智能交通系统中动态路径诱导关键技术研究

动态路径诱导系统是智能交通系统中的一个重要研究内容。基于对动态路径诱导系统的研究现状,阐述了动态路径诱导系统的构成与分类,并针对系统中的关键技术进行了研究。     

模拟导弹制导的交通系统路径诱导算法

模拟导弹制导的单车诱导算法利于交通系统优化目标（车流量平衡目标）.为避 免多车诱导导致的交通拥堵,以模拟导弹制导的单车诱导算法为基础,提出了模拟导弹 制导的交通系统路径诱导算法.按照出行需求,对模拟导弹制导的时间最短路径算法进行 改进,使算法满足各类单车路径规划目标,以提高单车诱导接受率.系统路径诱导算法以 交通系统优化为最终目标,对超出路网通行能力的诱导进行修正,使交通流运行趋势符 合驾驶员出行需求.建立系统优化评价指标和系统诱导接受率指标,并以北京部分地区为 例进行仿真.仿真结果表明,算法能够达到系统优化目标,同时保证了较高的系统诱导接 受率.     

人工蚁群算法理论及其在经典 TSP 问题中的实现

人工蚁群算法是一种新型的模拟进化算法也是一种随机型智能搜索寻优算法.较系 统地总结了这一算法的基本理论.分析了其基本摸型和算法在TSP问题中的实现方式给出了 改进算法及其在多点通信路由问题中的应用.并对人工蚁群算法的优化性能进行了分析讨论.     

基于蚁群算法的动态路径选择问题

论述蚁群算法在动态路径选择问题上应用。在蚂蚁寻径原理基础上,建立经济圈公路网蚁群算法模型,并对算法的参数进行标定。针对算法的缺陷,对信息素更新策略进行了优化改进,使其能更快的收敛到全局最优解。该模型算法对经济圈道路交通智能化动态诱导系统的建立大有帮助。     

动态交通系统最优控制的路径选择模型

在分析各种影响动态交通系统最优控制约束的基础上,依据相关原理,采用数学建模的方法建立了态交通系统最优控制模型,最后给出该模型的主要算法.智能交通运输系统的核心部分为动态交通流分配模型与算法,其基础则为动态交通系统最优控制模型,因此建立用于诱导路径选择的动态交通系统最优控制模型将有助于改善城市日益恶化的交通环境,提升人们的生活质量,同时也为城市规划与管理以及各种交通政策的制定提供理论依据.     

动态交通系统最优控制的路径选择模型

在分析各种影响动态交通系统最优控制约束的基础上,依据相关原理,采用数学建模的方法建立了态交通系统最优控制模型,最后给出该模型的主要算法.智能交通运输系统的核心部分为动态交通流分配模型与算法,其基础则为动态交通系统最优控制模型,因此建立用于诱导路径选择的动态交通系统最优控制模型将有助于改善城市日益恶化的交通环境,提升人们的生活质量,同时也为城市规划与管理以及各种交通政策的制定提供理论依据.     

动态交通路网中有效路径的确定方法

动态路径搜索是动态交通分配与动态车辆路径导行系统的关键技术，是建立智能交通系统的基础之一。本文给出了动态有效路径的明确定义，并将深度优先搜索的树搜索算法、寻路定向性、层次空间推理策略以及A^＋算法中的定向估价函数相结合，提出了动态有效路径的一种有效算法。在新算法中通过对交叉口延误的特殊处理，使得城市交通路网中的分向交叉口延误得以充分体现，并有利于将交通导行系统与交通控制系统相融合．文中同时对动态有效路径搜索在动态车辆路径导行和动态交通分配的应用作了初步分析。     

交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。     

基于GPS信息的物流配送车辆路径优化模型

物流配送车辆路径优化是物流领域中亟待解决的重要问题和研究热点.本文通过对国内外物流车辆路径优化研究现状的分析研究,以及GPS等智能交通技术在该领域中的应用现状分析,以最小化物流运送成本为优化目标,引入动态VRP和不确定影响因素,提出了一种改进的新模型,利用已有的算法,并通过算例对模型算法进行检验.     

