智能网联环境下的城市路网容量可靠性分析

网联自动驾驶车辆（CAVs）与人工驾驶车辆（HDVs）混行的交通发展模式会促进城市路网容量发生变化，为解析混合交通流对城市路网容量可靠性的影响，构建了智能网联环境下城市路网容量可靠性双层规划模型。为表征CAVs信息获取与自动驾驶的能力，假定CAVs遵循系统最优原则选择路径，而HDVs则根据自身经验选择路径，基于二者路径选择的差异建立描述混合交通分配的下层模型，刻画智能网联环境下的混合交通流分配特性。并且，为了快速求解大型路网交通分配，将下层混合交通分配模型转换为非线性互补下问题进行求解。考虑到实际路网的随机性，以及路网道路通行能力并非固定值，运用具有多种相关性的均匀随机分布理论，建立了的描述城市路网容量可靠性的上层模型。通过蒙特卡洛仿真分析不同CAVs渗透率下的路网容量可靠性，并进一步解析各路段对路网容量可靠性的敏感度。结果表明:当需求水平d > 0.5时，路网容量可靠性开始降低；当d > 0.7且CAVs渗透率λ＝0时，可靠性小于0.4；当d > 0.7而λ＝1时，可靠性接近1，说明CAVs可增强路网容量可靠性。研究还发现，当需求水平处于0.7~1区间时，渗透率的变化对路网容量可靠性有显著的影响，但随着需求的增大，路网处于超负荷状态，渗透率对路网容量可靠性影响较小。此外，CAVs渗透率从0增加至1的过程中，路网中存在“道路容量悖论”现象的道路从19条下降至3条，且当λ＝1时路网中仅有1条道路出现了显著的“道路容量悖论”现象，拥堵严重。表明CAVs渗透率的增大可以显著改善路网中的“道路容量悖论”现象，减少路网容量可靠性的波动，提高路网运行稳定性。      

海上编队信息系统安全防护需求分析

未来海上编队作战对各类信息系统的依赖性越来越强,信息系统也将成为敌对双方攻击的重点,因此编队信息系统的安全问题直接关系到编队指挥控制信息的安全可靠和编队信息化主战武器的性能发挥,影响到编队整体作战能力。文章在对编队信息系统面临的安全威胁和存在的安全风险进行分析的基础上,提出了编队信息系统的安全防护需求,为编队信息系统安全防护系统的构建提供依据。     

Biocompatibility evaluation of polyethylene terephthalate artificial ligament coating hydroxyapatite by fibroblasts cells in vitro

Hydroxyapatite (HA) based materials have been widely used in the field of ligament tissue engineering in the past decades. It has been previously reported that HA can increase the penetration of marrow-derived mesenchymal stem cells (MSCs) and MSCs cells into scaffolds due to increased cell differentiation in biological media. Additionally, it was found that there are much difference between MSCs and anterior cruciate ligament (ACL) cells. For that reason, we mainly evaluate the biocompatibility of polyethylene terephthalate (PET) silk scaffold with fibroblasts cells in vitro. We cultured mouse fibroblasts cells on the substrate of PET fiber and PET-HA scaffold, respectively, and then observed the morphology by using scanning electron microscopy. Our data indicate that PET-HA scaffold has good biocompatibility with fibroblasts cells and can potentially be useful in enhancing the fibroblasts cell differentiation and proliferation.     

车路协同下避让紧急车辆协同换道策略

为加快紧急车辆抵达事故现场的速度，同时减少紧急车辆优先权对其他车辆的影响，运用车路协同系统，提出避让紧急车辆协同换道策略，通过调整紧急车辆下游车辆位置，实现紧急车辆高效通过路段。以紧急车辆前车（DV）及其相邻目标车道车辆为控制对象，根据相邻车道车辆间距与车车通信范围，搜索DV可换道空间间隙集。以交通流整体恢复稳定时间最小为目标，确定DV换道轨迹和相邻车道协作车辆的速度变化，引导车辆完成协同合流，既能保障车辆安全换道，还能降低换道造成的速度振荡传递。同时，为快速恢复DV换道造成的目标车道车辆速度波动，对上游车辆（UV）采取先进先出规则的换道控制策略。所提协同避让紧急车辆的策略考虑了车辆协同换道对交通流的整体影响，并在原有换道策略的基础上提出了减少速度波动传递的控制方法。案例分析结果表明:采用上下游协同换道策略最短换道时间为6s，此时紧急车辆距前车78.66 m时发送避让信号。同时研究发现，恢复交通流速度稳定所需的时间为29 s，比未采用上下游协同换道策略降低了34%。      

