基于混合A*和可变半径RS曲线的自动泊车路径优化方法

路径规划是自动泊车系统的重要组成部分,是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战,同时搜索曲线半径固定容易导致路径接点处曲率不连续,增大了路径跟随控制难度和轮胎磨损程度,这些都提升了泊车路径规划的研究难度。针对以上问题,设计可变半径的Reeds-Shepp曲线,提出基于混合A^*和该曲线的自动泊车路径规划方法,通过调整曲线半径,提升其在复杂场景下路径的搜索能力和灵活性。随后,设计基于分段贝塞尔曲线和梯度下降的路径优化方法,利用其多阶导数连续的优势优化已搜索的路径曲率,并采用梯度下降来保证路径曲率大小和对障碍的规避,解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后,基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境,针对多种自动泊车工况测试验证提出的方法。研究结果表明：调整Reeds-Shepp曲线的搜索半径进行全局路径搜索,可获得更短和更易跟随的路径,具有良好的灵活性;基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。     

全海深载人潜水器下潜运动型线优化

以某全海深载人潜水器为研究对象,以其下潜运动为例开展阻力数值模拟和试验验证。通过计算域和网格敏感性分析,采用不同湍流模型进行对比研究,并与模型拖曳试验结果进行比较,获得该潜水器的下潜运动计算模型。在确定了数值计算方法后,采用试验设计、近似模型和全局优化算法等方法对潜水器艉部型线进行优化,结果表明该方法可有效降低潜水器的下潜阻力,从而达到缩短潜浮运动时间的目的,研究成果对于该潜水器及类似潜水器的工程研制具有一定指导意义。     

基于禁忌搜索算法的无人船路径规划

针对传统A^*算法在规划路径过程中存在所拓展路径非全局最优路径的问题,提出一种禁忌搜索算法对其进行优化,将已搜索路径放入禁忌表中进行多次迭代,将迭代结果进行比较产生最优路径。为进一步验证禁忌搜索算法优化的有效性,在阑珊格搭建的海域环境中进行仿真比较,结果表明,相比于A^*算法和人工势场法,禁忌搜索优化算法在无人船路线规划中凭借其全局性能够更准确地规划出最优路径。     

多优先级多车种动态应急交通网络反流策略研究

危化品爆炸泄漏和火灾爆炸等局部突发事件下,疏散车辆与救援车辆在路网上通行的优先级具有差异性。为研究多优先级多车种动态应急交通网络协调优化问题,本文根据多车种的优先级差异性,松弛路段传输模型,模拟疏散和救援交通在路网上的动态加载过程,引入交叉口冲突转向消除与道路反流约束;考虑到优先通行车辆的反流策略会占用低优先级车辆的道路通行能力,设置救援交通的逆行路段数限制。设计分阶段优化方法求解多优先级多车种动态应急交通网络协调优化的多目标混合整数线性规划模型(MPCDETN-MMILP)。最后,以 NguyenDupuis路网为例,分析优先通行车辆使用的逆行路段数对疏散和救援交通的影响。算例结果表明：救援交通逆行路段数和对救援车辆迅速到达受灾区域的提升存在上限,且这种提升趋势是逐渐变缓的,而对疏散车辆迅速到达安全区域的抑制呈现波动式的增加趋势;救援交通逆行路段数对救援优先的疏散和救援交通运行优化效果有较大协调作用;连接受灾区域和外部救援场站,且可构成最短径路的路段更会被选择为救援交通逆行路段。     

基于地形自适应的货运索道路径自动规划方法

为降低货运索道路径规划工作的时间和经济成本,综合考虑地理信息、工程实际情况和索道架设与运营成本等多方面因素,提出了索道路径规划要求,形成自动化路径规划的技术流程. 针对索道架设要求,提出了基于聚类分簇思想的上、下料点自动筛选方法,实现索道对公路的避让;并根据三维地形数据提出了基于地形自适应的索道支架位置搜索方法,搜索的支架可保证索道承载索与地面的间距满足施工要求;通过支架位置优化,减少支架数量,实现索道成本的降低. 对实际工程的路径规划计算应用表明:该规划方法可在约半个小时的时间内自动获得的上千条索道路径及支架架设方案,规划速度快,数据分析全面.      

考虑行驶时间不确定性的合乘路径鲁棒优化方法

为应对实际合乘过程中时间不确定性带来的负面影响,本文研究不确定行驶时间下的合乘问题。采用预算不确定集合描述时间变量,引入不确定性水平可调节的预算系数,构建以车辆总里程最短和车辆数最少为目标的合乘路径鲁棒优化模型。并设计两阶段算法求解,第1阶段以两乘客间的可行合乘路径为基础,从车辆总里程节省率和乘客时间窗匹配灵活性两方面设计公式量化合乘匹配机会,以匹配机会为权重构建乘客图网络并聚类乘客需求;第2阶段设计以顺序插入启发式方法构造初始解的禁忌搜索算法求解。案例数据实验结果表明：本文聚类方法能保证优化质量并提高85%以上的计算效率,同时能缩减乘客等车时间和绕行距离;增大预算系数时解的鲁棒性逐渐提高,但会增加10%~40%的车辆数并降低1%~10%的里程节省率;大规模乘客案例和窄时间窗案例的合乘路径对不确定时间的敏感性更高,宽时间窗案例无需增加过多额外车辆和总里程就能达到较高水平的路径鲁棒性。     

城市轨道交通小交路计划与客流控制协同优化策略

高峰时段的大客流需求易造成城市轨道站台乘客大量聚集,从而给城市轨道交通系统带来安全隐患,降低乘客乘车的舒适度;同时,客流空间分布的不均衡性导致供需能力不匹配,降低 了列车资源的利用率。针对该现象,本文结合大小交路开行方案与客流控制策略研究城市轨道交通列车时刻表协同优化问题。考虑到城市轨道交通客流的不确定性,将乘客到达率设置为不确定变量,而后基于客流演化与列车运行的动态关系,建立以最小化滞留乘客数、客流控制人数、 列车运行时间,以及最大化列车资源利用率衡量值为目标的优化模型,并设计一种基于机会约束 的随机场景优化算法进行模型求解。以北京市某轨道线路为例进行数值实验验证模型的有效性。结果表明,相较于常规运营策略,本文提出的协同优化策略在期望滞留人数和列车运行时间方面有了较大改善,更好地实现了乘客成本和企业运营成本之间的均衡。