一、车祸,车祸,都是人祸─—道路交通事故透视（论文文献综述）
漆雕醒[1]（2021）在《双吃(长篇小说)》文中认为引子闪电将夜幕撕开了一道裂口,巨雷如猛兽怒吼着奔出。窗户在颤抖,窗外的汽车警鸣声此起彼伏。被惊醒的小男孩从床上坐起身来,睡眼惺忪地望向旁边空着的枕头。又是一道闪电落下来,像一只立刻就要伸进屋子里来的大獠牙。小男孩满眼恐惧地跳下床,赤着脚奔出卧室。
张通[2]（2021）在《自动驾驶，蜜糖还是砒霜？》文中指出由蔚来车祸事件引发的各种讨论很快延伸,一片质疑声中,"自动驾驶技术"的口碑仿佛一夜之间从山顶坠入谷底。"自动驾驶"究竟是技术的蜜糖,还是汽车的砒霜?它从何处来,又会走向何方?在这里,让我们共同梳理"自动驾驶技术"半个世纪以来的起伏与发展。
朱栋栋[3]（2021）在《基于视觉检测与定位的快速路车辆异常行为识别》文中进行了进一步梳理城市快速路作为城市的“大动脉”,在交通运输方面发挥着至关重要的作用,随着机动车保有量的骤增,城市快速路所面临的交通压力和拥堵风险也与日俱增;针对该问题,目前常用的方法是通过人工实时地筛查交通监控视频,定位发生车祸等异常行为的车辆。但是随着道路监控覆盖率的提升,快速地在众多路监控摄像头中定位存在异常行为的车辆,这需要极大的人力成本投入。借助计算机视觉,辅助交管人员进行车辆异常行为识别,是本文的主要研究内容。本文设计了一种车辆端向点检测算法,用于解决行驶轨迹偏离车辆所在真实车道的问题;同时本文提出了基于轨迹信息的车辆异常行为识别算法,用于判断车辆是否发生异常停车、违规掉头、违规占道和超速。具体的研究成果如下:（1）提出一种基于车辆端向点检测的轨迹提取算法。当车辆位于监控视野边缘、偏离相机主光轴时,车辆几何中心点所绘制的轨迹会偏离车辆所在的车道,针对该问题本文创造性地提出车辆端向点检测算法,端向点标注工具被开发用于数据集的构建。在测试集中,端向系数拟合的平均绝对误差为0.1289,平均偏离程度较小,算法能较准确地拟合车辆端向点的位置。（2）设计了一种基于轨迹信息的车辆异常行为识别算法。本文通过畸变校正还原出车辆行驶轨迹的物理信息,设计含隐状态的有限状态自动机对车辆的异常行为进行逻辑判断。经测试发现,本文设计的算法在异常停车相关的实验中,时间片段检测准确度为86.12%;在违规占道相关的实验中,车道信息识别精度为95.52%;在违规掉头相关的实验中,车辆行驶方向检测召回率为93.16%;在超速检测相关的实验中,测速的平均绝对误差为1.4544m/s,实验证明,延时触发机制对系统提升检测效果具有促进作用。（3）本文开发了快速路场景下的车辆异常行为识别系统。该系统既能对输入的视频流在监控显示界面进行实时显示,也能对车辆轨迹提取模块以及异常行为识别模块进行可视化,能辅助后台值守人员对车辆异常行为进行判断,同时该系统具有异常车辆留证功能,直接将发生异常行为的车辆快照进行存储。本文围绕城市快速路应用场景的实际需求,设计了基于车辆端向点检测的轨迹提取算法,以及基于车辆轨迹的异常行为识别算法,并搭建系统平台对算法模型进行集成,通过在京通快速路项目中的实践,发现本文的工作符合预定的期望、具有学术和应用价值。
赵一鸣[4]（2021）在《大连市交通安全护栏的设计研究》文中提出
刘晓丹[5]（2021）在《自动驾驶汽车交通事故刑事责任主体认定的困境及其对策 ——以注意义务为视角》文中研究指明
简怡倩[6]（2021）在《智能网联汽车交通事故侵权责任研究》文中提出
徐毅[7]（2021）在《基于轻量化卷积神经网络的分心驾驶行为检测与嵌入式实现》文中认为
杨杰[8]（2021）在《数字技术辅助单一前入路治疗髋臼双柱骨折的临床研究》文中提出
