基于最小二乘支持向量机的车型识别算法研究

以感应线圈车辆检测器检测数据为分析基础,给出了基于Bayes理论的感应曲线自适应特征提取流程和方法,对选取的12个统计特征指标进行提取和优选。选择了曲线宽度、最大值、波峰数量、最小波谷值和波谷比组成车型识别模型的特征输入向量,不仅降低了输入向量的维数,缩短了最小二乘支持向量机的训练时间,同时也可加快车型识别的分类速度,增强特征值的分类辨别能力,提高车型分类的可靠性。在提出的基于最小二乘支持向量机的车型识别算法中,采用了修剪算法,加快了计算速度,同时保持了良好的回归性能。通过实例分析证明:基于最小二乘支持向量机的车型识别算法可提高自学习能力和识别准确率。     

基于多阶段多模型微粒群算法的非线性方程组解法

多阶段多模型的微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力。将非线性方程或非线性方程组的求解问题转化为函数优化问题,应用多阶段多模型的微粒群优化算法求解非线性方程组的解。计算中不需要使用目标函数的导数信息和初始点的信息,数值实验结果表明了该算法的有效性和可行性。     

基于SVM的危货车驾驶员饮水分心判别模型

执行车内次任务是导致驾驶员注意力分散乃至造成交通事故的重要原因。为对危货车驾驶员饮水分心进行辨识,进行了驾驶模拟试验。试验中,将水杯放置在危货车驾驶舱内3种常见的杯架位置处,采集饮水分心驾驶和正常驾驶时的车辆运行状态数据。在差异性统计分析提取特征指标的基础上,对变化较快的特征引入频域分析方法提取特征指标,经分析新增加的特征指标能够反映被试驾驶员对车辆横向稳定性的控制能力。使用支持向量机建立驾驶员饮水分心驾驶判别模型,分别使用遗传算法和粒子群算法对初步判别模型进行优化并对比分析,最终对优化后的模型进行评估。结果表明,应用遗传算法和粒子群算法优化后的判别模型对驾驶员饮水分心状态的正确分类比例分别达到94.02%和93.21%,遗传算法的参数寻优结果优于粒子群算法,同时遗传算法主要通过选择、交叉、变异操作产生新的种群个体进化到下一代,是较为成熟的收敛性分析方法,故认为遗传算法更适合作为驾驶员饮水分心驾驶判别模型的优化算法。     

半开放式燃油车和电动车混合车辆路径优化问题研究

随着物流行业的迅速发展,物流运输车辆不断增加,而传统燃油汽车的使用对环境造成了一定的压力,近年来,物流电动汽车由于其节能环保的特性,得到了广泛的应用。然而由于电动汽车的充电时间较长以及运输行业的发展现状,电动汽车目前无法完全取代传统燃油汽车,两种车型同时存在于物流配送领域。文章针对半开放式多配送中心的燃油汽车和电动汽车混合车型的车辆路径优化问题进行研究,同时考虑了客户需求量、车辆载重量以及电动汽车的充电需求等约束条件,以碳排放成本、运输成本以及时间窗惩罚成本之和最小为目标建立线性整数规划数学模型,针对该问题的NP难特性,设计了改进的粒子群算法进行求解。应用佳点集理论产生初始种群,增加粒子群算法的多样性,在迭代过程中,增加局部搜索策略,避免粒子群算法陷入局部最优。实验结果表明:改进的粒子群算法获得的总成本相比标准粒子群算法获得的总成本降低5.69%,证明了该设计的改进粒子群算法在求解开放式混合车型车辆路径优化问题时的有效性;相比于不考虑碳排放的情况,考虑碳排放时传统燃油车的使用数量有所下降;相比于单一配送中心路径优化情况,开放式的多配送中心路径优化,更有利于降低物流成本。     

