- 综合排序
- 最热优先
- 最新优先
- 来自专栏大大的小数据
行车数据分析2020.11.11
2、上午上班8点27停车，中午12点30回到家，下午2点31上班，晚上6点52回到家。 3、晚上回家受下班不匆忙和下班晚高峰影响，回到家时间相对不集中。 7、 8、下午上班停车时间波峰尾，2点36，应该提早10分钟。 9、 10、每天开车时间（时分）折线图。 11、上午上班时间8点02分，应该提前到7点55分出发。 下午上班时间2点12分，应该提前到2点00出发。 12、 13、把时间分段，区分出上午上班、上午下班、下午上班、下午下班。 14、计算每段行程时间。 15、非上下班路程，行程时间比较均匀。
47500编辑于 2022-09-21 - 来自专栏大数据文摘
自行车赛2.0——大数据如何再造环法自行车赛
自行车赛这些年日子不好过。高科技能否拯救它？ 自行车这个运动正在发生一些非同寻常的变化。著名的环法自行车赛将于这周末开始，历时三周。它，正处于这些变化的核心。 新的环法自行车赛中心的门户网站可以(其制造商保证)接收反馈可靠的GPS数据，使粉丝们可以得到非常精确的答案。 在沿途某个地方，环法公司现代化赛事负责人Christian Prudhomme看起来对环法自行车赛以及数据在塑造其未来中所扮演的角色有深刻的领悟。 作为一名自行车运动的发烧友，为全世界最大最好的自行车赛管理一个野心勃勃的大数据项目，这要么是世界上最好的工作，要么是压力山大乏善可陈的。 相比之下，环法自行车赛的赛段则可蔓延240千米以上、跨越艰险地形、历经各种天气。 “我们必须克服的最初挑战是在任何位置都能提供一个稳健平台。
86030发布于 2018-05-24 - 来自专栏嵌入式Linux系统开发
行车记录仪主要方案公司
那么音视频技术应用较多的地方有安防行业、行车记录仪、运动相机等。今天就给大家介绍一下，行车记录仪主要的方案提供商。 但记录仪市场对这种大鳄来说太小了，前期投入力度不大，在经历了14年行车记录大暴发之后，现在正发力行车记录仪市场。 2、联咏(Novatek)，台湾第二大IC设计公司，实力雄厚，台湾的产品特点就是价格比较低，顶尖技术的东西往往没有，但成熟技术的可以做得很漂亮，价格也平易近人。 在2014年中，为了弥补自己在前后双路行车记录仪方案便的不足，先后推出了NT96655 NT96660 NT96663主控芯片，目前推出单芯片主控内置DDR更有竞争优势的NT96658行车记录仪方案更迅速占领 80%中高的行车记录仪市场,是行车记录仪品牌客户首选的行车记录仪方案。
3.4K30发布于 2021-05-28 - 来自专栏数据科学和人工智能
数据集 | 自行车租赁数据集
下载数据集请登录爱数科(www.idatascience.cn) 自行车出租计划是主要城市减少污染和碳排放的一种方式，同时鼓励锻炼。 该数据集记录了华盛顿特区的一个自行车出租计划两年来每天每小时的数据。每小时都记录了天气状况，以及临时用户和注册用户租用自行车的数量。 1. 字段描述 2. 数据预览 3.
