基于认知差异的交通流动力学建模及仿真

车路通讯技术的发展为驾驶员提供当前和预测的交通状态信息创造了条件.本文考虑驾驶员的预测性及驾驶员群体对交通信息认知的异质性,建立了新的宏观交通流动力学模型.基于线性稳定性理论,获得了新模型的稳定性条件;通过仿真算例,分析了模型参数对交通流稳定性的影响.结果表明,驾驶员的预测时间、记忆时间、最优记忆流量差权重系数、驾驶员类型比例和记忆时间差异对交通流稳定性存在显著影响;而增大预测时间步长、记忆时间步长、权重系数和认知强度系数都可以有效增强交通流的稳定性;但交通信息认知差异增大却会破坏交通流稳定性.     

信号交叉口行人群集分类方法研究

以信号交叉口行人群体为研究对象,借鉴生物界群集研究的成果,给出了行人群集的定义,同时提出群集半径的概念和基于搜索的群集半径计算方法。通过对北京市信号交叉口60个小时视频资料的737个行人群集样本的分析,得到不同行人群集的特征参数值。研究结果表明,行人群集半径能够较好地评价我国城市信号交叉口人行横道的服务水平,可以为信号交叉口大量行人过街的控制算法和模型的研究奠定基础。     

基于向前搜索和K均值聚类的信号交叉口行人群集分类方法研究

以信号交叉口行人群体为研究对象,借鉴生物界群集研究的成果,给出了行人群集的定义,同时提出群集半径的概念和向前搜索的群集半径计算方法。运用K均值聚类方法对北京市信号交叉口60 h视频资料的737个行人群集样本进行分析,得到描述行人群集的特征参数数值。研究结果表明:行人群集半径能够较好地评价我国城市信号交叉口人行横道的服务水平,可以为信号交叉口大量行人过街的控制算法和模型的研究奠定基础。     

基于强化学习的干线信号混合协同优化方法

交通拥堵已成为很多大中城市普遍存在的社会问题。信号控制作为缓堵保畅的重要措施之一，愈发受到社会关注。信号优化手段可分为模型驱动和数据驱动两类，且随着交通大数据的不断充实，基于强化学习的数据驱动方法日益成为新兴发展方向。然而，现有数据驱动类研究主要偏重于决策模型设计，缺乏对智能体结构的探讨；同时，在多路口协同方面多采用分布式策略， 忽略了智能体之间信息交互，无法保障区域层面的整体最优性。为此，本文以干线信号为对象， 构建一种多智能体混合式协同决策的信号优化方法。首先，针对交通状态的多样性、异构性及数据不均衡性，设计分布训练-分区记忆的单智能体决策模型，并优化状态空间和回报函数，界定单路口控制的最佳方案；其次，融合分布式和集中式学习的模型优势设计多智能体交互方法，在单路口分布式控制的基础上，设置中心智能体评价局部智能体的决策行为并反馈附加回报以调整局部智能体的决策模型，实现干线多信号的协同运行。最后，搭建仿真平台完成效果测试与算法对比。结果表明：新方法与独立优化和分布式协同相比，在支路交通流基本不受影响的前提下， 干线停车次数分别降低了14.8%和13.6%，具有更好的控制效果。     

自适应步长的细菌觅食优化算法研究

细菌觅食优化算法是一种群集智能优化算法,该文详细分析了细菌觅食优化算法中最重要的趋向性操作,其中步长对算法的效率和精度有很大影响;根据菌群中细菌个体间的位置信息,设计了动态步长估值函数,自适应的调整步长.通过经典函数的测试,说明改进细菌觅食优化算法在收敛速度和精度上比原有算法有极大提高.     