尤达[9]（2021）在《网络时代美国创剧人研究》文中提出美国创剧人,英文为the creator of American TV soaps,sitcoms and series,原指提供故事创意或者完成试播集剧本向各大电视网推销的人,在实际生产中演变为美剧的创作主体,即具有创作剧本能力的执行制片人。从历史观之,电视时代的创剧人在美剧生产过程中流露出普遍性特点,由此形成的群体特征深刻影响着创剧人自身的演变:从身份的确立到群体的形成,再到阶层的固化。网络时代的创剧人致力于群体特征的变革,以此打破阶层的桎梏。立足创剧人文本的内容与形式观之,所谓“变革”与以往并非只是理念上的区分,在实践场域的分野十分明晰。创剧人既对美剧成规化生产模式进行大胆革新,又依据“自我”的觉感与体认进行个性化创造。更为重要的是,创剧人调和了成规与个性间的对立关系,在文本的内容选择上追求“他者互文”与“自我表现”的紧密结合,表现形式上注重制作范式与创作风格的高度统一,由此在作品中反映出多元且精彩的主题,满足受众不断增长和变化的娱乐需求。这便使得创剧人不再只是播出机构定义下一味媚俗的符号客体,而是被赋予对超越性的追求。本文从历史与现实的维度探讨美国创剧人群体的演变;从文本的内容选择与表现形式上深入考察网络时代创剧人的变革举措,指出其群体特征的两个维度;进而分析这两个维度的相互关系与共同作用;最后基于媒介场域的变化探讨群体特征发生变革的外在成因,从创剧人心理探讨变革的内在动因。如此,形成了对网络时代美国创剧人从表象到本质的考察。揆诸现实,这一研究的目的在于面对美剧在全球范围内卓越的传播力,从创作主体维度探寻美剧的成功之道,以求能在去芜存菁中有效“吸收外来”,为国产电视剧的发展带来启示意义。
石振周[10]（2021）在《基于车道线信息的多目标轨迹预测》文中提出近些年来,道路交通事故频发,而智能车的轨迹预测技术可以有效地预防交通事故的发生。如今轨迹预测算法大多是基于目标历史轨迹和目标之间的交互关系展开的,难以模拟实际的交通行为,仍然存在着预测误差较大的问题。所以本文提出了一种融合车道线信息与预见信息的轨迹预测算法。由于需要加入车道线信息,所以针对目前车道线检测在复杂环境下检测精度低的问题提出一种多感受野特征提取方法,提高车道线检测的鲁棒性。主要研究内容包括:（1）基于PINet的车道线检测模型改进复杂环境下车道线的检测由于存在阴影、遮挡、光照条件变化等客观因素的影响,给车道线的特征提取带来较大困难。因此,本文在数据增强提高模型泛化能力的基础上,深入分析了车道线的特异化结构及复杂环境所带来的影响,设计了一个基于通道注意力机制的混合空洞卷积（Hybrid Dilated Convolution with Channel Attention,CA-HDC）模块,提高复杂交通环境下的车道线检测精度。以PINet（Point Instance Network）深度学习模型作为基础融合所设计模块,在Tu Simple数据集上能够达到96.79%的检测精度。在CULane数据集上提升了在拥挤、阴影、存在箭头、十字路口、夜晚等特殊场景下的检测精度。本文提出的算法相对于原算法拥有更强的鲁棒性。（2）基于S-GAN的轨迹预测模型改进轨迹预测由于缺乏实际交通场景中部分有效信息导致预测误差较大。因此,本文在利用目标历史轨迹信息和目标交互信息的基础上,深入分析了实际交通行驶所依赖的要素,以车道线是实际交通行驶中的重要信息为依据,设计了一个车道线信息融合模块,利用卷积神经网络提取轨迹预测所需的信息加入到轨迹预测算法当中。同时考虑到驾驶员本身具有预见能力,设计了一个基于预见信息的轨迹调整模块,根据前一阶段预测的轨迹,利用未来信息对当前预测轨迹进行调整,以避免预测的轨迹发生冲突。以S-GAN（Socially Acceptable Trajectories with Generative Adversarial Networks）深度学习模型作为基础融合所设计模块,利用D2-City数据集提取目标的标签并通过格式转换构建我们的轨迹预测数据集。最终提出的轨迹预测算法平均位置偏移误差降低4.26%,最终位置偏移误差降低7.53%。