96910编辑于 2022-03-30 - 来自专栏深度学习和计算机视觉
基于Python使用OpenCV进行车牌检测
>from keras.layers.convolutional import Conv2D >from keras.layers.convolutional import MaxPooling2D resize(image, (333, 75)) img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) _, img_binary = cv2 .threshold(img_gray, 200, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) img_erode = cv2.erode(img_binary , 28, 1), activation='relu')) >model.add(MaxPooling2D(pool_size=(2, 2))) >model.add(Dropout(rate=0.4) 接下来，我们将添加一个窗口大小为（2,2）的最大池层。 最大池是一个基于样本的离散化过程。目标是对输入表示（图像、隐藏层输出矩阵等）进行下采样，降低其维数，并允许对包含在分块子区域中的特征进行假设。
2.2K20编辑于 2022-02-14 - 来自专栏高速公路那点事儿
解决方案 | 雾天行车安全难题多，智能行车安全诱导系统能破局吗？
(2)在夜间系统控制智能诱导边缘标采用适合的亮度和工作同步闪烁频率，提示道路线形，改善行车舒适性；同时，增加对驾驶员生理和心理的有益刺激，预防驾驶疲劳，提高行车安全性； (3)为高速公路运营管理部门提供更丰富的实时道路交通与环境信息 2.可变限速标志设定限速提示，60km/h。 2.可变限速标志设定限速提示，30km/h。 3.情报板提示“前方进入雾区，谨慎驾驶"雾区限速30km/h"。 三、 防止追尾警示模式 能见度小于300米时，系统进入防止追尾警示模式。 (2)系统控制 软件至少支持对以下五种运行模式的开启和关闭：全自动模式、道路轮廓强化模式、行车主动诱导模式和防追尾警示模式，事故和施工预警模式。 (2)现场控制主机设备 该设备是整个系统的核心设备，是数据汇聚、计算分析、操作控制、通信管理的“大脑”。
62400编辑于 2025-07-03 - 来自专栏大大的小数据
采集行车记录GPS轨迹并推送邮件2020.11.13
1、登录行车PGS记录页面。 2、跳转到轨迹页面。 3、把轨迹页面截图。 4、把截图发送到邮箱。
98720编辑于 2022-09-22 - 来自专栏燧机科技-视频AI智能分析
行车作业区域人员闯入检测系统
（平均处置耗时2-4分钟）、复杂环境漏检（粉尘/强光/遮挡导致目标丢失）、误报率高（将“设备阴影”误判为人员）等痛点。 超低照度、IP67防护），按行车作业区域布防： 行车轨道沿线：立杆安装（高度6-8m，俯角30°），覆盖“轨道两侧5m警戒区”，支持ROI动态聚焦（当人员进入警戒区时自动放大跟踪）； 行车驾驶室视角盲区 ，避免与5吨钢卷运输车碰撞； 误报抑制：过滤“行车吊具阴影（无深度信息+速度0m/s）”，单日误报次数从12次降至2次。 ，实现对人体检测分析识别，实时预警行车作业区域内人员闯入事件。 当有人员进入行车作业监测范围内可对其自动识别联动语音告警器报警和输出开关量信号联动行车停止工作，也可以对其抓拍并将当时图像传输到管理中心，在管理中心管理软件输出报警弹窗和语音提示。
34310编辑于 2026-01-15 - 来自专栏钱塘小甲子的博客
PyQt利用百度API绘制行车路径
任务不太难，基本要求就是能够在Qt界面上根据车辆的起始经纬度，绘制出实际地图上的行车轨迹。 1.构建Qwebview控件。 ? 首先，我们qt的界面中插入QWebView控件。 2.获取百度API 百度API真心是越来越好了，还记得四五年前，那个时候界面和api说明可没有这么友好。 我们找到需要的绘制路径的demo。 ? map.centerAndZoom(new BMap.Point(116.404, 39.915), 11); var p1 = new BMap.Point(116.301934,39.977552); var p2 driving = new BMap.DrivingRoute(map, {renderOptions:{map: map, autoViewport: true}}); driving.search(p1, p2) map.centerAndZoom(new BMap.Point(116.404, 39.915), 11); 和 var p1 = new BMap.Point(116.301934,39.977552); var p2
2.1K30发布于 2019-01-28 - 来自专栏嵌入式项目开发
Linux小项目-行车记录仪项目设计