基于布尔可满足性的动态路径优化算法

在对现有的经典路径优化算法性能进行分析基础上,指出现有算法的缺点。通过对布尔可满足性理论的研究,提出基于布尔可满足性的路径优化算法,并结合记忆机制,将其应用在动态路径优化中,减少最短路径的搜索时间和不必要的重复搜索,体现该算法的优势。最后,利用该算法对一简单路网进行验证。     

卷积神经网络及其在智能交通系统中的应用综述

从特征传输方式、空间维度、特征维度3个角度,论述了近年来卷积神经网络结构的改进方向,介绍了卷积层、池化层、激活函数、优化算法的工作原理,从基于值、等级、概率和转换域四大类总结了近年来池化方法的发展,给出了部分具有代表性的激活函数对比、梯度下降算法及其改进型和自适应优化算法的工作原理和特点;梳理了卷积神经网络在车牌识别、车型识别、交通标志识别、短时交通流预测等智能交通领域中的应用和国内外研究现状,并将卷积神经网络算法与支持向量机、差分整合移动平均回归模型、卡尔曼滤波、误差反向传播神经网络、长短时记忆网络算法从优势、劣势和在智能交通领域的主要应用场景三方面进行了对比;分析了卷积神经网络在智能交通领域面临的鲁棒性不佳和实时性较差等问题,并从算法优化、并行计算层面和有监督学习到无监督学习方向研判了卷积神经网络的发展趋势。研究结果表明:卷积神经网络在视觉领域具有较强优势,在智能交通系统中主要应用于交通标志、车牌、车型识别、交通事件检测、交通状态预测;相比其他算法,卷积神经网络所提取的特征更加全面,有效地提高了识别准确度与速度,具有较大的应用价值;卷积神经网络未来将通过网络结构的优化、算法的改进、算力的提升以及基准数据集的增强,为智能交通带来新的突破。      

高速铁路桥梁-轨道体系检测监测与行车安全研究进展

为了提升桥梁-轨道结构服役安全性能,保证复杂环境条件下高速铁路结构适应性和行车安全舒适性,研究了高速铁路桥梁-轨道体系检测监测装备的改进与优化,分析了桥梁-轨道结构服役性能动态演变规律,总结了复杂条件下桥上行车安全评价与预测方法,展望了未来研究重点与方向.研究结果表明:在桥梁-轨道体系检测监测技术方面,现有研究聚焦于传...     

船舶航速优化综述

从航速优化模型、油耗预测模型、航速优化模型求解方法与船舶能效管理系统方面, 分析了国内外航速优化研究现状, 探讨了航速优化存在的问题, 并针对这些问题提出了建议。研究结果表明: 在航运市场持续萎靡的情况下, 经济航行将被更广泛应用, 针对航速优化的研究仍然具有重要的意义; 在航速优化模型方面, 目前多集中在以碳排放政策、不确定因素的影响、排放控制区政策、船队调度等为单一优化目标建立航速优化模型, 优化目标主要为成本最小化和利润最大化, 未来应将航速与航线、纵倾、船队部署联合优化, 考虑多种不确定因素、多种优化目标建立航速优化模型; 在油耗预测模型方面, 预测模型主要分为白盒模型、黑盒模型和灰盒模型, 白盒模型具有更好的可解释性, 黑盒模型的预测性能更好, 灰盒模型弥补了白盒模型和黑盒模型的缺点, 将成为未来的研究重点, 未来应基于精确的船舶数据和先进的人工智能算法进行数据学习, 提升油耗预测模型预测准确性; 在优化算法方面, 由于航速优化模型的复杂性, 大多采用启发式算法进行优化求解, 这种算法可以减少优化求解时间和提高求解质量, 未来需要探索更加精确高效的求解算法; 在优化策略方面, 采用大数据分析可以识别天气对航行的影响, 动态优化策略可以补偿环境因素引起的扰动, 能够进一步提升船舶能效水平; 在船舶能效管理系统方面, 船舶能效管理系统主要包括航行数据采集、数据传输、数据储存、数据分析与智能决策等功能, 由于其成本高昂, 目前尚未在船舶上大规模运用。      

新一代航运系统体系架构与关键技术研究

文章综述了近年来国内外绿色智能航运领域的研究进展和工程实践现状,包括业界在载 运装备、基础设施、运营服务等方面的最新研究成果和绿色化、智能化技术应用情况,总结了当前 发展中存在的问题和技术瓶颈。面向未来水路运输发展的需求和挑战,提出新一代航运系统的 定义及其绿色化、智能化、韧性化的特征;通过梳理分析新一代航运系统的基本内涵,设计了系统 的体系架构,运用信息物理系统的方法理论,将层级结构划分为：要素单元级、功能系统级及架构 集成级;阐述了系统的核心组分：绿色智能船舶、数字生态设施、可靠岸基支持和韧性运营服务, 给出系统的整体框架。在梳理分析系统基本服务和功能逻辑的基础上,阐述该系统物理“船-港- 货”、信息“人-机-环”的运行模式,明确了运输船舶组织运营“岸基驾控为主,船端值守为辅”的航 运新业态,凝练了航运系统规划设计技术、绿色智能航运装备技术、数字生态航道建养技术、船舶 运行智能控制技术、交通运营组织技术、水上应急救援技术,及测试验证评估技术等关键技术;通 过构建数字化的创新技术体系,能够支撑“人-船-岸-云”的高度协同,实现信息互联、系统共建和 体系性创新,促进航运科技高质量发展。提出水路运输未来的变革性方向,研究成果可以有效指 导新一代航运系统的规划设计与建设应用,为自立自强的水路运输技术研究和标准体系构建提 供有力支撑。     

