导读:本文包含了模型检测器论文开题报告文献综述及选题提纲参考文献，主要关键词:跟驰模型,刺激-反应模型,交通流,VISSIM仿真
模型检测器论文文献综述
边梦依[1]（2019）在《基于仿真检测器数据的跟驰模型参数标定研究》一文中研究指出交通流理论是交通工程学科的重要组成部分,其研究目的旨在分析交通特性、揭示交通流基本规律,更好地引导和完善道路规划设计和系统建设。微观交通流模型以单个车辆为研究对象,着眼于车辆的微观行驶行为,对于探究车辆间相互作用关系起到重要作用。跟驰模型是微观交通流模型的代表之一。通过对跟驰模型进行参数标定,可以合理地描述实际的交通情景,实现跟驰模型从理论到实践的应用。但由于车辆在行驶过程中会受到驾驶员、车辆状况和道路环境等多个因素的影响,加之缺少合适的检测设备,车辆的微观行为难以被记录,这给跟驰模型的参数标定带来了一定的困难。而宏观交通流模型的研究对象为交通流的流量、速度、密度等宏观参数,具有模型表达式较为简洁、物理意义明确、计算简便的优点,且宏观交通流参数可以通过道路上的车辆检测器直接获取。因此,对宏观交通流模型进行参数标定往往比直接标定跟驰模型更加简便、高效。在以上背景下,本文提出一种利用检测器数据进行跟驰模型参数标定的新方法。以现有的微观跟驰模型GHR模型为研究基础,通过理论分析与数学推导,设计出一种密度-流量交通流模型,用于描述跟驰状态下的宏观交通流。之后使用VISSIM软件进行仿真,利用仿真软件中的车辆检测器功能获取路段的交通量、速度等交通流参数,作为参数标定的原始数据。最后运用最优化理论求解模型中待标定参数的值,实现模型的参数标定,从而验证了本文中所提出方法的科学性及可操作性。本文具体内容如下:(1)设计出一种基于GHR模型的密度-流量交通流模型,将跟驰模型中前后车的车头间距、速度差和加速度之间的关系,转化为路段当中交通流密度与流量的关系,用密度和流量来描述跟驰模型,实现了从微观模型到宏观模型的转化与对接。(2)在论证VISSIM仿真合理性和进行交通调查的基础上,使用VISSIM软件对道路交通流进行仿真,通过数据采集点模块获取交通量、占有率和速度等交通流参数。(3)使用最优化理论与方法对本文中提出的基于GHR模型的密度-流量模型进行参数标定,运用数学方法求解模型中的参数值,并通过误差分析验证参数的准确性及模型的合理性。(本文来源于《北京交通大学》期刊2019-09-01）
张淑芳,朱彤[2]（2019）在《基于残差单发多框检测器模型的交通标志检测与识别》一文中研究指出针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器(SSD)模型,对高分辨率的交通图像进行多尺度分块检测。为了加快检测速度,采取由粗到精的策略,省略对纯背景图像块的预测.利用中等尺度图像块的初检结果缩小目标范围;对目标范围内的其他图像块进行检测;将所有图像块结果映射回原图像,并结合非极大值抑制实现精准识别。实验结果表明,该模型在公开的交通标志数据集Tsinghua-Tencent 100K上取得了94%的总体准确率和95%的总体召回率,对多分辨率图像中不同大小和形态的交通标志都具有良好的检测能力,鲁棒性较强。(本文来源于《浙江大学学报(工学版)》期刊2019年05期）
顾新锋,严树强,徐正峰[3]（2019）在《基于AR模型的距离扩展目标自适应检测器》一文中研究指出针对非高斯杂波背景中扩展目标的检测问题,将自回归(AR)模型与广义杂波分组模型相结合,提出了基于AR的广义杂波分组模型。并在该杂波模型背景下,利用近似广义似然比检测(AGLRT)原理,结合迭代估计方法,提出了广义杂波背景下迭代近似广义似然比检测器(RAGLRT-GCC)。该检测器不需要利用辅助距离单元估计杂波协参数就可以实现目标的自适应检测。RAGLRT-GCC利用了杂波分组信息,有效提高了对稀疏扩展目标的检测性能。仿真结果表明,在相同检测概率下,RAGLRT-GCC性能优于现有的复合高斯杂波背景下迭代近似广义似然比检测器(RAGLRT-CG)。(本文来源于《太赫兹科学与电子信息学报》期刊2019年01期）