基于行人运动模型的人群疏散三维仿真

以人群运动过程中人与人和人与建筑之间的相互作用为出发点,探讨了行人群集行为疏散模型及三维仿真问题．建立了一种基于人员行为细节的微观离散仿真模型,采用蒙皮动画和有限状态机技术实现对人物行为和人物模型细节状态的控制,可以实现人群疏散过程的动态三维可视化仿真．     

混合示教长短时记忆网络的车辆轨迹预测研究

为实现智能网联车对周围车辆运行轨迹准确地长时预测，本文提出一种混合示教解码的长短时记忆网络的车辆轨迹预测方法。首先，通过特征筛选和历史轨迹序列标注建立轨迹预测数据集；其次，构建长短时记忆网络的编码器-解码器模型，编码器将自车和周围车辆历史轨迹及道路环境信息编码为上下文向量，解码器采用混合示教的模式将上下文向量解码动态解码为未来轨迹；最后，采用真实道路数据集NGSIM US101和I-80路段验证模型的可行性。多组对比分析实验结果表明：本文所提方法在长时域预测的终点位移误差指标上的有效性和优越性，5 s的终点位移误差在2.7 m以内；并且模型在稀疏采样后的数据集上达到更高的预测准确率，5 s的位移误差在1.3 m以内。     

�����е��͵�·��ͨ����״̬������Ԥ���о�

对城市的道路交通运行状况进行全面分析评估并实时监控、预测,可以有效地消除交通隐患,增强城市交通管理部门对城市交通的管控能力.本文基于北京市典型道路交通流特性分析及已有的道路交通流预测模型,提出道路交通运行状态组合预测模型,确定了非参数回归模型作为预测模型的核心,组合使用傅立叶历史估算模型、非参数自回归模型和非参数邻域回归模型对北京市典型道路的交通运行状态进行预测.针对北京市道路交通流信息采集系统实际情况及未来预测信息图形化发布的需要,提出了道路交通流预测系统的异构数据融合方法及道路编码模型及方法.     

交通量预测的灰色verhulst自记忆模型

导出了灰色verhulst模型的自记忆计算格式,建立了一个新的对交通量历史观测数据具有记忆功能的灰色自记忆模式;该模式克服了历史观测数据的波动对灰色verhulst模型的影响,可有效反映交通量随时间的发展规律.     

基于改进DE的云计算任务调度算法

差分进化算法DE(Differential Evolution)具有记忆个体最优解和种群内部信息共享的特点,是一种基于实数编码的、具有保优思想的简单、高效的新型进化算法.针对云计算任务调度问题,提出了一种考虑时间和成本约束的基于改进DE的调度算法(TCDE).该算法采用随机初始化种群,合法化修复变异个体,并采用贪婪直接交叉,在变异操作之后,加入新的选择机制,防止交叉操作破坏变异出的优良个体.在仿真实验中分别进行了TCDE与只考虑时间的TDE、只考虑成本的CDE的功能验证实验,TDE与遗传算法的性能对比实验.实验结果证明:改进后的差分进化算法能够适用于云计算环境下的任务调度问题,并取得良好的调度效果.     

船舶航向非线性系统的输出反馈鲁棒控制

考虑船舶航向控制系统模型中存在非线性，假设模型参数和外界干扰有界的情况下，首先利用Lyapunov稳定性模型，提出了一种状态反馈鲁棒控制新算法的自动舵设计，进而考虑到实际船舶上，在进行航向控制时，并不是所有船舶运动状态都是可测的，仅有航向是可测的，采用一种高增益状态观测器对状态进行重构，提出了输出反馈鲁棒控制自动舵设计，以大连海事大学远洋实习船“育龙轮”为例，进行了输出反馈鲁棒控制自动舵设计，并利用Matlab工具箱进行了仿真研究，结果证明该算法是十分有效的。     

粘性土物理状态与力学特性间的灰色关联度分析

鉴于实际工程中,低液相粘性土之一的亚砂土的稠度划分与其力学特征之间普遍存在矛盾的现象,采用灰理论中的关联度分析,对粘性土物理状态指标与力学特征指标之间的相关性进行分析是比较合理贴切的,且对今后的研究与工程应用有重要的参考价值.     