机场群共用航路点的航班排序模型及算法

机场群上空空域资源共享、运行耦合复杂，拥堵往往发生在共用航路点。为缓解空域拥堵和航班延误问题，开展了机场群共用航路点的优化排序研究。针对共用航路点的运行特征，引入惩罚因子并以总延误时间成本最小为优化目标，建立了机场群共用航路点的航班优化排序模型，基于滑动时间窗算法和粒子群优化算法的原理提出了TW-PSO组合优化算法对模型进行求解。选取京津冀机场群过共用航路点的航班进行算例仿真，结果表明:TW-PSO组合优化算法与FCFS算法、滑动时间窗算法、粒子群优化算法相比在高峰时段的总延误时间成本分别减少了216，212，161 min；在算法性能方面，具有比经典算法迭代次数少、优化效果更佳的优点，能有效缓解航班延误问题，改善机场群的协同运行效率。      

基于模糊控制与微粒群优化的混合动力客车控制策略的研究

为一辆混合动力客车(HEB)提出了一种模糊控制与微粒群优化相结合的控制策略.构建了以需求转矩与发动机最佳转矩之差和超级电容荷电状态为输入,以发动机转矩为输出的模糊控制器,并以等效燃油消耗为优化目标,利用微粒群算法对模糊隶属度函数和模糊控制规则进行优化.基于Matlab/Advisor建立了HEB模糊控制策略模型和整车模型,并进行HEB整车动力性和经济性分析.结果表明所提出的控制策略能够满足HEB的设计要求,等效燃油消耗量约降低了10.1%.     

基于地磁的车型识别模糊数据融合方法研究

把由各向异性磁阻传感器检测获得的地磁曲线视为车辆磁偶极模型的映像,通过分析车辆地磁曲线的峰值、峰谷比、峰值时间、谷值时间、车身长等特征的选择和提取,建立相应车型特征向量;然后,依据各类车型特征,应用三角形隶属度函数特征描述和模糊数据融合,提出了一种基于地磁传感器实时数据采集的车辆检测与车型识别流程和车型识别分类算法;最后,通过一组实际采集的车辆检测数据的分类结果,比较了4种模糊数据融合算式的差异,证明了车辆识别分类算法的有效性,并讨论了有待进一步研究的问题。     

Parameters Optimization for HEV Based on Simulated Annealing Particle Swarm Algorithm

分别采用多层次参数扫描(MLPS)算法和模拟退火粒子群优化(SAPSO)算法对并联式混合动力车逻辑门限控制策略的参数进行优化.将优化后的车辆以TEST-CITY-HWY测试循环进行仿真,并将结果与优化前的车辆的仿真结果进行对比.结果表明,经MLPS算法优化后,燃油消耗和HC与NOx排放分别下降了11.98％、6.01％和4.03％,但CO排放增加了25.18％;经SAPSO算法优化后,燃油消耗和HC、CO与NOx排放分别下降了13.61％、9.57％、27.78％和18.53％,且电池荷电状态(SOC)比MLPS优化略高.说明SAPSO算法在混合动力车控制参数优化效果上明显优于MLPS算法.     

基于视觉检测的汽车乘员分类识别研究

采用基于视觉检测的乘员分类识别算法,将副驾驶位上的乘员按照空座、成人、儿童和婴儿4种类型进行分类识别.该算法利用勒让德(Legendre)矩从检测的乘员图像边缘信息中提取出乘员特征,再利用支持向量机方法对乘员进行分类.对600张照片进行了分类识别试验的结果表明,准确率达到99％以上.     

基于矢量运算和多级阈值判断的地磁车位占用检测算法研究

检测算法解决了现有地磁车位检测中无法排除邻位停车干扰以及所选判断标准无法适应多种车型、停车应用场景的问题.检测算法分析磁偶极子模型,基于矢量运算提取目标车位停车过程产生的地磁扰动矢量,有效排除邻近车位停车过程对目标车位磁场的影响.通过收集大量真实停车产生的地磁扰动信息,统计分析地磁扰动的强度以及方向变化特征,合理选取多级阈值作为算法中车位占用检测的标准,保证检测算法适用于多种车型、停车应用场景.经过3个月实地应用测试,发现检测算法车位占用检测精度达到99.3%,优于强度或者方向单一特征判断算法,并能检测出停车是否规范.研究算法尚未应用于大型客车、货车以及特种车辆车位占用判断.