甜甜^-^-CSDN博客

原创粒子群算法（Particle Swarm Optimization）超详细解析+入门代码实例

粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO，是近年来由J. Kennedy和R. C. Eberhart等开发的一种新的进化算法(Evolutionary Algorithm - EA)。

2024-09-03 16:45:24 998

原创【SSAM】交通冲突分析软件

当Vissim生成的车辆轨迹文件导入到SSAM中，软件将能进一步分析车辆行为，评估交通流中的冲突点，判断是否存在可能导致事故的情况。SSAM软件是交通安全管理的重要工具，它的运用不仅提升了交通安全评估的效率，也为决策者提供了科学的决策支持。在实际操作中，SSAM的用户界面友好，便于用户导入、处理和分析数据。.trj文件无法用文本编辑器打开，需要使用SSAM软件进行编辑，如图所示，添加.trj文件，勾选“输出txt格式的trj文件”，然后“分析”，即可以在同目录下找到“同名_data.csv”文件。

2024-07-10 16:14:45 545

原创 SMoS、SSM、SSAM的区别与联系

SSM 是根据交通冲突中的安全风险来表达道路安全的一种方法。为了克服这一限制，提出了新的概率风险测量推导（PRISMA）方法，这是一种数据驱动的方法，用于预测未来可能的交通参与者轨迹，减少对特定假设的依赖。SMoS 更侧重于指标的替代性和有效性，SSM 侧重于风险度量的假设和数据驱动方法，而 SSAM 是一个具体的模块，用于模拟和分析交通设计或策略的安全性。SMoS 的有效性是其反映交通安全程度的能力，尽管传统的验证研究非常资源密集，但相对有效性方法可以利用较少资源，不依赖于观察位置的碰撞记录。

2024-07-10 11:41:06 469

原创【IDM】IDM跟驰模型 python代码

IDM（Intelligent Driver Model）是一种跟驰模型，用于模拟交通流中的车辆之间的跟驰行为。update_velocity方法用于根据IDM模型更新车辆的速度，update_position方法根据车辆的速度更新车辆的位置。最后打印每辆车的最终位置和速度。实现车辆跟驰模型，根据当前车辆的状态（位置、速度等）和前车的状态，计算出当前车辆的加速度。实现IDM模型，根据当前车辆的位置、速度、加速度等信息计算出期望速度和期望跟车距离。定义车辆对象，车辆对象包含车辆的位置、速度、加速度等信息。

2024-07-04 22:17:53 930

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

weixin_49830062的博客

原创粒子群算法（Particle Swarm Optimization）超详细解析+入门代码实例

原创【SSAM】交通冲突分析软件

原创 SMoS、SSM、SSAM的区别与联系

原创【IDM】IDM跟驰模型 python代码

原创【PanoSim】PanoSim5.0智能型驾驶员模型功能介绍

原创【下载】ISO 34502-2022 道路车辆 - 自动驾驶系统的测试场景 - 基于场景的安全评估框架（中文版）

原创【下载】Smart Road Infrastructure Innovative technologies

ISO 34502-2022 道路车辆 - 自动驾驶系统的测试场景 - 基于场景的安全评估框架（中文版）

下载Smart Road Infrastructure Innovative technologies

空空如也