<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dzy_csu的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dzy_csu</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dzy_csu]]></copyright><item><title><![CDATA[sumo-traci (二）部分函数解析]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/106799721</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/106799721</guid><author>dzy_csu</author><pubDate>Wed, 17 Jun 2020 10:52:44 +0800</pubDate><description><![CDATA[sumo-traci函数解析
看到中文的教程对
为了实现对交通信号灯值的检索、修改；实现对周围车辆状态的检索；实现对控制车辆的速度进行修改；需要对traci接口的部分功能函数进行解析。
下面通过对traci_tls提供的源码进行解析，总结常用的函数。
一、访问信号灯的函数
二级标题
二级标题

...]]></description><category></category></item><item><title><![CDATA[sumo-traci 与python接口文档翻译（一）]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/106793399</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/106793399</guid><author>dzy_csu</author><pubDate>Tue, 16 Jun 2020 20:24:40 +0800</pubDate><description><![CDATA[Traci 与python接口
本文介绍traci英文文档（主要是与python的接口）。
第一个接口已有较多参考，故从第二个开始介绍。
Subscriptions
可以将“subscribe”视为用于检索变量的批处理模式。 您可以在每个时间步骤后自动检索感兴趣的值，而不必一遍又一遍地询问相同的变量。 TraCI的subscribe按每个模块进行处理。 也就是说，您可以在每个时间步之后向模块询问所有当前subscribe的结果。 为了subscribe变量，您需要知道它们的变量ID，可以在traci / c]]></description><category></category></item><item><title><![CDATA[琐碎思考《可持续交通》（一）]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104668727</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104668727</guid><author>dzy_csu</author><pubDate>Thu, 05 Mar 2020 10:04:48 +0800</pubDate><description><![CDATA[什么是可持续交通？
以安全、可负担、可达、高效、有复原力的方式，为人和货物的流动提供服务和基础设施，推动经济和社会发展，使当今和未来的世代受益，同时最大限度地减少碳和其他排放和环境影响。（联合国，2016）
满足个人、企业和社会基本需要，使其按照安全的、符合人类和生态系统健康的，以及促进后代公平繁衍的方式发展。（欧洲理事会）

经济的可持续性:国际经济发展表明，决定一个国家参与国际竞争能力的关键因...]]></description><category></category></item><item><title><![CDATA[学习笔记《最优化理论与算法》（一）]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104632235</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104632235</guid><author>dzy_csu</author><pubDate>Tue, 03 Mar 2020 15:00:42 +0800</pubDate><description><![CDATA[从本文开始，按课堂笔记逐章节梳理《最优化理论与算法第二版》（陈宝林）。同时，逐章节采用MATLAB实现优化算法（参考《精通最优化算法》。

小目标：多琢磨几个算法，多跑跑代码，多做做题。
第一章 引言
第一节
介绍目标函数与可行域的概念：
第二节

线性规划的定义：
目标函数和约束均为线性，则可以称之为线性规划。
线性表达式重要的性质：


 线性可叠加，叠加之后仍然线性
 线性表达可以转化为矩...]]></description><category></category></item><item><title><![CDATA[《机器学习实战》第六章SVM解释]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104595116</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104595116</guid><author>dzy_csu</author><pubDate>Sun, 01 Mar 2020 16:49:04 +0800</pubDate><description><![CDATA[对于《机器学习实战》第92页的两个公式比较费解，找了资料进行推导。对拉格朗日之后的部分，不做解释。主要为了看懂两个公式的原理。
首先

便可解释92页第一个公式

接着

最后解释92页第二个公式


...]]></description><category></category></item><item><title><![CDATA[论文解读《Study on Ground-Penetrating Radar (GPR) Application》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104570718</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104570718</guid><author>dzy_csu</author><pubDate>Sat, 29 Feb 2020 11:45:31 +0800</pubDate><description><![CDATA[题目：Study on Ground-Penetrating Radar (GPR) Application in Pavement Deep Distress Detection
作者：Songtao Li1,2, Chengchao Guo1,3*
期刊：Journal of Transportation Technologies
0 Abstract

As some deep distre...]]></description><category></category></item><item><title><![CDATA[《机器学习实战》超平面的解释]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104568884</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104568884</guid><author>dzy_csu</author><pubDate>Sat, 29 Feb 2020 08:45:46 +0800</pubDate><description><![CDATA[对于超平面的定义：
以二维平面为例进行推导解释



