基于智能网联的自动驾驶公交云控系统设计

为了缓解城市常规公交无法满足远期交通需求的问题,在深入研究城市交通系统的基础上,引入5G自动驾驶公交云控系统,开展基于智能网联的5G自动驾驶公交云控系统的研究。依托北斗定位、5G、LTE-V2X、立体安全防护体系、人工智能等核心技术,设计一种5G自动驾驶公交云控系统,给出系统的整体架构,包括车端和路侧层、网络层、智能云控平台层、交互层,对自动驾驶微循环云控平台进行了设计分析,对系统关键模块进行功能设计。自动驾驶公交云控系统的研究和探索有助于促进出行服务模式升级,提高市民出行效率。     

基于轻量化YOLOv5的交通标志检测

为了提高道路交通标志的检测速度,提出一种基于轻量化YOLOv5的改进模型。首先,使用Ghost卷积和深度分离卷积(DWConv)构建新的主干模块,减少计算量和参数量;引入加权特征融合网络(BiFPN)结构,增强特征融合能力;将CIoU损失函数替换为SIoU损失函数,关注真实锚框与预测的角度信息,提升检测精度。其次,对TT100K数据集进行优化,筛选出标签个数大于200的交通标志图片和标注信息共24类。最后,实验结果取得84%的准确率、81.2%的召回率和85.4%的所有类别平均精确率的平均值mAP@0.5,相比原始YOLOv5,参数量减少29.0%,计算量减少29.4%,mAP@0.5仅下降0.1百分点,检测帧率提升了34帧/s。使用改进后的模型进行检测,检测速度有了明显提升,基本达到了在保持检测精度的基础上压缩模型的目的。