基于车辆数据的k近邻联合概率数据关联算法

在交通场景中采用一些预警措施能够有效地减少交通事故发生。例如，对车辆轨迹进行跟踪并预测车辆的驾驶行为，就是一个常用的预警方法。在对车辆进行跟踪的过程中，数据关联是很重要的部分，它可以对车辆的观测点和轨迹进行关联，从而更新车辆的轨迹，完成跟踪过程。在此背景下，提出了一种新的数据关联算法，即k近邻联合概率数据关联算法(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA)。实验结果表明，该算法能够较好地解决在交通场景下车辆数据的数据关联问题，在精度以及运行效率方面都有所提高。     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力，将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先，以雷达触发前的N帧信号为基础，对雷达的回波信号进行分析并构建数据集；然后，分析LeNet-5卷积神经网络的特点；最后提出一种改进的LeNet-5卷积神经网络。实验结果表明，与传统的支持向量机方法相比，所提方法能够智能学习大小车的雷达时频信号特征，大小车型识别准确率达到97%以上，可为交通场景下的车型识别研究提供新的技术途径。     

探讨电子商务环境下的物流管理创新

随着我国电子商务的不断发展,我国科学技术水平逐渐提升,物流行业的管理模式也面临着非常巨大的挑战,未来更好的适应电子商务环境发展需求,物流企业管理模式必须要进行创新,物流企业要根据自身存在的问题,找出良好的解决策略,改变管理方式,引入先进的技术,加大政策支持,这样才能在电子商务环境下保障物流企业健康稳定的发展.本文作者结合自己的工作经验并加以反思,对电子商务环境下的物流管理创新进行了深入的探讨,具有重要的现实意义.     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时，为了提高航迹关联效率并改善非线性场景跟踪效果，提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling，PF-KIS)算法。首先，将航迹关联分解为聚类和指派，通过密度聚类筛选并整合有效目标，经过匈牙利指派得到目标和航迹的最佳匹配关系，避免产生多余联合事件，提高关联效率；其次，以卡尔曼滤波的结果作为粒子滤波的先验，使采样粒子分布更合理，提高估计精度，进而改善非线性跟踪能力。实验表明，算法平均航迹关联正确率约为95%；非线性场景误差约为卡尔曼滤波的1/2，有效地改善了非线性场景跟踪能力。     

广西北部湾经济区的SWOT分析及发展建议

北部湾经济区面临千载难逢的发展机遇。通过SWOT分析模型深度剖析,北部湾经济区具有独特的区位优势、丰富的沿海资源、集群港口优势、多重叠加的政策优势,但经济基础薄弱、缺少中心城市的经济辐射与带动又是北部湾经济区发展的瓶颈,国内其他经济区的竞争压力、东南亚各国政局不稳以及与中国海域问题的纷争也有着潜在威胁。北部湾经济区应该立足北部湾,抢抓发展机遇;改善投资环境,吸引更多资源要素为经济区开发服务;实行海陆大联动,打造沿海经济增长极;发展特色产业,优化产业结构。