不确定条件下公铁水多式联运多目标路径优化研究

多式联运运输的时效性和成本在现代物流的发展中是不可忽视的因素。针对公铁水多式联运的运输目标，主要研究了当运输时间、中转时间双重不确定因素服从随机分布时的绿色多式联运路径优化问题。构建以运输时间、碳排放、运输成本为目标函数，碳排放量为约束，建立运输时间、中转时间双重不确定条件下绿色多式联运路径多目标优化模型。并据此采用模糊自适应遗传算法（FAGA）和快速非支配排序遗传算法（NSGA-Ⅱ）设计多式联运路径优化策略；最后采用从南昌到柏林的路径数据仿真验证所提方法的有效性并对结果进行对比分析。研究发现基于NSGA-Ⅱ算法的多目标优化结果较优，可以引导多式联运经营人调整运输方案，减少二氧化碳的排放量，为物流企业开展多式联运运输提供可供参考的依据。     

铁路安全双重预防机制运行评价体系研究

根据铁路安全双重预防机制建设和运行现状，从基础管理、安全风险管控、安全隐患排查治理、信息系统建设应用、投入激励5个方面构建铁路安全双重预防机制运行评价体系，包含14项2级评价指标和37项3级评价指标；应用构建的铁路安全双重预防机制运行评价体系，选取典型案例进行双重预防机制运行评价，验证体系的合理性；针对评价过程中存在的问题提出改进措施，实现铁路安全双重预防机制建设闭环管理，有效落实各层级履行安全生产主体责任，提升安全风险管控和隐患排查治理能力，推进铁路安全治理体系和治理能力现代化。     

机场空侧安全隐患分类分级研究

本文结合HFACS人因分析模型，提出了条件型、违规型、差错型安全隐患的分类方法；将分类模型与风险分析矩阵法相集合，提出了分类式风险分析矩阵分级方法及相关分级治理措施；结合民航不安全事件统计数据，尝试将该方法应用于机场空侧安全隐患分类分级问题，并给出示范性的解决方案。为机场建设双重预防机制提供建议。     

基于深度强化学习的机器人导航算法研究

移动机器人穿越动态密集人群时，由于对环境信息理解不充分，导致机器人导航效率低且泛化能力弱。针对这一问题，提出了一种双重注意深度强化学习算法。首先，对稀疏的奖励函数进行优化，引入距离惩罚项和舒适性距离，保证机器人趋近目标的同时兼顾导航的安全性；其次，设计了一种基于双重注意力的状态价值网络处理环境信息，保证机器人导航系统兼具环境理解能力与实时决策能力；最后，在仿真环境中对算法进行验证。实验结果表明，提出的算法不仅提高了机器人导航效率还提升了导航系统的鲁棒性，主要表现为：在500个随机的测试场景中，碰撞次数和超时次数均为0，导航成功率优于对比算法，且平均导航时间比最好的算法缩短了2%；当环境中行人数量、导航距离发生变化时算法依然有效，且导航时间短于对比算法。     

道路交通事故双重预防机理研究

针对安全科学中事故致因和风险管理理论互相独立，安全工作中对于事故、事故原因、危险、风险、危险源、风险源、隐患的含义和关系认识不一致的问题，本文将双重预防机制的理念运用到道路交通安全领域。通过词义解析和相关标准的分析，归纳上述概念的内涵，辨析隐患的本质，提出基于安全约束的事故致因模型来阐述道路交通事故双重预防机理。结果表明：危险是客观状态，风险是主观评价，隐患的定义为安全约束的失效，隐患的本质为系统所产生的意外的、不合人意的涌现；风险管理本质上是假设事故发生的情形并设计安全约束，隐患排查是对风险管理的完善；道路交通事故双重预防机理可以将事故致因和风险管理理论进行结合。     

双重下采样增强的点云改进配准算法研究

自动驾驶领域对点云配准实时性要求高，而已有ICP算法及其变体存在对初始位姿要求高、配准速度慢等问题。鉴于此，本文提出了一种改进的快速点云配准方法，首先采用双重下采样方法对初始点云数据进行预处理，在保留原始特征的同时快速降低点云数据量，然后引入内部形状描述子（ISS）来优化超级全等四点集（Super4PCS）算法，降低其时间复杂度，最后选用线性最小二乘优化ICP算法进行快速精配准。采用斯坦福点云数据和自动驾驶Kitti点云数据对该算法有效性进行了测试和对比验证，结果表明：该算法具有良好的鲁棒性，且配准精度和配准速度均比已有算法有明显提高。     

高铁开通对浙江省城乡居民收入差距的影响

采用多期双重差分法，匹配2006—2019年浙江省除舟山市外10个地级市城市数据、铁路数据，探究高铁开通对城乡居民收入差距的影响。研究发现：高铁开通以及铁路列车频次的增多，大幅提升了浙江省各城市真实可达性；高铁开通整体上扩大了浙江省各地级市城乡居民收入差距，铁路列车频次变化引起的城市可达性变化在其中起中介作用，并且这种影响存在高铁服务区县数的异质性；高铁的影响存在提前效应，从高铁开始建设的时间算起，高铁将会缩小区域内城乡居民收入差距。