洪云端,李永明[4]（2019）在《多值可能性模型检测器的设计与实现》一文中研究指出随着现代计算机软件和硬件的复杂性变大,模型检测作为一种形式化自动验证技术,与传统的检测技术相比有着一系列的优势,比如可以在系统实现之前对系统进行验证,可以提前发现问题,节约大量成本。传统的模型检测器大多是基于经典的模型检测技术实现的,而现实生活中存在大量的不确定信息,使用传统的模型检测无法解决这些问题。而多值模型检测理论的出现,结合多值计算树逻辑,构建多值可能性Kripke结构模型,可以很好地解决这些问题。为了实现模型检测自动化特性的最大优势,基于多值可能性定量模型检测的理论,设计了多值Kripke结构在计算机中的存储结构、计算模块等,实现了一个基于多值可能性测度的多值计算树逻辑的模型检测器MvChecker,使得用户可以自动验证系统性质。(本文来源于《计算机技术与发展》期刊2019年05期）
王少伟[5]（2018）在《基于全测试器的实时时序逻辑RTCTL*符号模型检测器的研究与开发》一文中研究指出进入21世纪以来,信息技术已逐渐成为推动经济发展和提升生产效率的强大动力,软件技术的普及度越来越高,软件行业呈现出高速发展的趋势。随着计算机系统规模日益增加、问题域不断加大,其系统设计的复杂度也在不断飙升。系统复杂度的增加意味着出现错误的可能性也就更大,其安全性不容忽视;如何保障程序的安全性和提高程序的可靠性一直以来是软件技术发展的核心问题之一。以穷举状态为基础的模型检测因其自动化程度高,并能在系统不满足性质时提供反例等优点受到普遍关注和应用,成为解决该问题的有效途径之一。由于现有模型检测工具的形式化规范语言,如计算树逻辑(computation tree logic,简称CTL)和线性时序逻辑(linear temporal logic,简称LTL)等,存在规范描述能力不足,无法验证实时时序逻辑(real-time temporal logic,简称RTCTL*)的问题,本文基于全时序测试器(简称测试器)优化了 RTCTL*算法并证明了关键测试器的正确性和完备性,提出了一种RTCTL*符号模型检测工具——RTSMC(RTCTL*symbolic model checker),该工具基于高模块化的符号模型检测框架JTLV实现了 RTCTL*符号模型检测算法。最后,对工具的新算子进行了覆盖性的测试和验证。实验结果表明,RTSMC符号模型检测工具扩充了 JTLV框架的验证能力,赋予了运行时验证过程更多的灵活性,使得时间敏感、并发性和周期性等实时性质可以被描述和验证。理论与实践相结合,两者结合发挥最大的作用。本文以实现RTCTL*符号模型检测器为第一目的,以成为模型检测学习研究者容易入手的工具为第二目的;在扩展规范过程中严格遵循低耦合、高模块化的实现思想,注重代码的可阅读性,不仅可以有效地缓解SPIN和CHESS等显式状态模型检测工具可能出现的组合状态空间爆炸问题,而且给模型检测算法的研究提供了一条较低学习成本的路径,适合新算法的补充以及模型检测的理论实践。(本文来源于《华侨大学》期刊2018-11-30）
吕宽,张玉,唐波[6]（2018）在《基于多先验谱模型的低慢小目标子空间检测器》一文中研究指出针对非均匀杂波环境下自适应检测低慢小目标时,信号特征难提取,有效训练样本受限的问题,将低慢小目标建模为多维子空间模型,提出了基于多先验谱模型的低慢小目标子空间检测器构造方法。该检测器使用纹理分量为逆伽马分布的复合高斯模型来描述杂波,利用多先验谱模型的线性组合来表示杂波协方差矩阵的逆,能在均匀和非均匀杂波背景下检测低慢小目标。仿真表明,该检测器比传统基于渐进最大似然估计协方差矩阵的检测器以及单独基于多先验谱和子空间的检测器性能更好,并且训练样本数不足的情况下保持很好的性能。(本文来源于《火力与指挥控制》期刊2018年09期）
