声明：交通标志1000+高清原图（4160*3120）样张（已经对50+类交通标志进行标注），均为本人原生数据，耗时4天整才完成图片采集和标注工作用于神经网络图像处理的，交通标志检测实现，深度学习实现，fastercnn实现，GUI窗口设计，matlab图像识别代码，深度学习样例。
去年6月份上传，由于大小限制一共分了12块，必须12块都下载完毕后，用7z进行解压才行，缺少任何一块都会导致解压失败；
最近发现资源由于解压失败被举报，现在有将资料重新整理，进行上传，希望为图像处理相关的朋友们提供些协助。
由于上传文件大小限制，该解压包只有部分数据（整个包为2.2G），请查看包内说明获取全部数据。
去年6月份上传，由于大小限制一共分了12块，必须12块都下载完毕后，用7z进行解压才行，缺少任何一块都会导致解压失败；
最近发现资源由于解压失败被举报，现在有将资料重新整理，进行上传，希望为图像处理相关的朋友们提供些协助。
由于上传文件大小限制，该解压包只有部分数据（整个包为2.2G），请查看包内说明获取全部数据。
2023/2/5 7:23:44
973B
1
随着国家经济的发展，城市交通管理的要求也日益提高。
交通部门通过对路面交通信息的采集、分析和应用及时调整管理方案，这对于减少交通延误时间，提高道路的时间和空间的使用率，减少交通事故的发生，城市道路体系的改进都有着十分重要的意义，然而每种采集数据的方法都有其局限性，仅靠单源数据无法满足管理要求，所以交通部门通过对路面交通进行多源监测得到多源数据。
如何对这些数据进行融合分析，愈加精准的了解交通状态成为交通部关心的一个问题。
交通部门通过对路面交通信息的采集、分析和应用及时调整管理方案，这对于减少交通延误时间，提高道路的时间和空间的使用率，减少交通事故的发生，城市道路体系的改进都有着十分重要的意义，然而每种采集数据的方法都有其局限性，仅靠单源数据无法满足管理要求，所以交通部门通过对路面交通进行多源监测得到多源数据。
如何对这些数据进行融合分析，愈加精准的了解交通状态成为交通部关心的一个问题。
2017/9/1 5:13:23
1.08MB
1
在传统的基于制动过程的安全距离模型的基础上,考虑了前后车之间的速度关系和车辆制动减速度的渐变过程,建立了单车道跟驰状态下车辆跟驰的安全距离模型。
通过Matlab仿真计算,从理论上验证了该模型能够很好地处理传统模型计算的安全距离存在较大偏差的问题。
最后,通过VC++建立了十字交叉口的仿真系统,进一步检验了改进模型在保证车辆安全跟驰的情况下,能够提高道路交通效率,减小交叉口的总延误,从而减少交通环境污染。
通过Matlab仿真计算,从理论上验证了该模型能够很好地处理传统模型计算的安全距离存在较大偏差的问题。
最后,通过VC++建立了十字交叉口的仿真系统,进一步检验了改进模型在保证车辆安全跟驰的情况下,能够提高道路交通效率,减小交叉口的总延误,从而减少交通环境污染。
2020/2/17 3:20:13
249KB
1
在传统的基于制动过程的安全距离模型的基础上,考虑了前后车之间的速度关系和车辆制动减速度的渐变过程,建立了单车道跟驰状态下车辆跟驰的安全距离模型。
通过Matlab仿真计算,从理论上验证了该模型能够很好地处理传统模型计算的安全距离存在较大偏差的问题。
最后,通过VC++建立了十字交叉口的仿真系统,进一步检验了改进模型在保证车辆安全跟驰的情况下,能够提高道路交通效率,减小交叉口的总延误,从而减少交通环境污染。
通过Matlab仿真计算,从理论上验证了该模型能够很好地处理传统模型计算的安全距离存在较大偏差的问题。
最后,通过VC++建立了十字交叉口的仿真系统,进一步检验了改进模型在保证车辆安全跟驰的情况下,能够提高道路交通效率,减小交叉口的总延误,从而减少交通环境污染。
2020/2/17 3:20:13
249KB
1
该数据由北京大学地理数据平台提供，数据包括铁路、高速公路、国道等。
如需用于科研论文等的发表，请注明数据来源，援用参考以下规范：数据来源于北京大学城市与环境学院地理数据平台。
如需用于科研论文等的发表，请注明数据来源，援用参考以下规范：数据来源于北京大学城市与环境学院地理数据平台。
2016/2/25 7:07:55
7.08MB
1
leaflet加载百度地图和其他网络在线地图，包含百度的瓦片、影像以及道路交通实况服务，测试，百度坐标数据无需转换，直接根据经纬度可以显示在正确地位。
2022/9/7 9:51:57
11KB
1
此数据集为自然场景下的特定场景下的汉字数据集，即，不包含自然场景下的手写体、过度扭曲图、以及艺术体，可以参考道路交通路标上的规范字体，数据集解压后，此数据集包含2602类汉字，32万张汉字图片，里面包括黑体白字以及白体黑字，以顺应不同的字体，而非清一色的白体黑字或者黑体白字。
2022/9/6 23:45:30
94.41MB
1
基于卷积神经网络的城市交通路况预测，陈钊铭，李仕杰，近年来，智能交通控制与诱导问题已成为一项抢手研究课题，实时准确地对城市道路交通路况进行预测是实现智能交通控制与诱导的关键
2022/9/4 7:32:07
871KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB