)：服務(wù)高等教育強(qiáng)國(guó)建設(shè)”主題，攜700余家科技企業(yè)、1000余所參會(huì)院校，在10余萬平方米的科技矩陣中，全面展示新技術(shù)、新產(chǎn)品在高等教育領(lǐng)域的應(yīng)用成果，為推進(jìn)高等教育現(xiàn)代化貢獻(xiàn)智慧與力量。
高等教育博覽會(huì)
2025-05-19
.jpg){kind=logo}
快速道路交通安全設(shè)計(jì)與主動(dòng)控制關(guān)鍵技術(shù)
"該成果獲2017年度國(guó)家技術(shù)發(fā)明獎(jiǎng)二等獎(jiǎng)（通用項(xiàng)目）。(1)創(chuàng)立了快速道路交通安全狀態(tài)辨識(shí)事故風(fēng)險(xiǎn)預(yù)警方法體系。 (2)提出了事故前兆的快速道路交通安全分析與多目標(biāo)優(yōu)化設(shè)計(jì)方法。 (3)研發(fā)了基于速度引導(dǎo)的快速道路交通安全主動(dòng)調(diào)控技術(shù)。 建立了快速道路交通事故前兆特征的表征與識(shí)別方法，系統(tǒng)解析了交通事故風(fēng)險(xiǎn)形成機(jī)理及演變規(guī)率，提出了快速道路交通安全狀態(tài)類歸與主動(dòng)辨識(shí)技術(shù)，構(gòu)造了快速邊路交通審故風(fēng)險(xiǎn)主動(dòng)預(yù)警技術(shù)。提出了事故前兆特征的快速道路交通安全分析技術(shù)，研制了事故前兆特征的交通事故風(fēng)險(xiǎn)分析與優(yōu)化設(shè)計(jì)軟件，研發(fā)了快速邊路出入交通沖突仿真快速提取技術(shù)，提出了綜合考慮效率、安全、環(huán)境和能耗的快速道路典型節(jié)點(diǎn)交通設(shè)計(jì)多目標(biāo)協(xié)同優(yōu)化技術(shù)。某于交通安全影響系數(shù)構(gòu)建了常用車速管控設(shè)施綜合優(yōu)化技術(shù)，提出了不利天氣條件下快速道路限速值優(yōu)化設(shè)計(jì)技術(shù)，構(gòu)建了面向安全增強(qiáng)、效率提升和多目標(biāo)協(xié)同優(yōu)化的可變限速控制和系統(tǒng)搭建技術(shù)。 "
東南大學(xué)
2021-04-10
.jpg){kind=logo}
一種基于車載雙目相機(jī)的前方道路行人快速測(cè)距方法
自動(dòng)駕駛汽車不僅能大大提高交通系統(tǒng)的效率和安全性，同時(shí)也為我們節(jié)省了很 多寶貴時(shí)間，將是未來汽車發(fā)展的主流。在基于視覺導(dǎo)航的自動(dòng)駕駛系統(tǒng)中，目標(biāo)的檢測(cè)和 測(cè)距是其中的關(guān)鍵技術(shù)，直接決定了自動(dòng)駕駛系統(tǒng)的性能。在基于視覺的導(dǎo)航中，雙目視覺技術(shù)是自動(dòng)駕駛輔助系統(tǒng)中的主流應(yīng)用技術(shù)。雙 目測(cè)距利用雙目立體視覺的原理，即兩臺(tái)攝像機(jī)分別對(duì)目標(biāo)物體進(jìn)行圖像采集，把采集到 的兩幅圖像進(jìn)行處理后通過立體匹配來計(jì)算出被測(cè)物體的深度距離。
華中科技大學(xué)
2021-04-10
.jpg){kind=logo}
一種赤泥制備道路硅酸鹽水泥的方法
本發(fā)明公開了一種赤泥制備道路硅酸鹽水泥的方法,以脫堿后的氧化鋁赤泥為主要原料制備道路硅酸鹽水泥,本發(fā)明通過設(shè)計(jì)道路硅酸鹽水泥熟料中C3S、C2S、C4AF和C3A等主要的礦物組成,以40～60%的赤泥部分代替道路硅酸鹽水泥生產(chǎn)所用的鈣質(zhì)、鋁質(zhì)原料,完全取代鐵質(zhì)和硅質(zhì)原料;本方法所制得的赤泥道路硅酸鹽水泥性能良好,赤泥的利用率高。
天津城建大學(xué)
2021-01-12
納米材料-聚合物對(duì)道路瀝青的改性特征及作用機(jī)理