基于能量的网壳结构协调抗震性能分析

为了揭示地震作用下网壳结构各局部间受力状态及该变化与结构承载能力间的关系,对有限元全荷载域动力时程分析应变能数据进行了再建模,在此基础上应用能量参数系统研究了地震作用下网壳结构各杆件内力重分布.研究结果表明,网壳结构在工作状态下各单元间能够协调、稳定地共同承担外荷载;当结构失效后,各单元间协调变形的稳定性被破坏,基于协调变形可以判断网壳结构的工作状态;在水平向动荷载作用下,单层网壳中下部指数应变能较大,径杆最大值出现在第5环,约为第1环的13倍;三向地震波作用下,中上部指数应变能较大,径杆最大值出现在第2环,约为第6环的15倍.      

船舶进出港低速航向保持

为了在船舶进出港时,船舶处于浅水域并以低速航行,在风、浪等强扰动作用下,增强航向控制性能,减小能源损耗,选择三阶Nomoto模型,将航速和水深变化反映到模型参数的变化上,基于闭环增益成形算法设计出一种具有适应性的鲁棒PID控制器,建立基于风、浪干扰的非线性船舶运动数学模型,并用S函数来实现。用PID控制器对非线性船舶运动数学模型进行控制,在Simulink环境中对各种水深、船速及海况进行航向控制仿真。从仿真曲线可看出其航向跟踪效果良好,静差为0,且施舵合理,所设计的控制器对非线性船舶运动数学模型具有良好的控制性能。     

城市快速路路段交通流状态评估方法

交通流状态分类对于选择交通控制和诱导策略有非常重要的作用,不同的快速路路段设定的交通流参数临界值及变化特性会有所不同．本文考虑到交通流参数对交通流状态判别的影响程度,给出了一种基于加权欧氏距离的相似性度量方法,并确定了交通流状态判别的关键参数．根据整个路段的交通流数据,通过聚类分析构造最小距离分类器,把个别路段的交通流数据作为样本数据．进行了对个别路段的状态评估．实证分析结果表明：在交通流状态判别过程中,密度是最关键的参数：基于最小距离分类的个别路段的状态评估结果与实际情况非常类似,这将为交通控制和管理提供决策依据．     

基于仿生学的四足行走机构优化设计

提出了一种仿生的四足行走机构设计方法,将单条腿分解为驱动机构和腿机构,利用数学模型对两个机构的结合点处的运动轨迹进行拟合和优化,在此基础上进行了足端的轨迹优化及运动特性分析．结果表明,整体机构能够完成预定的设计目标,机构运动速度及加速度轨迹比较合理,对角小跑型步态整体机构的运动模拟也能够实现．     

Safety Protection Method of Rehabilitation Robot Based on fNIRS and RGB-D Information Fusion

In order to improve the safety protection performance of the rehabilitation robot,an active safety protection method is proposed in the rehabilitation scene.The oxyhemoglobin concentration information and RGB-D information are combined in this method,which aims to realize the comprehensive monitoring of the invasion target,the patient's brain function movement state,and the joint angle in the rehabilitation scene.The main focus is to study the fusion method of the oxyhemoglobin concentration information and RGB-D information in the rehabilitation scene.Frequency analysis of brain functional connectivity coefficient was used to distinguish the basic motion states.The human skeleton recognition algorithm was used to realize the angle monitoring of the upper limb joint combined with the depth information.Compared with speed and separation monitoring,the protection method of multi-information fusion is safer and more comprehensive for stroke patients.By building the active safety protection platform of the upper limb rehabilitation robot,the performance of the system in different safety states is tested,and the safety protection performance of the method in the upper limb rehabilitation scene is verified.     

������֪����ʽ��������˶���ѧ��ģ

行人动力学建模的关键是对行人运动方向和速度的选择进行描述.本文构建了基于多层有限状态自动机的行人Agent适应性决策模型;在此基础上,针对行人运动过程中快速决策的特征,通过构建基于认知启发式规则的行人运动行为规则集合,建立了描述行人微观运动行为的动力学模型.通过设计仿真实验并收集数据,对模型的有效性进行了验证.研究结果表明：模拟得到的行人交通流密度-速度关系与实测数据具有较好的一致性,流率-密度关系符合理论计算结果,基本图较好地符合实际观测的行人宏观交通流关系,认为本文提出的行人动力学模型具有交通上的合理性.