信号交叉路口有时涉及多级人行横道,其中行人横穿一个或多个岛屿,然后在那儿等待信号继续。 如果对信号进行定时而不注意行人的前进,则多级交叉口的行人延误可能会很长。 本文讨论了两个问题。 首先,很少评估多级交叉路口的行人延误,因为除了微观模拟外,业内没有其他工具可实现这一目的。 我们提出了一种数值方法,用于确定任何阶段数和每个周期可能存在多个WALK间隔的交叉延迟。 可以将相同的方法应用于单级交叉口,对角线两级交叉口(行人可以选择路径)和自行车两级转弯。 此方法已在免费的在线工具中实现。 其次,我们描述了几种信号定时技术,可通过多级交叉路口改善行人和自行车骑行者的行进速度,从而减少行人和骑行者的延迟。 其中包括为选定的交叉路口提供服务,左转弯重叠,行人相相互重叠以及双向自行车交叉路口,这些交叉路口为两阶段转弯创建了路径选项。 实例表明,行人延误有可能大大减少,而行车延误通常很少增加或没有增加。 在一个示例中,增加短的行人重叠阶段使三级交叉口的平均行人延迟减少了82 s,而平均车辆延迟仅增加了0.5 s。
2023-12-14 19:25:11 4.88MB 行业研究
1
3D人体姿态估计数据集,含2D和3D关键点信息。
2023-12-10 21:54:12 521.43MB 人工智能 姿态估计
1
π_4-CQPSK信号的频偏估计算法.pdf
2023-12-10 11:26:00 915KB
1
热模型matlab代码随机建模和 UQ 最终项目 用于 UQ 类罕见事件估计的 MFCE 的最终项目。 “稳态热传导中罕见事件的多保真交叉熵估计” 作者:弗雷德里克·劳和泰伦斯·阿尔苏普 代码说明。 大多数 Matlab 函数和脚本都包含在名为“code”的目录中。 主要的Matlab文件是: 交叉熵 MFCE.m CE_LogNormal.m MFCE_LogNormal.m 文件 1. 和 2. 使用一系列高斯偏置密度实现 CE 和 MFCE。 文件 3. 和 4. 使用一系列对数正态偏置密度实现 CE 和 MFCE。 要了解如何运行代码,请查看这些文件的文档。 “ellip”目录包含用于划分域和使用有限元求解 PDE 所需的函数和文件。 我们测试运行的数据包含在“sim data”目录中。 一些测试用例包含了几个额外的 Matlab 脚本。 以下是用于生成数据和绘图的函数和脚本的一些快速说明。 CE_biasing_density.m - 绘制从交叉熵中找到的偏置密度以及最佳偏置密度。 sqcov_plot.m -- 读取模拟数据以制作 MFCE 和 CE SQCoV 与运行时的
2023-11-27 16:48:44 80.25MB 系统开源
1
AEKF_SOC_Estimation函数使用二阶RC等效电路模型(ECM)和自适应扩展卡尔曼滤波器(AEKF)估计电池的端电压(Vt)和荷电状态(SOC)。
2023-11-23 10:43:10 9.28MB 卡尔曼滤波算法 电池SOC估计
1
用matlab软件 设计实现贝叶斯估计的例子 仿真实验 计算错误率
2023-11-16 20:23:47 2KB 贝叶斯估计
Structure Aware SBL for IRS Bayesian Algorithms for Kronecker-structured Sparse Vector Recovery With Application to IRS-MIMO Channel Estimation 一种RIS信道估计方法,采用克罗内克结构,结合贝叶斯框架,包括AM-SBL方法及SVD-SBL方法
2023-11-09 14:26:11 20KB 信道估计 MATLAB
1
参考: R. Raheli、A. Polydoros 和 Ching-Kae Tzou,“每个幸存者处理:不确定环境中 MLSE 的一般方法”,在 IEEE Transactions on Communications,第一卷。 43,没有。 2/3/4,第 354-364 页,1995 年 2 月/3 月/4 月。
2023-11-03 14:48:47 2KB matlab
1
《空间谱估计理论与算法》ch5 《阵列信号处理及Matlab实现》ch4 用的求解函数是《空间谱》ch5中的表达形式 可成功运行
2023-10-25 15:26:00 2KB matlab doa
1
MATLAB用拟合出的代码绘图myMixedModelsTrajectories:使用混合模型回归的轨迹拟合 混合效应模型工具箱,用于分析纵向数据 该工具箱允许将具有不同阶次的模型(从常数模型到三次模型)拟合到具有重复测量的数据。 目的是在混合样本中估算年龄的发展曲线,在该样本中,受试者是在不同年龄和多个时间点记录的。 除了确定最佳模型(无年龄关系,线性年龄关系,二次年龄关系或立方年龄关系)之外,该工具箱还可以估算多个组之间的发育差异(请参阅分组信息注释)。 主要步骤遵循Mutlu等人在Neuroimage 2015中提出的算法第一手: 将递增顺序的模型拟合到数据,并根据贝叶斯信息准则选择最佳模型 估计多组曲线的截距和形状中的组差异的p值 使用错误发现率更正多个比较 绘制结果模型参数和拟合曲线 使用此代码时,请引用以下论文: AK,穆特卢(Mutlu),施耐德(Ms. Schneider),M。德巴内(Debbané),巴杜德(Badoud),埃利兹(Eliez),S。希尔(Schaer),M.,2013。全皮层厚度差异和折叠发育的性别差异。 Neuroimage 82,200–207
2023-10-24 17:56:37 4.46MB 系统开源
1