該成果 2013 年獲全國(guó)商業(yè)科技進(jìn)步獎(jiǎng)二等獎(jiǎng)。本研究采用納米 ZnO 和 SBS 為外摻劑，尋求合適的制備工藝，制備納米材料/聚合物復(fù)合改性瀝青。借鑒聚合物改性瀝青的研究方法、試驗(yàn)手段及評(píng)價(jià)方法，探討納米材料/聚合物復(fù)合材料改性瀝青及混合料的路用技術(shù)性能；并通過微觀、化學(xué)分析手段，研究納米 ZnO 和 SBS 加入到基質(zhì)瀝青中，與基質(zhì)瀝青的相互作用機(jī)理，以期望達(dá)到較為良好的改性效果，促進(jìn)納米材料/聚合物復(fù)合改性瀝青的發(fā)展與應(yīng)用。
揚(yáng)州大學(xué)
2021-04-14
.jpg){kind=logo}
顧及道路交叉路口轉(zhuǎn)向的公路大件運(yùn)輸線路優(yōu)化方法
本發(fā)明公開了一種顧及道路交叉路口轉(zhuǎn)向的公路大件運(yùn)輸線路優(yōu)化方法，包括:步驟 1，基于原始 道路圖層數(shù)據(jù)構(gòu)建道路網(wǎng)絡(luò)數(shù)據(jù)模型;步驟 2，基于道路網(wǎng)絡(luò)數(shù)據(jù)模型構(gòu)建道路轉(zhuǎn)角權(quán)重輔助網(wǎng)，并對(duì) 道路轉(zhuǎn)角權(quán)重輔助網(wǎng)中輔助邊賦權(quán)重;步驟 3，基于道路轉(zhuǎn)角權(quán)重輔助網(wǎng)生成網(wǎng)絡(luò)數(shù)據(jù)集，考慮路徑交 叉口轉(zhuǎn)向總權(quán)重和路徑總長(zhǎng)度設(shè)置目標(biāo)函數(shù)，采用最短路徑分析法分析網(wǎng)絡(luò)數(shù)據(jù)集，獲得最優(yōu)路徑;步 驟 4，結(jié)合轉(zhuǎn)角方向?qū)⒉襟E 3 獲得的最優(yōu)路徑反推到道路網(wǎng)絡(luò)數(shù)據(jù)模型中，獲
武漢大學(xué)
2021-04-14
一種基于車載雙目相機(jī)的前方道路行人快速測(cè)距方法
本發(fā)明為一種基于車載雙目相機(jī)的前方道路行人快速測(cè)距方法，公開了一種適用于自動(dòng)駕駛系統(tǒng)的雙目行人檢測(cè)和測(cè)距方法。方法通過基于學(xué)習(xí)的行人檢測(cè)方法，訓(xùn)練行人檢測(cè)模型，利用行人檢測(cè)模型對(duì)雙目場(chǎng)景中的行人進(jìn)行檢測(cè)。通過顏色特征和尺度不變特征計(jì)算左圖像檢測(cè)結(jié)果中選取的點(diǎn)在右圖像中的匹配點(diǎn)，計(jì)算匹配對(duì)之間的視差值。通過尋找視差中值的方法得到檢測(cè)結(jié)果準(zhǔn)確的視差值，并根據(jù)相機(jī)坐標(biāo)系與圖像坐標(biāo)系之間的幾何關(guān)系計(jì)算行人與相機(jī)的距離。方
華中科技大學(xué)
2021-04-14
一種基于道路時(shí)空關(guān)聯(lián)關(guān)系的路段行程時(shí)間推斷方法
本發(fā)明公開了一種基于道路時(shí)空關(guān)聯(lián)關(guān)系的路段行程時(shí)間推斷方法，包括步驟 1:基于交叉口運(yùn)行 狀態(tài)對(duì)路段行程時(shí)間交通數(shù)據(jù)進(jìn)行統(tǒng)計(jì);步驟 2:基于通行模式周期性提取目標(biāo)路段與鄰接路段之間的 特征關(guān)系;步驟 3:基于三層神經(jīng)網(wǎng)絡(luò)模型對(duì)目標(biāo)路段行程時(shí)間進(jìn)行預(yù)測(cè)。本發(fā)明針對(duì)已有方法在數(shù)據(jù) 缺失情況下對(duì)路段行程時(shí)間估計(jì)的不足，利用路段行程時(shí)間交通大數(shù)據(jù)對(duì)目標(biāo)路段行程時(shí)間進(jìn)行推斷， 解決了由于數(shù)據(jù)稀疏而不能推斷行程時(shí)間的問題，最后利用武漢市浮動(dòng)車 GPS 歷史數(shù)據(jù)進(jìn)行了驗(yàn)證， 結(jié)果證明了本方法的有效性。
武漢大學(xué)
2021-04-13