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。     

DHSSA优化的K均值互补迭代车型信息数据聚类

针对传统方法在车型信息数据聚类过程中受初始化中心点的影响较大导致聚类精度低、鲁棒性差以及在迭代过程中求取均值选择聚类中心受离群点影响大的问题，提出了一种DHSSA优化的K均值互补迭代车型信息数据聚类方法。首先，针对SSA算法中发现者位置更新不足和种群多样性不足的问题，设计了一种扰动因子-领头雀优化策略，通过自适应领头雀策略加强了最优个体的影响力，利用扰动因子扩大搜索空间，提升了寻找聚类中心的准确率；其次，设计了基于筛选最大最小距离积方法 SMMP优化聚类中心的初始化，在MMP基础上增加了筛选机制，使初始化的中心尽可能更均匀地分布在每个簇中；最后，融合DHSSA和SMMP来优化K均值互补迭代，在减小迭代次数的同时增加搜索效率，得到较好的聚类结果。利用多种数据集进行测试，通过试验结果中的收敛曲线和性能指标可以看出，提出的DHSSA-KMC方法相对于SSA-KMC、IMFO-KMC、KMC和KMC++具有更高的搜索精度、收敛速度和更低的聚类代价，并且耗时相对于SSA-KMC和IMFO-KMC有所减少，证明了算法的有效性和优越性。在车型信息数据处理过程中，DHSSA-KMC可以高效聚类生成竞品...     

K均值聚类改进与行驶工况构建研究

采集了广州市2 800万个样本数据,采用相关指标比较分析K均值聚类、K中心点聚类、模糊聚类、高斯混合聚类4种方法,并以90%置信区间作为初始中心选取范围提高K均值聚类稳定性。运用改进后的K均值聚类构建广州市行驶工况,平均相对误差小于6%,并与美国、欧洲、日本、中国等地区的典型行驶工况进行比较。结果表明,广州市行驶工况具有车辆加减速频繁、怠速与低速段工况占比高的特点,与国内现行NEDC以及中国QC/T 759—2006工况存在一定差异。     

人机共驾智能车驾驶模式决策属性析取研究

为了深入分析驾驶模式决策影响因子,通过实车试验采集了人-车-路多源特征信息。用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态,并利用采集的驾驶人血流量脉冲（BVP）和皮肤电导（SC）值进行K均值聚类,将驾驶人当前合适的驾驶模式自动聚类为3级。通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定。采用以信息增益为依据的Ranker算法对多特征进行排序,并在此基础上,根据多分类器分级结果确定最优特征属性集合。研究结果表明：当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时,支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90%;除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外,其余所有不同模式决策属性值均呈显著性差异;研究结果可为人机共驾智能车驾驶模式决策提供依据。     

基于聚类支持向量机的车型识别方法研究

地磁感应波形通过数据融合初步提取出结构、频谱和数值3个范畴的特征.利用Filter-Filter-wrapper模式对初步提取的特征进行组合式特征评估,即采用改进的ReliefF算法挑选最适合车型分类的不冗余特征,再建立Top-K机制的交叉验证搜索最优特征组合.引入基于聚类支持向量机(C-SVM)的车型分类算法,并采用微粒群算法对C-SVM算子中的核函数参数和惩罚系数进行了优化,构建了微粒群优化的C-SVM车型分类器.实验结果显示该车型分类方法能显著提高数据挖掘的效率,机器学习的能力,并且具备较高的车型分类准确率.      

基于改进K-均值聚类算法的合肥市电动客车行驶工况构建

为构建合肥市电动客车行驶工况,选取合肥市4条典型线路的12辆电动公交车进行连续一周的数据采集,基于短行程分析法将经过处理的有效数据分割成24 595个片段并计算特征值,采用主成分分析法和改进K-均值(K-Means)聚类算法对短行程特征值进行降维与聚类,根据类中心距离从聚类结果中选出类代表短行程,从而构建出合肥市电动客车的行驶工况。将所构建的工况与实车采集数据及国内外典型行驶工况进行对比,结果表明,构建的行驶工况能更准确地反映合肥市电动客车的行驶特征。     

二分K-FCM结合算法在交通运行状态判别中的应用

正确判别交通运行状态是交通运营管理的理论依据。以高速公路交通状态判别为研究对象,综合考虑交通流三参数(流量、速度、占有率)的基础上,应用模糊C均值(FCM)与二分K均值结合算法对交通运行状态进行判别。首先,对交通数据集分布特征及交通运行状态特征进行分析,确定以V05~V85为最小欧氏距离判别的数据范围。其次,为解决算法收敛较慢及任意初始化质心对聚类结果的不良影响,对传统模糊C均值聚类算法进行了改进,将运行二分K均值算法的聚类结果矩阵作为FCM的初始聚类中心。经检验,改进的FCM可以有效减少算法迭代次数,得到的目标路段交通状态判别矩阵能较精准地划分高速公路不同的交通状态。     

Driving Cycle Construction and Accuracy Analysis Based on Combined Clustering Technique

基于通过实车试验采集的城市典型道路行驶工况数据,首先用主成分分析法对选取的12个表征道路运行特性的特征参数进行减缩,接着利用SOFM神经网络算法和K均值聚类法相结合的组合聚类技术对所有运动学片段的前3个主成分得分进行分类,再根据各类别的时间比例从各类别中选取合适片段,最终拟合出代表性工况.通过对各工况加速度分布的K-S检验和采用ADVISOR软件进行的发动机载荷谱和燃油消耗量仿真分析,表明和K均值聚类法相比,组合聚类法的行驶工况拟合精度更高,更能综合反映城市交通真实状况.     