顾新锋,徐正峰,严树强,郝晓琳[7]（2018）在《基于AR模型的稀疏扩展目标自适应检测器》一文中研究指出采用AR模型对杂波进行建模,结合目标的稀疏散射点特性,研究了距离扩展目标的自适应检测问题。复合高斯杂波采用AR模型建模,利用目标稀疏散射点的先验信息,采用近似广义似然比检验(AGLRT)原理,结合迭代估计方法,提出了复合高斯杂波背景下基于散射点个数的迭代近似广义似然比检测器(SN-RAGLRT-CG),并从理论上分析得出了检测器虚警概率表达式。仿真结果表明,SN-RAGLRT-CG充分利用了目标散射点的先验信息,在不同检测窗口宽度和不同N值的情况下,其性能都要优于现有RAGLRT-CG和RAGLRT-GCC,并且SN-RAGLRT-CG不需要辅助距离单元估计杂波协参数就可以实现目标的自适应检测,能够较好的实现稀疏扩展目标的自适应检测。(本文来源于《Proceedings of 2018 3rd International Conference on Electronic Engineering and Computer Science（ICEECS2018）》期刊2018-05-29）
洪云端[8]（2018）在《基于多值可能性的模型检测器MvChecker的设计与实现》一文中研究指出现代计算机技术已经时时刻刻伴随着我们的生活,随着现代计算机软件和硬件的设计越来越复杂,对软件和硬件的测试也变得越来越复杂,不仅需要消耗大量的人力物力成本,而且使用传统的检测技术也有一定的局限性,对于生活中真实存在的一些不确定性因素,存在着一定的检测缺陷,从而导致检测失败。1981年,Clarke和Emerson以及Quielle和Sifakis提出了模型检测的理论,作为一种形式化的自动验证技术,为我们解决这些检测问题提供了一个很好的解决方案。对比传统的检测技术,模型检测技术有着一系列的优势,比如可以在系统实现之前对系统进行验证,提前发现问题,节约检测成本等等,这些检测一般会使用基于模型检测理论实现的模型检测器去进行验证,传统的模型检测器大多是基于一些经典的理论而实现的,随着我们研究的深入,我们发现现实生活中有着大量的不确定信息,这样使用传统理论实现的模型检测器无法解决这些问题。而多值模型检测理论的出现,利用在格上构建不确定信息,结合多值计算树逻辑,通过构建的多值可能性Kripke结构模型,有效的解决了这些问题。同时为了实现模型检测技术的自动化验证的特性的优势,本文基于多值可能性的多值计算树逻辑的模型检测理论,设计了多值Kripke结构在计算机中的存储结构,计算模块等等,实现了一个多值模型检测器MvChecker,使得用户可以自动化的验证系统性质。本文的具体工作如下:(1)对理论中定义的多值模型Kripke结构,从计算机存储的方面进行了数据结构上的设计,并且分析了时间复杂度,尽量用最优的数据结构对状态和转移函数进行存储,使得模型检测器能够读入更多的数据量,计算出更多的状态,并且有效缓解在一定数据量下的状态爆炸的问题。(2)根据模型检测理论的流程图,分析出模型检测器的结构,设计了模型检测器的框架,从用户输入的模型以及性质,到如何转换模型和性质到计算机中,如何对转换之后的数据进行计算,以及怎么验证用户的性质,完成检测后检测结果的输出,并对时间复杂度进行了分析,对设计的模型检测器的测试,完成了模型检测器设计的一整套流程。(本文来源于《陕西师范大学》期刊2018-05-01）