人工智能算法在铁道车辆动力学仿真中的应用进展

梳理了人工智能算法在铁道车辆系统动力学仿真中的应用实例和国内外相关文献，概述了铁道车辆动力学仿真中常用的机器学习和深度学习算法，归纳和评述了2种学习算法在铁道车辆系统动力学建模与仿真中的应用分类；从铁道车辆系统动力学建模、动力学性能预测与动力学性能优化等方面入手，详细讨论了人工智能算法应用在力元建模和仿真、轨道不平顺预测、运行平稳性预测、噪声预测、侧风安全性预测、运行安全性预测、悬挂优化、轮轨匹配优化、结构优化以及主动与半主动控制等领域的优势和局限性，指出了现阶段人工智能算法在动力学仿真应用中主要面临的训练样本缺乏、泛化能力不够、可解释性欠缺等问题；展望了今后人工智能算法和车辆系统动力学交叉研究的发展方向和重点研究内容。研究结果表明:融合经典力学和人工智能算法结合的混合建模理论可作为之后的重点研究方向；人工智能算法对解决随机动力学中的随机不确定性，提高随机动力学的性能具有较大的应用潜力；通过人工智能算法与优化算法相结合来实现动力学性能优化，可充分发挥人工智能算法的优势。      

定位-路径问题综述

研究了定位-路径问题(LRP), 总结了国内外LRP模型及其扩展模型, 比较了LRP模型求解算法的适用性, 分析了LRP测试算例的节点分布和数据规模, 提出了LRP研究的主要方向。研究结果表明: LRP模型从基于基础网络的最简化问题(带容量约束的LRP, CLRP) 向多方向模型进行扩展, 包括基于网络复杂化的LRP扩展, 如特定网络系统的多目标LRP (MOLRP)、同时取送货LRP (LRPSPD)、接驳转运中心LRP (CDCLRP)、两阶段LRP (2E-LRP)、选址-弧路径问题(LARP)、卡车和拖车路径问题(TTRP) 与设施地点为二维连续的LRP (PLRP), 基础网络参数不确定化的LRP, 包括带模糊数据的LRP与多计划周期LRP (MPLRP), 且正在向更切合实际的问题如高度集成、不确定与动态LRP发展; LRP算法方面, 精确算法仅可用于求解小规模LRP, 主要LRP求解算法由早期的智能算法逐渐转向元启发式算法、基于邻域搜索优化的算法与混合算法方向发展, 这些改进算法均基于特定LRP设计, 具有更好的求解性能, 尤其是采用基于多种破坏和修复因子的自适应大邻域搜索算法求解大规模LRP取得了较好的解, 且其改造性极强; 常用LRP测试算例的节点呈现均匀分布、堆分布及均匀与堆混合分布, 且逐渐产生了适用于2E-LRP与LRPSPD等扩展LRP的测试算例; 根据物流市场环境变化和需求, 提出LRP未来扩展研究的主要方向, 包括多阶段LRP的扩展(如2E-LRPSPD、考虑库存的2E-LRP等)、节点二维连续的LRP、客户含优先级的带竞争或盈利LRP、混合不确定LRP等切合实际的问题; 提出了LRP求解算法未来方向, 包括设计新型精确算法求解中、大规模LRP, 设计更准确更高效的组合启发式算法与应用近似算法求解LRP及扩展LRP的最优解。      

二型模糊系统降型算法综述

二型模糊系统降型过程的计算精度、计算时间和系统信息的损失会对整个二型模糊系统的性能产生很大地影响. 本文首先介绍了二型模糊集合的基本概念及二型模糊系统的计算过程,然后分别对区间二型模糊系统和广义二型模糊系统的降型算法的研究现状进行了详细综述,并对不同降型算法计算的复杂性进行了全面的分析和比较. 最后,总结了各类降型算法存在的问题,并给出了未来研究的展望. 指出,降型算法的计算成本仍是提升二型模糊系统性能的瓶颈,从理论上完善各种降型算法,通过数学方法解决其计算的复杂性问题,并将其应用于实时系统会是未来研究的重点.      

