用于微观仿真车辆模型中轨迹的简化算法

实际车辆运行轨迹的测量和计算都比较复杂。现存的微观仿真车辆模型，往往都回避了车辆轨迹的计算，而用直线运行来近似代替。构建微观车辆模型时，在影响车辆运行轨迹的各个因素中，可以只考虑前轮转向角和前后轴间距离2个主要因素，而质量、摩擦、刚体系数等其他次要因素是可以忽略的。据此，给出了车辆运行轨迹计算的简化算法，并为此进行了若干试验论证。结果表明，这种简化，一方面使得车辆微观模型在轨迹上更加接近于真实，另一方面，算法计算量小，是微观仿真中可以接受的。     

实用最短路径算法研究

本文基于数据结构中堆栈“后进先出”的原理提出了一种新的最短路径算法－ｓｔａｃｋ算法。这种算法内存省，计算效率高，运行时间短，能很好地适应大型运输网络的最适中计算。     

改进自适应遗传算法研究及其应用

针对标准遗传算法收敛慢，提出了一种改进自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，改善种群的分布特性，加强算法的全局收敛能力。应用概率模型的遗传算法对4个名的测试函数进行优化计算，实验结果表明：该算法不易陷入局部极值，收敛速度快，且实现简单。     

改进的Flody算法及其在交通化配中的应用

本文介绍了Ｆｌｏｄｙ算法的计算原理及步骤，探讨了Ｆｌｏｄｙ算法存在占用计算内存较大和路径搜索速度慢的缺点，提出改进的正向搜索路径及反向追踪路径Ｆｌｏｙ算法，使计算机内存占用和路径搜索速度两方面均得改善，并对比分析也改进的Ｆｌｏｌｙ算法和原Ｆｌｏｄｙ算法在交通分配中的应用，以实例说明改进的Ｆｌｏｉｙ算法的优点。     

公路几何设计中横断面计算方法

根据计算机算法的要求，阐述了横断面计算的计算方法，介绍了横断面的几种计算方法，并提出了改进的计算方法。     

基于试验数据的大跨度拱桥有限元模型修正

为了获取菜园坝长江大桥的基准有限元模型，结合Kriging代理模型和一种改进的粒子群优化算法，利用荷载试验数据对其初始有限元模型进行修正。首先，叙述模型修正和Kriging模型基本理论，在基本粒子群算法中引入交叉变异计算，提出一种改进的粒子群算法，并通过测试函数对改进的粒子群算法进行验证；其次，简要介绍菜园坝长江大桥荷载试验、荷载试验结果及初始有限元模型；最后，根据敏感性分析选定6个待修正参数，通过试验设计得到频率和位移关于修正的参数的样本，并建立有限元模型的Kriging代理模型以预测结构响应；以频率和位移的试验值和计算值残差为目标函数，分别利用基本粒子群算法和改进的粒子群算法在修正参数的设计空间内寻找目标函数的最小值，并对比分析模型修正的结果。结果表明：测试函数表明改进的粒子群算法具有较好的稳定性和成功率，并能获得更为精确的优化结果；建立的Kriging代理模型均方根误差较小，可以替代有限元模型预测结构频率和位移；经过模型修正，菜园坝长江大桥前5阶频率计算值与试验值相对误差均控制在5%之内；除个别测点外，位移相对误差均控制在10%以内；相比基本粒子群算法，改进的粒子群算法获得了更小的目标函数值，修正后的频率和位移的相对误差更小。     

基于参数智能化采集的盾构管片自动选型算法研究

为解决人工管片选型给盾构姿态和成型管片质量带来的隐患，将成熟的人工管片选型经验逻辑和合理简化计算模型根植于管片自动选型决策算法的内核，以影响管片选型的施工参数为研究对象，提出综合考虑盾尾间隙、推进油缸行程差和盾构趋势的管片选型计算方法和决策算法，预先考虑各影响因素实际施工中所有可能出现的取值范围以及不同施工工况下的权重变化。该软件首次针对大直径盾构特点开发8组盾尾间隙和6组油缸行程的算法，借助盾尾间隙智能化测量和监控屏幕参数图像识别技术，实现通用型管片选型参数智能化采集。在盾构隧道施工中配套使用，经多个项目现场验证和应用，管片选型算法合理，契合现场施工要求，起到规范或代替人工管片选型施工、保障成型隧道质量和盾构掘进姿态的作用。     

车辆紧急呼救系统中碰撞类型识别的新算法

车辆紧急呼救(Automatic Crash Notifi cation,ACN)系统中传统的车辆碰撞类型识别算法仅能判断四个碰撞方向且不能准确计算斜角碰撞的碰撞力主方向(Principal Direction of Force,PDOF)。针对此问题,提出了改进的PDOF计算算法和碰撞类型识别新算法。研究表明,改进后的PDOF计算算法能够准确计算碰撞力的主方向并以此正确判断碰撞的方向,并且碰撞类型识别新算法能够通过y轴速度变化量以及|ΔVy|/|ΔVx|峰值出现时间上的显著差异而准确区分三种正面碰撞类型。与传统算法相比,新算法具有更好的准确性与可靠性。     

基于改进Stanley算法的无人车路径跟踪融合算法研究

针对斯坦利（Stanley）跟踪算法无法更好地同时满足无人驾驶路径跟踪的精确度和平滑性要求的问题，根据车辆的航向角、横向偏差、车速等特性，基于合适的预瞄距离，采用纯跟踪（Pure Pursuit）算法对Stanley算法中车轮转角的计算方式进行改进，提出一种新的融合算法，实时计算车辆在当前车速下合适的车轮转角。仿真结果表明，相比于Stanley算法，所提出的融合算法在不失跟踪精确度的情况下，不同车速下跟踪平滑性均有较大提升。实车试验结果表明，在20 km/h车速下，所提出融合算法的跟踪路径比原Stanley算法的跟踪路径有更好的精确度和平滑性。     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...