王海洋,段振华,田聪[9]（2019）在《用于验证多智能体系统的APTL模型检测器》一文中研究指出由于经典的线性时序逻辑表达能力有限,设计并开发了基于交替投影时序逻辑(alternating projection temporal logic,简称APTL)的模型检测工具.根据王海洋等人提出的APTL符号模型检测方法,设计并实现了APTL模型检测器MCMAS_APTL.该工具可用于多智能体系统(multi-agent system,简称MAS)的性质验证.MCMAS_APTL检查MAS是否满足具体性质的过程如下:首先,用解释系统编程语言(interpreted system programming language,简称ISPL)描述要验证的系统IS,用APTL公式P描述要验证的性质;然后,符号化表示系统IS,并将非P转化为范式;最后,计算所有满足非P的路径的起始状态集合.如果得到的状态集合中包含系统的初始状态,则说明系统不满足公式P;反之,则说明系统满足公式P.详细阐述了实现MCMAS_APTL的过程,并且通过验证机器人足球赛的例子展示了MCMAS_APTL的性能.(本文来源于《软件学报》期刊2019年02期）
赵兴刚,郑岱堃,王首勇,刘俊凯[10]（2017）在《一种基于AR模型的矩阵CFAR检测器》一文中研究指出矩阵恒虚警(Constant False Alarm Rate,CFAR)检测器是根据信息几何理论利用检测单元相关矩阵与参考单元矩阵黎曼均值间的测地线距离作为检测统计量进行检测.本文根据尤尔-沃克方程中相关矩阵与自回归(Auto-Regressive,AR)谱之间的一一对应关系,将矩阵CFAR检测器中两矩阵间的距离转化为两AR谱之间的距离,提出了一种基于AR模型的矩阵CFAR检测器,该检测器能利用分辨率更高的AR模型进行谱估计,并将功率谱整体进行检测,能充分利用回波的多普勒信息,非常适用于频域扩展目标的检测,通过利用具有频域扩展特性的尾流实测数据对该方法和传统方法的检测性能进行比较分析,验证了本文所提检测器的有效性.(本文来源于《电子学报》期刊2017年12期）
模型检测器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器(SSD)模型,对高分辨率的交通图像进行多尺度分块检测。为了加快检测速度,采取由粗到精的策略,省略对纯背景图像块的预测.利用中等尺度图像块的初检结果缩小目标范围;对目标范围内的其他图像块进行检测;将所有图像块结果映射回原图像,并结合非极大值抑制实现精准识别。实验结果表明,该模型在公开的交通标志数据集Tsinghua-Tencent 100K上取得了94%的总体准确率和95%的总体召回率,对多分辨率图像中不同大小和形态的交通标志都具有良好的检测能力,鲁棒性较强。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模型检测器论文参考文献
[1].边梦依.基于仿真检测器数据的跟驰模型参数标定研究[D].北京交通大学.2019
[2].张淑芳,朱彤.基于残差单发多框检测器模型的交通标志检测与识别[J].浙江大学学报(工学版).2019
[3].顾新锋,严树强,徐正峰.基于AR模型的距离扩展目标自适应检测器[J].太赫兹科学与电子信息学报.2019
[4].洪云端,李永明.多值可能性模型检测器的设计与实现[J].计算机技术与发展.2019
[5].王少伟.基于全测试器的实时时序逻辑RTCTL*符号模型检测器的研究与开发[D].华侨大学.2018
[6].吕宽,张玉,唐波.基于多先验谱模型的低慢小目标子空间检测器[J].火力与指挥控制.2018
[7].顾新锋,徐正峰,严树强,郝晓琳.基于AR模型的稀疏扩展目标自适应检测器[C].Proceedingsof20183rdInternationalConferenceonElectronicEngineeringandComputerScience（ICEECS2018）.2018
[8].洪云端.基于多值可能性的模型检测器MvChecker的设计与实现[D].陕西师范大学.2018
[9].王海洋,段振华,田聪.用于验证多智能体系统的APTL模型检测器[J].软件学报.2019
[10].赵兴刚,郑岱堃,王首勇,刘俊凯.一种基于AR模型的矩阵CFAR检测器[J].电子学报.2017