基于K均值和不变矩的粒子滤波视频目标跟踪

针对传统的粒子滤波算法存在的粒子退化现象和需要大量粒子才能保证状态预估计的精度,导致视频序列目标实时跟踪难以实现的问题进行了研究,提出了一种基于K均值和不变矩的粒子滤波实时目标跟踪算法。首先对最初采样的粒子集采用K均值算法进行聚类,将N个粒子分配到K个聚类中心;然后将不变矩算法引入到粒子的选取中,通过与上一帧目标位置最接近的三类聚类中心进行不变矩匹配,选择其中与目标模块最接近的那一类进行粒子滤波跟踪运算。实验结果表明文中提出的改进算法能够很好的解决粒子退化的问题,只需要采用较少的粒子就能达到很好的跟踪精度,大大的减少了计算量,改善了粒子滤波的实时性的问题。同时,在一定程度上解决了目标跟踪中相似背景的干扰和目标遮挡的问题。     

基于Hilbert-Huang变换的制动意图聚类识别EI北大核心CSCD

为了进一步提高电动汽车再生制动系统对驾驶员制动意图的识别准确率,从而使电动汽车能在制动的过程中回收更多的能量,提出了基于Hilbert-Huang变换(HHT)的电动汽车制动意图聚类识别方法。建立了HHT的数学模型,基于HHT在时频域中进一步探寻中等制动和平缓制动两种制动意图下制动踏板行程信号的特征。建立了制动踏板行程信号特征提取模型,运用Hilbert局部边际能量谱得到局部特征能量,从而对信号特征进行提取,获取信号的特征向量。建立基于模糊C均值聚类算法的制动意图识别模型,并分别进行了离线实验和实时实验。结果表明所提出的基于HHT的制动意图模糊C均值聚类识别方法能更好地分辨中等制动和平缓制动意图,提高了识别准确率,并具有较好的实时性。     

自动谐振的电动汽车无线充电装置

目前电动汽车充电方式多通过有线充电方式,极其限制电动汽车的普及。而无线充电技术多以电路较简单的较成熟的感应式无线充电技术为主,电磁感应的磁场发散性较强,对距离及放电受电线圈要求位置要求较高。现电动汽车充电装置的磁耦合共振无线传输系统多针对固定汽车型号。本文主要研究通过接收次级回路的参数,从而控制主回路电容调制,以自动谐振的磁耦合共振无线传输系统来实现对不同接收回路的充电,从而满足对不同型号电动汽车的充电兼容。     

考虑排放特性的右转专用信号相位设置研究

为解决行人信号绿灯启亮初期行人与右转机动车的不利冲突,分析了行人与右转机动车的行驶特性.以固定周期时长的2相位信号交叉口为例研究了右转信号的设置对右转机动车排放与车均延误的影响.将微观仿真软件 Vissim 与基于VSP 变量的排放模型相结合,对右转信号设置前后的3组不同行人流量下的不同右转机动车流量进行仿真,并分别对车辆排放与车均延误进行对比分析.结果表明,3组不同行人流量下右转信号设置前后的车辆尾气排放及车均延误变化趋势均相同,当右转车流量低于(615±20)pcu/h 时,右转信号设置后的车辆排放均值降低9.46%,车均延误均值减小15.84%;当右转车流量大于(615±20)pcu/h 时,信号设置后的车均延误减小,但是车辆排放增大.      

智能网联环境下的混合交通流LWR模型

LWR（Lighthill,Whitham and Richards,LWR）模型可推演交通流宏观状态演化过程,在智能网联环境下混有协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）车辆混合交通流LWR模型的研究,可为该混合交通流的宏观动力学特性分析提供理论工具。应用加州伯克利PATH真车试验验证的CACC模型作为CACC车辆跟驰模型,采用智能驾驶人模型（Intelligent Driver Model,IDM）模拟驾驶人在智能网联环境中的"智能"驾驶特性。基于不同CACC车辆比例下的混合交通流基本图,证明混合交通流基本图的切线斜率为交通波在混合车队中传播的波速,建立混合交通流LWR模型的一般性解析框架,得到混有CACC车辆的混合交通流LWR模型。最后,针对LWR模型冲击波特性,在6组平衡态条件下进行数值仿真试验。研究结果表明：所建立的混合交通流LWR模型可较好地描述不同CACC车辆比例时冲击波在混合车队中的传播波速;冲击波波速理论值与仿真均值的相对误差基本控制在10%以内,当冲击波处于由正向波转变为反向波的过渡阶段时,相对误差较大,为19%~26%,但绝对误差仍然较小。研究结果一方面可为混有CACC车辆的交通流宏观状态演化提供理论参考,具有推动该混合交通流其他宏观模型研究进展的积极作用;另一方面,建立的混合交通流LWR模型解析框架能够适应CACC车辆与人工-网联车辆跟驰模型选取的多样性,同时可为其他类型混合交通流LWR模型的建立提供理论支撑。     

