排序方式： 共有2条查询结果，搜索用时 312 毫秒
1
1.
随着社会城市化和机动化的快速发展,城市交通所带来的环境问题也越来越突出,其在能源消耗以及碳排放总量中占的比例越来越大。CO_2的大量排放无疑与当今世界提倡的低碳理念背道而驰,所以城市交通的碳排放问题已经发展成为一个环境研究中的热点问题。基于此,从碳排放过程中的碳排放量计算这一方面着手,同时考虑到大众化、普遍化的影响,结合app程序应用进行了这一方面的研究。旨在从环境角度出发,根据现有碳足迹的概念,为用户提供一个计算碳排放量的方式,并提供一套低碳出行的方案。应用碳交易模式,尽可能地减小交通系统的碳排放总量。从居民角度出发构建低碳交通系统。 相似文献
2.
无人驾驶汽车的路径规划面临着复杂多变的交通环境,为了更全面的评价路径选择指标以规划更合理的路径,以及更好的解决路段环境动态变化对规划结果造成的影响,研究了一种考虑多影响因素的动态路径规划算法——RDMA*(Real-time Dynamics of Multiple influencing factors AStar)算法.以A*(AStar)算法为核心,通过加入多影响因素的交通评价因子对其代价函数进行改进,综合考虑距离,交通拥堵程度,道路平整度和其他影响因素,应用层次分析法确定各影响因素的相对权重,以综合代价值为评价指标进行路径规划.通过GPS,雷达和摄像头等设备,利用融合感知技术获取相关道路环境信息,根据获取的全局和局部交通环境数据信息,利用实时动态更新策略解决动态环境下的路径规划问题,实时规划最优路径.通过对实际案例进行模拟,结果表明,应用RDMA*方法规划的路径相比基础A*方法规划的路径出行总体耗时减少了15.75%.并且在遇到特殊事件的状况下,通过RDMA*动态规划可为无人驾驶车辆即时提供一条综合代价值最小,耗时最少的可行路径,与改进的A*动态路径规划方法相比减少了10.63%的二次规划综合代价值的损耗,提高了7.83%的时间效率.该方法能更好的适应复杂的道路和交通系统,即时应对动态变化的交通状况,具备更强的实用性. 相似文献
1