符合长时间预测误差更低的预期,提高了模型预测能力。（3）基于嵌入式平台的模型应用深度学习模型在实际生产中使用需要在嵌入式平台中应用实现。本实验使用嵌入式平台Jetson Xavier进行推理应用。对实时性较差的车道线检测模型进行Tensor RT加速,能够达到29 FPS的推理速度,对于实时性较好的多目标轨迹预测算法则使用Py Torch版本的模型,能够达到27 FPS的推理速度,满足实时性要求。综上所述,本文针对车道线检测任务的鲁棒性和轨迹预测任务的准确性展开了相关工作研究。其中,相关工作突破的重点在于:针对原车道线检测算法鲁棒性差的问题,开发了一种基于注意力机制的混合空洞卷积模块进行特征提取,改善了复杂环境下车道线特征提取困难的问题;针对原轨迹预测算法准确性不足的问题,开发了一个车道线信息融合模块和基于预见信息的轨迹调整模块,有效地降低了轨迹预测算法的误差。最后将深度学习模型成功应用到嵌入式平台上,满足实时性要求。
二、车祸,车祸,都是人祸─—道路交通事故透视（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、车祸,车祸,都是人祸─—道路交通事故透视（论文提纲范文）
（1）双吃(长篇小说)（论文提纲范文）
| 引子 |
| 第一章 |
| 一 |
| 二 |
| 三 |
| 四 |
| 五 |
| 六 |
| 七 |
| 八 |
| 九 |
| 十 |
| 十一 |
| 第二章 |
| 一 |
| 二 |
| 三 |
| 四 |
| 五 |
| 六 |
| 七 |
| 八 |
| 九 |
| 十 |
| 第三章 |
| 一 |
| 二 |
| 三 |
| 四 |
| 五 |
| 六 |
| 七 |
| 八 |
| 九 |
| 十 |
| 十一 |
| 第四章 |
| 一 |
| 二 |
| 三 |
| 四 |
| 五 |
| 六 |
| 七 |
| 八 |
| 九 |
| 十 |
| 第五章 |
| 一 |
| 二 |
| 三 |
| 四 |
| 五 |
| 六 |
| 七 |
| 八 |
| 九 |
| 十 |
| 十一 |
| 十二 |
| 十三 |
| 十四 |
| 十五 |
| 第六章 |
| 一 |
| 二 |
| 三 |
| 四 |
| 五 |
| 六 |
| 七 |
| 尾声 |
（2）自动驾驶，蜜糖还是砒霜？（论文提纲范文）
| 梦想照进现实 |
| 全军覆没的蹩脚赛事 |
| 七十五年驾龄 |
| 蜜糖还是砒霜 |
（3）基于视觉检测与定位的快速路车辆异常行为识别（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 车辆轨迹信息提取研究现状 |
| 1.2.2 车辆异常行为检测研究现状 |
| 1.3 研究内容 |
| 1.4 创新点 |
| 1.5 论文章节安排 |
| 第二章 论文方案设计及相关理论基础 |
| 2.1 方案设计 |
| 2.2 基于视觉特征的车辆追踪技术 |
| 2.2.1 车辆视觉特征描述器 |
| 2.2.2 单阶与双阶车辆追踪器 |
| 2.3 车辆位置等效点与轨迹滤波技术 |
| 2.3.1 车辆位置等效点 |
| 2.3.2 车辆轨迹滤波技术 |
| 2.4 车辆异常行为识别技术 |
| 2.5 本章小结 |
| 第三章 基于车辆端向点检测的轨迹提取算法 |
| 3.1 算法结构 |
| 3.2 基于交叠式裁剪技术的图像预处理算法 |
| 3.3 车辆端向点检测算法 |
| 3.3.1 基干网络 |
| 3.3.2 车辆端向点拟合 |
| 3.4 车辆轨迹提取算法 |
| 3.5 本章小结 |
| 第四章 基于车辆轨迹的异常行为识别算法 |
| 4.1 算法流程结构 |
| 4.2 轨迹畸变校正 |
| 4.3 基于拼接插值的轨迹滤波算法 |