非对称放行方式下的干道双向绿波协调控制

通过对对称放行和非对称放行两种方式下的双向绿波设计进行比较,针对非对称放行方式的特点,根据绿波协调控制需求,进行独特的搭接相位设计,并在相位差的计算过程中考虑各路段行驶车速和红灯排队车辆的影响.在此基础上,提出了一种新的干道绿波协调控制实用设计方案,并通过其在昆明市滇池路上的应用验证了其准确性与有效性.     

双积分对单车型动力系统应用影响分析

为分析节能动力系统在不同车型上应用的合理性,本文以满足双积分管理办法为边界,分析采用不同动力系统的传统车对新能源车型数量需求,主要结论包括:同一动力系统在不同车型应用,为满足双积分需求,所需的新能源车型数量差别很大;大型高油耗车辆,为满足双积分管理办法需要大量新能源车型。     

信号交叉口机非冲突临界流量研究

在分析右转机动车冲突类型的基础上,通过仿真方法得出右转机动车平均延误随机非流量的增大跳跃增加以及在跳跃点处机非流量呈线性关系。分别改变交叉口绿信比和非机动车道宽度此线性关系仍然存在。以跳跃发生点处的曲线作为交通控制的临界条件,提出滞后放行时间的计算方法,结合实际交叉口进行仿真验证,得出临界流量条件的正确性。     

网联环境下考虑非优先车辆延误的公交优先信号控制方法

网联环境具有数据采集和交互方面的优势，能更精确地评估交通需求，更科学地实施交通管控措施。根据公交车与非优先车辆权重及延误分布差异，研究了考虑非优先车辆延误的公交优先单点信号控制方法。利用交叉口车辆轨迹数据计算轨迹样本到达率参数，根据车辆到达交叉口的分布特征构建各相位的车辆到达率概率函数，并采用极大似然估计预测到达率，基于交通流冲击波模型分别计算出各相位的排队波、驶离波和消散波波速。公交车数量少权重较高且网联化程度高，利用基于冲击波的时距图推导延误表达式；而非优先车辆数量多单车权重低且网联化程度低，利用基于到达率的定数理论推导延误表达式。按乘员数对公交车延误值和非优先车辆延误值进行加权，以加权延误最小为目标函数建立了混合整数线性规划模型，解得相位时长整数解，并反馈到信号机系统实现公交优先自适应信号控制。以武汉市车城北路与东风大道交叉口为对象，采集不同时段交叉口流量数据，利用SUMO软件开展仿真实验，结果表明:相比优化前，低、中、高流量情况下公交车单车平均延误时间分别减少25.63%、25.25%、18.32%；同等条件下平均每周期非优先车辆延误时间分别减少8.80%、4.68%、1.99%；同等条件下平均每周期加权延误时间分别减少20.98%、9.39%、12.70%。证明所提方法能较好地适配交通需求，且流量较低时效果最好。      

锂电池电化学阻抗谱分析

当前电动汽车车载电池均采用到锂电池,其电化学阻抗谱(EIS,Electrochemical Impedance Spectroscopy)是目前一种相对新颖的电化学测量技术。EIS能够为电动汽车锂电池组的电化学系统施加一个频率不同、振幅偏小且交流正弦的电势波,对于测量交流电势与电流信号阻抗比值方面具有良效。文章中简单分析了锂离子电池的电化学阻抗谱相关理论基础内容,然后对锂电池中电池电极电化学的阻抗谱特征进行了深度分析。     

基于车速与信号协同优化的区域绿波协调控制模型

针对车路协同环境下的区域绿波协调控制问题，根据自动驾驶车辆车速可控的特点，提出利用绿波车速与信号配时的协同优化方法，建立一种区域绿波协调控制模型。模型在信号配时与相位相序优化的基础上，增加对路段绿波车速的优化，为车路协同环境下的自动驾驶车辆提供路段车速引导方案；通过扩大优化模型的可行解空间，以解决区域协调中相位差的设计问题；选取绿波带宽折减率与通行速度折减率的加权量作为模型评价指标，使得设计方案能够实现绿波带宽与通行速度的综合最优。算例结果分析表明：模型可以根据不同的绿波带宽权重系数，求解相应的绿波带宽与通行速度综合最优协调控制方案，其中绿波带宽最优方案的路网绿波带宽占比均值能够达到95%，明显优于TRANSYT模型的绿波协调优化效果。VISSIM仿真结果显示，与TRANSYT优化方案相比，所提模型方案能够减少干道平均停车次数39%，缩短交叉口平均延误时间10%，使区域交叉口的通行效率得到进一步提升。