]]></description><category></category></item><item><title><![CDATA[《机器学习实战》logistic回归梯度上升优化推导]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104513383</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104513383</guid><author>dzy_csu</author><pubDate>Wed, 26 Feb 2020 11:27:52 +0800</pubDate><description><![CDATA[《机器学习实战》程序清单5-1，文中解释的不太清楚。特做推导。



]]></description><category></category></item><item><title><![CDATA[系列报告解读（三）《5G如何支持应急管理》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104456045</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104456045</guid><author>dzy_csu</author><pubDate>Sun, 23 Feb 2020 11:26:24 +0800</pubDate><description><![CDATA[background

警察，救护车，消防和救援服务（紧急服务）依靠在内部以及与外部机构和服务共享关键任务信息的能力来有效地履行职责。 传统上，这些方法仅限于遭受延迟和破坏的网络上的某些数据形式。
5G（第五代）提供了转变紧急服务通信的机会，使他们能够共享更广泛的数据，例如高效，安全的高清视频，并将对关键公共安全服务的有效性和效率产生重大影响 交货。 5G是下一代移动连接，它将最终取代或至少扩展4...]]></description><category></category></item><item><title><![CDATA[系列报告解读（二）《5G应急通信》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104455000</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104455000</guid><author>dzy_csu</author><pubDate>Sun, 23 Feb 2020 10:13:52 +0800</pubDate><description><![CDATA[题目：5G Emergency Communications
by :Evangelos Markakis and Ilias Politis
发布者：IEEE 5G
1 introduction

电信运营商向宽带IP基础架构的迁移迫使应急系统遵循此路径，并调整其应急通信平台，以满足下一代应急服务监管要求。
== 达到此目的的关键因素是, 对具有异构性能要求的各种应用程序和服务的支持==，包括关...]]></description><category></category></item><item><title><![CDATA[系列报告解读（一）《应急管理中的5G技术》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104454480</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104454480</guid><author>dzy_csu</author><pubDate>Sun, 23 Feb 2020 09:35:29 +0800</pubDate><description><![CDATA[本文主要对西班牙一篇关于5G+应急管理的报告进行解读。
introduction
畅想5G美好未来（这段英文写的好好，忍不住粘上来。日后慢慢欣赏…

原文：The fifth generation of cellular technology is upon us. This technology does not simply represent just another advancement...]]></description><category></category></item><item><title><![CDATA[报告解读《Technology for MaaS》（节选）]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104422186</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104422186</guid><author>dzy_csu</author><pubDate>Fri, 21 Feb 2020 08:41:04 +0800</pubDate><description><![CDATA[summary

基于Internet的无线技术满足了提供移动服务的主要要求。 在工作包3(Work Package 3)中完成了最新分析后，确定了与运营和业务相关的需求，可交付成果5(Deliverable 5 )重点介绍了技术方面，包括部署MaaS时应考虑的潜力和机会。 基于专家访谈和文献调查结果，对MaaS所需技术进行了详细分析。  由于MaaS的部署强烈依赖于ICT技术的提供，因此，尽管也...]]></description><category></category></item><item><title><![CDATA[华为白皮书导读《Smart Transportation》（节选）]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104404688</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104404688</guid><author>dzy_csu</author><pubDate>Thu, 20 Feb 2020 08:41:24 +0800</pubDate><description><![CDATA[本文节选自华为《智慧交通》的白皮书，主要对概况和应急管理部分进行翻译和解析，供大家参考。
summary

作为现代经济的重要组成部分，交通运输在许多发达国家中占国内生产总值（GDP）的6-12％。尽管交通极大地改善了我们的生活，但仍有许多代价高昂的问题尚未解决，包括交通事故，交通拥堵和车辆排放。智能交通最近已成为物联网（IoT）领域的热门话题，并被视为解决上述问题的方法。在本报告中，我们从创新的...]]></description><category></category></item><item><title><![CDATA[硕士论文导读《基于探地雷达技术及卷积神经网络理论的公路路基病害评价》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104387112</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104387112</guid><author>dzy_csu</author><pubDate>Wed, 19 Feb 2020 08:17:22 +0800</pubDate><description><![CDATA[论文题目：基于探地雷达技术及卷积神经网络理论的
公路路基病害评价
作者及单位：长安大学 姜海强
摘要