| 4.4 轨迹信息融合算法 |
| 4.5 有限状态自动机与异常行为识别 |
| 4.6 本章小结 |
| 第五章 快速路车辆异常行为识别系统及相关实验 |
| 5.1 实验准备工作 |
| 5.1.1 端向点标注工具 |
| 5.1.2 训练集构建 |
| 5.1.3 实验环境及模型训练 |
| 5.2 车辆端向点检测相关实验 |
| 5.2.1 评价指标 |
| 5.2.2 实验结果与分析 |
| 5.3 车辆异常行为检测相关实验 |
| 5.3.1 车辆异常停车相关实验 |
| 5.3.2 车辆违规占道相关实验 |
| 5.3.3 车辆违规掉头相关实验 |
| 5.3.4 车辆超速检测相关实验 |
| 5.4 快速路车辆异常行为识别系统 |
| 5.4.1 系统设计目标 |
| 5.4.2 系统框架结构图 |
| 5.4.3 系统各部分功能实现效果演示 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表论文 |
（9）网络时代美国创剧人研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 绪论 |
| 第一节 研究缘起 |
| 第二节 文献综述 |
| 第三节 研究对象 |
| 第四节 研究思路和方法 |
| 第一章 身份与阶层:美国创剧人群体的演变 |
| 第一节 电视时代创剧人的身份界定(1928-1963) |
| 一、创剧人身份的探索:从发明家到电视人 |
| 二、创剧人身份的确立:首席编剧与执行制片人 |
| 第二节 电视时代创剧人的阶层分析(1964-1998) |
| 一、创剧人群体的形成:三大剧种创剧人群体 |
| 二、创剧人阶层的出现:三大阶层创剧人分布 |
| 第三节 网络时代创剧人的阶层突破(1999-2019) |
| 一、模型构建:多源异构数据下的第一阶层创剧人画像 |
| 二、画像分析:从第一阶层创剧人到创剧人“职业群体” |
| 第二章 他者与自我:网络时代创剧人文本的内容选择 |
| 第一节 他者互文:临摹现实文本下的客观写实 |
| 一、效仿现实生活:从真人真事中取材 |
| 二、互文经典作品:从文学与影视中取材 |
| 第二节 自我表现:“三重自我建构”下的主观抒情 |
| 一、对“个体自我”的探寻 |
| 二、对“关系自我”的定位 |
| 三、对“集体自我”的认知 |
| 第三节 紧密结合:创剧人文本内容层面的群体特征 |
| 一、他者故事中自我的汇入 |
| 二、自我镜像中他者的虚构 |
| 第三章 制作与创作:网络时代创剧人文本的表现形式 |
| 第一节 制作范式:视听电影化与叙事文学性 |
| 一、电影化影像策略:质感营造与“景观”制造 |
| 二、文学性叙事策略:叙事结构与叙事线索 |
| 第二节 创作风格:视听个性化与叙事风格化 |
| 一、个性化的长镜头与蒙太奇 |
| 二、风格化的“话语”建构 |
| 第三节 高度统一:创剧人文本形式层面的群体特征 |
| 一、制作范式中个性的凸显 |
| 二、创作风格中成规的体现 |
| 第四章 互构与升华:群体特征两个维度的相互关系与共同作用 |
| 第一节 相互关系:成规与个性的互构 |
| 一、同源性:相近起源与发展 |
| 二、同构性:相互建塑和形构 |
| 三、共生性:互相依存与协作 |
| 第二节 共同作用:多元且精彩的主题 |
| 一、世界观的引导:个人信仰与哲学思辨 |
| 二、人生观的认同:女性主义、反同性歧视和反种族歧视 |
| 三、价值观的迎合:反英雄、非英雄与集体无意识 |
| 第五章 环境与心理:网络时代创剧人群体特征的成因 |
| 第一节 外在环境之变:媒介场域架构下的特征成因 |
| 一、网络时代媒介场域的架构变化 |
| 二、媒介与受众博弈下的底层逻辑 |
| 第二节 内在心理动因:“人类动机理论”下的特征成因 |
