基于GPS 与G IS 集成的车辆导航系统设计与实现

OpenCv车辆识别训练模型

APP-yolov5-车辆类型识别; 可以对truck、bicycle、motorcycle、car 四种类型车辆进行识别

基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控系统 基于Android智能手机的车辆远程监控

校园车辆管理系统 三种用户：管理员、车主、交警 进出闸机处有python写的tcp监听和一个简单的客户端用来上传进出数据 管理员可查看进出日志、违章情况、用户列表 车主查看和修改个人信息、查看个人进出日志、个人违章情况 交警上传违章信息

car_sales.sav 该数据文件包含假设销售估计值、订价以及各种品牌和型号的车辆的物理规格。订价和物理规格可以从 edmunds.com 和制造商处获得。 统计分析及模型构建中常用的数据集、使用数据集可以对模型和算法进行快速验证，而且如果能够得到经典测试数据有助于我们复现大佬（巨佬）们提供的算法模型、达到实战联系的目的、真正从原理上开启数据分析、而不是纸上谈兵； 纽约时报的一篇文章报道，数据科学家在挖掘出有价值的“金块”之前要花费50%到80%的时间在很多诸如收集数据和准备不规则的数据的普通任务上。混乱的数据是数据科学家工作流中典型的比较耗费时间的。 常用的数据集可以帮助我们快速实验模型算法，因为他们都是被处理过的优质数据；

Matlab R2012b代码模糊与神经模糊的车辆导航MATLAB代码 要求 MATLAB（已通过R2012b，R2015a和R2018a测试） 模糊逻辑工具箱 目标 给定包含障碍物的地图，将车辆引导至给定目标。 随时可用的唯一信息是距最近障碍物的距离以及与目标的角度，而我们只能控制车辆在每个可能方向上的速度。 模糊系统 使用适用于常识的规则解决了该问题。 为两个输入变量构造了两个分区（角度和距离的“好”和“坏”），而输出可以是“低”，“中等”或“高”速度。 第一个模糊系统（fuzzy_system_3_rules.fis）根据以下规则建模： 如果角度为“好”而距离为“好”，则速度为“高”。 如果角度为“坏”，则速度为“低”。 如果角度为“好”而距离为“差”，则速度为“中等”。 对于第二模糊系统（fuzzy_system_5_rules.fis），该角度也可以是“垂直”（接近90度的角度），并且距最近障碍物的距离也可以是“最差”（确实接近障碍物）。 该系统以上述规则以及以下规则为模型： 如果角度为“垂直”且距离为“不良”，则速度为“高”。 如果距离为“最差”，则速度为“中等”。 对于给

基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 基于Android的百度地图车辆定位系统设计与实现 ......

普瑞车辆管理系统单机版2009.07车辆管理工具破解版.rar

yolo模型车辆图像数据集-包括了自行车、摩托车、小汽车和货车。 区分了测试和训练集：比例为1:4；下载后，可直接用于训练 train: ../traffic_data/train_che/images val: ../traffic_data/test_che/images nc: 4 names: ['truck','bicycle','motorcycle','car']