前言 行车记录这个设备相信大家应该都不陌生，它的功能主要是记录车辆行驶途中的影像及声音。 安装行车记录仪后，能够记录汽车行驶全过程的视频图像和声音，可为交通事故提供证据，喜欢自驾游的人，还可以用它来记录征服艰难险阻的过程。 现在横穿马路的行车、摩托车，不交通规则形势的汽车也经常遇到，万一和他们产生了刮碰，有可能会被敲诈勒索，如果有了行车记录仪，司机可为自己提供有效的证据。 这篇文章就介绍在Linux最小系统开发板上如何实现行车记录仪的功能，开发板自带了8G的EMMC，也可以外扩SD卡。 首先，在设计行车记录仪这个项目之前，要先了解清楚行车记录仪的功能。 （1）行车记录运行起来后，需要间隔循环录制视频保存，一般是1~10分钟一段视频，这样设计的原理是方便按时间查找视频，也防止以为情况损坏视频编码， 导致视频无法正常播放。
1.8K30编辑于 2022-05-11 - 来自专栏深度学习入门与实践
【深度学习】用PaddlePaddle进行车牌识别（二）
resize(img,size); 11 cv2.imwrite(outputPath + "/" + str(i).zfill(2) + ".jpg", img); 12 (input=conv_pool_2, dropout_rate=0.5) 25 26 # 全连接层 27 fc = paddle.layer.fc(input = drop_2, size drop = paddle.layer.dropout(input = fc,dropout_rate = 0.5) 32 fc2 = paddle.layer.fc(input = fc2_drop (input=conv_pool_2, dropout_rate=0.5) 33 34 fc = paddle.layer.fc(input = drop_2, size = 120 传统的方法需要对图片灰度化，字符进行切分等，需要很多数据预处理的过程，端到端的方法可以直接将原始的图片灌进去进行训练，最后出来预测的车牌字符的结果，这个方法在构建了两层卷积-池化网络结构后，并行训练了7个全连接层来进行车牌的字符识别
1.7K80发布于 2018-04-04 - 来自专栏机器学习AI算法工程
行车环境实时语义分割与深度估计
本项目旨在实现车辆前方行车环境的实时解析。具体通过对行车记录仪的图像、视频数据的语义分割和深度估计实现。要实现的目标如下图所示： ? 2. 模型 本项目在实现行车环境场景语义分割和深度估计实时解析的过程中，尝试使用了不同的模型，有复现文献中提出的网络框架TRL、也有在语义分割ICNet的基础上增加深度分支，最后自己搭建了一个轻量化的模型。
93220发布于 2019-10-28 - 来自专栏全栈程序员必看
怎么提高开车技术_全日行车计划
if (x<=m) change(v*2,l,m,x); else change(v*2+1,m+1,r,x); t[v].mx=max(t[v*2].mx,t[v*2+1]. mx); t[v].mi=min(t[v*2].mi,t[v*2+1].mi); } int getmx(int v,int l,int r,int x,int y) { if (x>y ) return 0; if (l==x&&r==y) return t[v].mx; int m=(l+r)/2; if (y<=m) return getmx(v*2,l,m ) return getmi(v*2+1,m+1,r,x,y); else return min(getmi(v*2,l,m,x,m),getmi(v*2+1,m+1,r,m+1,y)); } =n+1) b[i]=w[p[1].d]; if (p[2].d!=0&&p[2].d!
29620编辑于 2022-09-23 - 来自专栏数控编程社区
如何对不同材质的工件进行车削
车削低合金钢 材料分类：P2.x 低合金钢的可加工性取决于合金含量和热处理（硬度）。对于该组中的所有材料，最常见的磨损机制是月牙洼磨损和后刀面磨损。 2、车削不锈钢 不锈钢可分为铁素体/马氏体、奥氏体和双相钢（奥氏体/铁素体），每种钢都有各自的车削加工建议。 车削奥氏体不锈钢 材料分类：M1.x 和 M2.x 奥氏体不锈钢是最常见的不锈钢类型。该类别还包括超奥氏体不锈钢，即镍含量超过 20% 的不锈钢。 、铸铁车削 铸铁主要有五种类型： 灰铸铁 (GCI) 球墨铸铁 (NCI) 可锻铸铁 (MCI) 蠕墨铸铁 (CGI) 奥氏体球墨铸铁 (ADI) 铸铁是一种铁碳合金，硅含量为 1-3%，碳含量超过 2%
1.6K10编辑于 2024-06-12 - 来自专栏AI那点小事
CCF考试——201712-4行车路线
小道不好走，如果连续走小道，小明的疲劳值会快速增加，连续走s公里小明会增加s2的疲劳度。 例如：有5个路口，1号路口到2号路口为小道，2号路口到3号路口为小道，3号路口到4号路口为大道，4号路口到5号路口为小道，相邻路口之间的距离都是2公里。 如果小明从1号路口到5号路口，则总疲劳值为(2+2)2+2+22=16+2+4=22。 现在小芳拿到了地图，请帮助她规划一个开车的路线，使得按这个路线开车小明的疲劳度最小。 样例输入 6 7 1 1 2 3 1 2 3 2 0 1 3 30 0 3 4 20 0 4 5 30 1 3 5 6 1 5 6 1 样例输出 76 样例说明 从1走小道到2，再走小道到3，疲劳度为52=25；然后从3走大道经过4到达5，疲劳度为20+30=50；最后从5走小道到6，疲劳度为1。