快捷货运服务网络设计研究综述

服务网络设计是快捷货运运营管理层面的重要内容，也是交通运输领域的关键科学问题。本文分析了快捷货运服务网络设计的内涵，并从研究内容、优化模型、求解算法这3个方面对国内外相关研究现状展开详细论述。在研究内容上，对不同运输方式和多式联运进行归类总结，单一运输方式下和综合运输体系下的快捷货运服务网络设计都涵盖了路径规划、流量分配、时刻优化等方面，且内涵和外延都在不断拓展。在模型构建上，有基于节点-弧和基于路径两种角度的建模方式，其中，基于时空网络角度建模成为近年动态服务网络模型设计的重要方向；建模的背景以确定条件为主，不确定条件下的模型大多仅是考虑需求的不确定，并未揭示出各种不确定性参数对网络结构和流量分配的影响机制；所考虑的因素从初期的需求总量、服务成本、服务频率，逐渐增加能力约束、时刻影响、设备利用等方面。在求解算法上，以启发式算法为主，其中，大多基于智能算法，随着计算机运算效率的提高及商业求解软件功能的强大，基于列生成和基于模型松弛或分解的算法在近年呈上升趋势。最后，结合快捷货运内外部条件的变化，提出快捷货运服务网络设计在考虑低碳因素、不确定条件、演化机理等方面有待进一步研究的方向。     

人机共驾智能汽车的控制权切换与安全性综述

根据智能汽车技术发展特点和趋势提出了人机共驾的概念; 从切换的发起者、强制性与计划性三方面论述了人机共驾智能汽车控制权切换的分类方法, 分析了广义和狭义2种分类的特点和应用范围; 从驾驶人的认知、驾驶负荷、反应力等方面剖析了人机共驾中人因的特性及其对控制权切换安全性的影响, 总结了控制权切换的试验研究方法和人机交互形式, 指出了控制权切换安全性研究存在的问题和未来发展方向。分析结果表明: 人机共驾智能汽车的应用范围是L2~L3级自动驾驶, 特点是人与系统彼此协同完成动态的驾驶任务; 由系统主动发起、驾驶人被动接管的控制权切换情形与安全性更被业内关注; 驾驶人能有效地对当前驾驶状态进行认知和评估, 进而接管车辆操作, 并最终规避风险, 是保证控制权切换安全性的关键; 人因是影响控制权安全平稳切换的重要因素, 主要表现为认知水平偏低, 切换前后驾驶负荷阶跃式突变, 次任务的影响机理不明确, 反应力随切换场景的不同而差异显著等; 该领域的主要研究还包括接管绩效的评价, 切换时机与人机交互方式的优化以及试验手段的提升等。      

路面破损图像自动处理技术研究进展

总结了路面破损图像自动处理技术的重要研究成果, 分析了该领域关键技术的研究进展, 包括路面破损检测系统、图像处理算法和识别算法评估; 比较了不同路面破损检测系统与目标自动识别算法的检测精度和适用性, 给出了路面破损图像自动处理技术未来可能的主要研究方向。研究结果表明: 在路面破损检测系统方面, 从早期基于摄影技术的图像采集到目前的3D激光扫描技术, 路面图像采集技术更加便捷和高效, 但破损图像自动分析和目标自动识别算法仍然存在挑战; 在路面破损图像处理算法方面, 传统的路面裂缝目标分割算法已由过去的基于单一特征(灰度、边缘形状等) 的检测方法演化到多特征融合检测方法和图优化检测方法, 还出现了一些精细化的裂缝目标连接与恢复算法, 大幅提高了裂缝检测精度, 但需要的计算资源和人工先验知识库也随之不断增大; 在路面裂缝处理算法评估和比较方面, 主要利用人工分割来评价自动识别结果, 目前迫切需要建立一个面向全球开放的大型路面破损图像数据库, 以客观、有效地评估现有各种路面破损图像处理算法; 基于2D图像特征分析的路面破损图像自动识别算法很难在识别精确性、算法通用性和实时性方面同时取得最佳效果; 近年来, 大量学者开始尝试借助深度学习神经网络自动识别路面破损, 但该技术仍处于活跃的演进过程中; 在提高路面破损自动识别精度和效率方面, 3D激光扫描技术和基于人工智能的深度学习技术的发展将对未来路面破损图像自动识别技术的最终突破产生重大推进作用。