突发公共卫生事件下应急定制公交线路优化

考虑突发公共卫生事件下的疫情防控要求, 构建了一种应急定制公交线路优化方法; 对城市中已经封闭的小区和路段进行筛查, 并将这些小区和路段设置为应急定制公交禁行区域; 以所有应急定制公交总运行时长最短为目标, 以乘客上座率不超过安全阈值为约束, 同时考虑供需匹配, 构建了突发公共卫生事件下应急定制公交线路优化模型; 设计了遗传算法来求解该模型, 采用三段式混合编码方式进行染色体编码, 3段染色体分别由定制公交停车场编号、上车站点编号和下车站点编号组成, 运用贪婪策略解码染色体; 采用模拟案例验证了模型与算法的可行性, 并将优化结果与正常情况下基于相同客运任务的定制公交线路优化方案进行了对比。研究结果表明: 在完成相同客运任务的情况下, 应急定制公交线路所需车辆数比正常情况下多2辆, 车辆的总运行时长也比正常情况下增加6.997 h; 正常情况下的定制公交线路优化模型不能直接用于突发公共卫生事件场景, 针对应急场景构建的定制公交线路优化模型与算法能从众多备选方案中快速计算得到优化方案, 不仅能满足防疫要求, 还能满足人们的出行需求。      

基于客观风险感知特性的前向碰撞预警算法优化与标定

为提升高级驾驶辅助系统(ADAS)预警算法在复杂行车环境下的适应性, 提出了一种基于车辆运动学和风险感知特性的综合预警算法——客观风险感知(ORP)算法; 通过典型工况下的分析与推导, 表明其预警算法为THW、TTC和SM预警算法的综合形式; 为了标定预警算法的参数阈值, 开展了累计4 500 km自然驾驶试验, 最终筛选出409例有效临近碰撞事件, 提取了释放油门、踩下制动时刻的客观风险感知参数分布特征; 根据自然驾驶数据中提取的临近碰撞事件及其参数特征, 对风险预警算法参数进行标定; 在模拟驾驶环境下开发了前向碰撞预警算法, 通过4种风险场景开展了算法验证试验。研究结果表明: 基于自然驾驶数据的参数标定, 客观风险感知预警算法的两级预警参数阈值分别为1.4、0.8 s; 基于典型风险工况下的微观驾驶行为特性对比, 预警有效性方面ORP预警算法稍高于RP预警算法, 二者预警有效性显著高于TTC预警算法; 在预警算法下所有驾驶片段的最小碰撞时间均值方面, ORP预警算法为2.02 s, RP预警算法为1.90 s, TTC预警算法为1.65 s, 表明ORP预警算法能适应复杂风险环境下的风险辨识。基于大量实车试验参数标定与效果验证后, 所提出预警算法可用于高级驾驶辅助系统风险辨识。      

驱护舰编队短波通信干扰战术运用

通过分析通信干扰压制区,明确通信干扰阵位,提出干扰时机要求,为海上编队通信对抗的战术使用提供参考。     

定制公交线路优化综述

为全面回顾定制公交线路优化问题的研究进展,从优化目标、问题场景和求解算法3个方面对相关文献进行了归类分析。研究结果表明:定制公交线路的单目标优化研究主要集中在行驶时间、运营里程、运营成本、运营收益以及多种成本线性加权形成的系统总成本等方面,而多目标优化研究主要通过同时考虑运营成本、出行成本和服务质量中的2种或3种来实现;根据出发和到达站点的数量,定制公交线路优化的问题场景可分为“一对一”、“多对一”和“多对多”3种,针对停靠站点之间时间阻抗场景的研究主要集中在“静态时间阻抗”,对“动态时间阻抗”的研究较少;出行需求场景的研究也主要集中在“静态出行需求”,对于“动态出行需求场景”,一般通过两阶段优化策略进行求解;由于定制公交的线路优化问题属于一种特殊的车辆路径优化问题,精确求解算法适用于少量出行需求的分析案例,针对大规模出行需求的实际问题,一般采用启发式智能算法进行求解。未来的研究中,定制公交的线路优化需要考虑停车场设置和停靠点选择的影响,针对不同类型出行者设置特定的时间窗属性;此外,大数据背景下如何兼顾实时出行需求和运营成本约束,提供差异化的定制公交线路也将是具有挑战的研究方向。      

国家自然科学基金委员会交通与运载工程学科2023年度管理工作综述

总结了国家自然科学基金委员会交通与运载工程学科2023年度基金项目的申请、受理、评审和资助情况,概述了学科有组织科研工作,解读了2024年度学科重点资助方向。围绕目标导向、和谐发展、交叉融通、服务未来的发展目标,学科继续强化“需求牵引、问题导向”,推进有组织科研工作,以学科建设带动领域发展。围绕国防安全与国家重大需求,凝练科学基金重大、重点类问题,为未来的科学基金竞争性重大类项目立项以及统筹基础研究和应用基础研究提供坚实基础。2024年度,学科对以下各领域开展优先资助,促进相关领域的发展：综合立体交通多网融合、600 km·h^-1速度级高速磁浮系统、自动驾驶测评与验证、分布式电驱动车辆主动安全控制、可重构/可变构特种车辆、枢纽机场飞行区交通系统协同运行、超低温能源物质水路运输/管道输送、国家空域系统资源规划与协同运行、可重复使用空天往返运载系统等。     

基于多Agent的模拟训练系统开发研究

以计算机仿真为特征的模拟训练系统,以其特有的高效性和经济性等优势,日益受到业内的青睐。文章介绍了Agent以及多Agent系统的概念、原理,并以训练模拟为切入点,研究了基于多Agent技术开发分布式交互仿真系统的方法,并提出了模拟训练的新构想。