小区开放对周边道路交通状况的影响

1、yolov5道路标志检测，包含训练好的玩手机检测权重，以及PR曲线，loss曲线等等，在道路指示牌识别数据集中训练得到的权重，有pyqt界面，目标类别名为trafficlight；speedlimit；crosswalk；stop共四个类别，并附道路指示牌识别数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，python代码

1、yolov5道路指示牌识别，包含训练好的道路指示牌识别权重，以及PR曲线，loss曲线等等，在道路指示牌识别数据集中训练得到的权重，有pyqt界面，目标类别名为trafficlight；speedlimit；crosswalk；stop共四个类别；并附道路指示牌识别数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

Java流量 这是一个关于显示有交通的道路的项目，由情人节、迈克尔和保罗创作

1、YOLO道路交通标志检测数据集，近900张使用lableimg软件标注软件标注好的真实场景的数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，可以直接用于YOLO系列的道路交通标志检测；目标类别名为trafficlight；speedlimit；crosswalk；stop共四个类别 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

道路交通微观仿真系统的数据库设计

道路交通matlab代码自动驾驶车辆的交互感知概率框架，用于预测交通参与者的行为和驾驶策略 这项工作为自动驾驶汽车的交互感知行为预测框架提供了概念证明，该框架不仅可以预测交通参与者的行为，而且可以对可以与之相关的驾驶策略进行分类。 这项工作是随后的博士学位论文的一部分。 标题：实现长期预测的交通参与者行为表征的概率框架 摘要：这项研究旨在开发预测人类交通参与者行为的新方法，从而在复杂的交通环境中实现自动驾驶汽车的安全运行。 至少在接下来的几十年中，自动驾驶汽车有望在交通中由人类驾驶的传统汽车中运行。 为了安全导航，他们将需要使用外部可观察的信息来推断交通参与者的意图和行为。 这样做有助于在一段足够长的时间范围内预测其轨迹，以分析即将发生的风险并优雅地避免任何风险情况。 这项工作通过认识到人类驾驶员执行的任何操纵都可以分为四个阶段来完成上述挑战，这些阶段取决于周围的环境：意图确定，操纵准备，差距接受和操纵执行。 它基于以下假设：对于给定的驾驶员，行为不仅跨越这四个操纵阶段，而且跨越多个操纵。 结果，在任何这些阶段中识别驾驶员的行为可以帮助表征驾驶员可能执行的所有后续操作的性质，从而在更长

目的：探讨桂林市道路交通事故伤亡特征和道路交通事故时间分配特征。 方法：通过对桂林市2007-2014年道路交通事故数据进行分析，探讨道路交通伤害的伤亡特征和道路交通事故的时间分布特征。 结果：共研究了3162例道路交通事故伤亡。 大多数研究对象是男性（63.23％），几乎是女性的两倍。 伤亡年龄为5至78岁，平均年龄为33.65±16.76岁。 男性的RTC死亡率显着高于女性（61.39对38.61，P <0.05）。 RTIs对成年人的影响不成比例，其中大多数死亡发生在15-59岁的人群中。 RTC的死亡率因教育程度的不同而有很大差异，其中三分之一以上发生在中学人群中。 大约40.25％的道路交通事故死亡发生在日常工作中，这表明死亡率显着高于其他职业（P <0.05）。 道路交通死亡的季节分布涉及Spring（24.72％），夏季（15.56％），秋季（30.56％）和冬季（29.17％）。 道路交通死亡的比例从9:00-12:00的最低6.02％到0:00-3：0的最高的16.78％不等； 午夜（0:00-3:00）显示报告的道路交通死亡比例显着更高（P <0.05）。 上肢和下

道路交通标志线 第三部分 市政工程道路 GB5768-2009-第三部分

实时道路交通系统 在Unity中创建的实时道路交通系统。 为荣誉项目而开发。