70010发布于 2020-04-20 - 来自专栏reizhi
263KMH 史上最快自行车诞生
作为很多人曾经的首选代步工具，自行车的记忆是难以磨灭的。而随着科技的发展，电动车、摩托车以及私家车逐渐代替了自行车成为新的个人代步工具。尽管如此，我们每天仍然能在城市中看到不少自行车的身影。 甚至于在某些堵车严重的地区，骑自行车上班比汽车要更快。虽然自行车也分为城市车、山地车、越野车等很多种，但你有没有设想过最高时速263KM/H的自行车呢？ 近日，有外国友人就自己设计出了这么一款“喷气动力”的自行车，最高时速达到了263KM/H，创下了史上最快自行车的记录。 在此之前，自行车的速度记录是242.6KM/H，创立时间为2002年。在视频中可以看到，当火箭自行车超越旁边的小汽车时，速度及其之快。 其次速度上也不便于控制，毕竟没有人需要一辆这么快的自行车，除非是007要追上一架飞机。最后，这个会不会太危险了。
77710编辑于 2022-09-26 - 来自专栏罗超频道
ofo连下33城，中国重回自行车时代
在许多60后、70后的中国人记忆里，自行车都曾是中国人最重要的交通工具，不过，随着中国经济的飞速发展，自行车在这个第二大经济体的马路上逐步被汽车、电动车所取代，滑板车、平衡车、电助力车诸多新的代步工具出现 ，轨道交通、滴滴等出行解决方案的普及让中国人的出行方式丰富而便利，自行车则“退化”为一种骑行运动，文化和运动属性大于交通属性，自行车道在广州等发展很快的城市几乎消失，人们骑车还要去“绿道”。 当时，奈斯提出，从提倡环保的角度来看，中国能否重回自行车时代？现在看来，奈斯当时的倡议正在成为现实：自行车逆袭了。 中国又回到了曾经的那个自行车国度 自行车回来的方式，并不是更多人去购买自行车，而是乘着移动互联网和共享经济的东风，实现了随时随地便捷租赁的共享单车模式。 因此，短时间内规模性扩张的关键则在于，一是足够强的供应链能力，可在短时间内生产或整合更多的自行车，并高效率地投放到城市；二是要有足够强的配套管理能力，能够对投入到街面的自行车进行科学的管理。
55260发布于 2018-04-27 - 来自专栏云深之无迹
MCM2022A，自行车动力学模型
向前运动的空气阻力 空气阻力或空气动力阻力由标准方程给出： F A = ½ C d A ρ v A 2 其中C d是阻力系数，A是正面面积，ρ是空气密度，v A是自行车行驶方向上的空气速度。 然后通过重新排列标准空气阻力方程来计算阻力面积： C d A = 2 F A / ρ v A 2 一般不需要精确测量额叶面积并独立确定C d。阻力面积足以计算任何速度和任何环境下的阻力。 其次，侧风会改变自行车的阻力区域，因为空气以不同的方向流过自行车和骑手。相对于自行车的路径，风可以具有任何方向。考虑这些问题的第一步是将风速分成两个分量。 然后可以根据自行车的速度和逆风分量计算空气速度： v A = v G + v WTan 偏航角是自行车路径与自行车上方气流方向之间的角度。 车轮旋转的空气阻力由下式给出： F W = ½ C d A ρ v G 2 请注意，这里可能应该使用地速。很明显，如果顺风正好与自行车的速度相匹配，因此空气速度为零，那么车轮的旋转仍然存在阻力。
1.3K21编辑于 2022-03-07 - 来自专栏数据科学和人工智能
数据集 | 公共自行车系统共享数据集
下载数据集请登录爱数科(www.idatascience.cn) 该数据集为公共自行车系统共享数据集，该数据来自BIXI Montréal车站和自行车管理系统。不包括少于1分钟或超过2小时的行程。 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源Kaggle。
77120编辑于 2022-03-30 - 来自专栏深度学习入门与实践
【深度学习系列】用PaddlePaddle进行车牌识别（一）
今天给大家带来的项目是用PaddlePaddle进行车牌识别。车牌识别其实属于比较常见的图像识别的项目了，目前也属于比较成熟的应用，大多数老牌厂家能做到准确率99%+。 8 img = cv2.bitwise_not(img) 9 img = cv2.bitwise_and(adder, img) 10 img = cv2.bitwise_not = hsv[:,:,2]*(0.2+ np.random.random()*0.8); 54 55 img = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR); 56 上图即为生成的车牌数据，有清晰的有模糊的，有比较方正的，也有一些比较倾斜，生成完大量的车牌样张后就可以进行车牌识别了。 下一小节将会讲如何用端对端的CNN进行车牌识别，不需要通过传统的ocr先对字符进行分割处理后再识别。
2.2K100发布于 2018-03-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号