本文介绍了探地雷达检测的原理和影响检测性能的因素。在此基础上，综述了各类道路材料及包括裂缝、脱空、路基疏松等在内的公路路基病害在探地雷达信号下的典型图像特征，着重介绍了基于病害反射的探地雷达信号识别与优化算法.
。探地雷达技术可以有效克服路基病害的隐蔽性问题，但当前探地雷达的数据分析还依赖于人工...]]></description><category></category></item><item><title><![CDATA[5G系列——白皮书导读]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104333948</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104333948</guid><author>dzy_csu</author><pubDate>Sun, 16 Feb 2020 10:19:41 +0800</pubDate><description><![CDATA[[参考文档](

https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-road-to-5g-the-inevitable-growth-of-infrastructure-cost
)

一、5G智慧港口白皮书

“智慧港口”对通信连接有低时延、大带宽、高可靠性的严...]]></description><category></category></item><item><title><![CDATA[论文解读《基于卷积神经网络的路表病害识别与测量》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104301827</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104301827</guid><author>dzy_csu</author><pubDate>Thu, 13 Feb 2020 20:59:42 +0800</pubDate><description><![CDATA[标题：基于卷积神经网络的路表病害识别与测量
作者：沙爱民等
期刊：中国公路学报（2018，2019）

Ｔｏｎｇ等［２０］利用卷积神经网络对沥青路面的探地雷 达图像进行了反射裂缝的识别、定位、测量和三维重 建。

涉及到定位、测量和三维重建，可以重点关注tong这一篇文章。启示我们可以在定位、测量和三维重建上面做一些工作。

本文共设计３种ＣＮＮ， 分别用于病害识别（ＣＮＮ１）、裂缝特征提取（ＣＮ...]]></description><category></category></item><item><title><![CDATA[论文解读《基于ＳＶＭ 的高速公路路基病害自动检测算法》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104293040</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104293040</guid><author>dzy_csu</author><pubDate>Thu, 13 Feb 2020 12:04:39 +0800</pubDate><description><![CDATA[标题：基于ＳＶＭ 的高速公路路基病害自动检测算法
作者：周辉林
期刊：2013 中国公路学报


研究现状


当前基于gpr高速公路路面路基介电常数、厚 度和含水量等质量参数调查的国内外研究主要集中于gpr数据的人工解释和自动解释两方面，两者主 要区别在于：人工解释主要依靠专家经验提取时延 和幅度信息，其解释结果存在主观性强、解释周期长等缺点，而自动解释主要依靠相应算法自动提 取时延和幅度信息...]]></description><category></category></item><item><title><![CDATA[论文解读《铁路路基病害的智能识别》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104292391</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104292391</guid><author>dzy_csu</author><pubDate>Thu, 13 Feb 2020 11:31:42 +0800</pubDate><description><![CDATA[标题：铁路路基病害的智能识别
作者：杜攀峰
期刊：铁道学报

概要：

“本文通过整理和总结同济大学和上海铁路局完成 的沪宁线段路基检测的实际资料,提取了各种路基病害的特征值,使用学习向量量化神经网络对这些特征值进行训练,得到划分各种病害的分类判决规则,从而 能够对探地雷达检测资料进行自动分析,智能地识别各种路基病害.”

为什么要做这项工作：

1.“目前还没有 一种电磁波理论能反演出这种被严...]]></description><category></category></item><item><title><![CDATA[论文解读《GPR as a crack detection tool for asphalt pavements》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104276182</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104276182</guid><author>dzy_csu</author><pubDate>Wed, 12 Feb 2020 12:09:48 +0800</pubDate><description><![CDATA[标题：GPR as a crack detection tool for asphalt pavements
作者：N. AHMAD*, M. WISTUBA and H. LORENZL
年度及期刊：2012 14th International Conference on Ground Penetrating Radar (GPR)

1 abstract

Cracking in asph...]]></description><category></category></item><item><title><![CDATA[论文解读《Deep Convolutional Neural Networks for Classifying GPR B-Scans》]]></title><link>https://blog.youkuaiyun.com/dzy_csu/article/details/104275184</link><guid>https://blog.youkuaiyun.com/dzy_csu/article/details/104275184</guid><author>dzy_csu</author><pubDate>Wed, 12 Feb 2020 11:55:06 +0800</pubDate><description><![CDATA[标题：Deep Convolutional Neural Networks for Classifying GPR B-Scans
作者：Lance E. Besaw and Philip J. Stimac
期刊：Proc. of SPIE Vol. 9454  945413-1

abstract

Symmetric and asymmetric buried explosive haza...]]></description><category></category></item></channel></rss>