| 一、自我求生:生活困难者的生理需要 |
| 二、自我救赎:面临威胁者的安全需要 |
| 三、自我倾诉:身份认同困惑者的归属需要与情感缺失者的情感需要 |
| 四、自我证明:事业受挫者的尊重需要 |
| 五、自我实现:美国创剧人的终极追求 |
| 结语 |
| 第一节 从传播到效仿:美剧强大的影响力 |
| 第二节 在分辨中学习:现状、启示与反思 |
| 附录 |
| 参考文献 |
| 在校期间取得的成果 |
| 致谢 |
（10）基于车道线信息的多目标轨迹预测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究背景国内外研究现状 |
| 1.2.1 车道线检测算法研究现状 |
| 1.2.2 轨迹预测算法研究现状 |
| 1.3 本文主要研究内容 |
| 2 基于PINet改进的车道线检测算法 |
| 2.1 网络训练数据集构建 |
| 2.2 改进车道线检测算法框架 |
| 2.2.1 特征提取层 |
| 2.2.2 检测分支 |
| 2.2.3 后处理方法 |
| 2.3 改进车道线检测算法训练 |
| 2.3.1 损失函数设计 |
| 2.3.2 车道线检测评价指标 |
| 2.4 实验结果 |
| 2.4.1 TuSimple数据集实验结果 |
| 2.4.2 CULane数据集实验结果 |
| 2.5 本章小结 |
| 3 基于车道线信息的多目标轨迹预测算法 |
| 3.1 轨迹预测网络训练数据集的构建 |
| 3.2 轨迹预测算法 |
| 3.2.1 S-GAN轨迹预测模型 |
| 3.2.2 车道线信息融合模块设计 |
| 3.2.3 基于预见信息的轨迹调整模块设计 |
| 3.2.4 改进的轨迹预测模型整体框架 |
| 3.3 轨迹预测算法训练过程 |
| 3.3.1 损失函数设计 |
| 3.3.2 算法评价指标 |
| 3.4 实验数据结果 |
| 3.5 本章小结 |
| 4 基于Xavier嵌入式平台的实验 |
| 4.1 Jetson Xavier平台 |
| 4.2 基于PyTorch的高精度推理 |
| 4.3 基于TensorRT的加速推理 |
| 4.3.1 精度矫正 |
| 4.3.2 层及张量融合 |
| 4.4 模型转换实现 |
| 4.4.1 ONNX模型转换 |
| 4.4.2 TensorRT模型转换 |
| 4.5 基于TensorRT的嵌入式实验 |
| 4.5.1 基于TRT引擎的前向推理 |
| 4.5.2 加速推理结果 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
四、车祸,车祸,都是人祸─—道路交通事故透视（论文参考文献）
- [1]双吃(长篇小说)[J]. 漆雕醒. 啄木鸟, 2021(12)
- [2]自动驾驶，蜜糖还是砒霜？[J]. 张通. 中国工业和信息化, 2021(09)
- [3]基于视觉检测与定位的快速路车辆异常行为识别[D]. 朱栋栋. 北京邮电大学, 2021(01)
- [4]大连市交通安全护栏的设计研究[D]. 赵一鸣. 沈阳建筑大学, 2021
- [5]自动驾驶汽车交通事故刑事责任主体认定的困境及其对策 ——以注意义务为视角[D]. 刘晓丹. 中央民族大学, 2021
- [6]智能网联汽车交通事故侵权责任研究[D]. 简怡倩. 浙江工商大学, 2021
- [7]基于轻量化卷积神经网络的分心驾驶行为检测与嵌入式实现[D]. 徐毅. 中国矿业大学, 2021
- [8]数字技术辅助单一前入路治疗髋臼双柱骨折的临床研究[D]. 杨杰. 南华大学, 2021
- [9]网络时代美国创剧人研究[D]. 尤达. 南京艺术学院, 2021(12)
- [10]基于车道线信息的多目标轨迹预测[D]. 石振周. 大连理工大学, 2021(01)