基于GPS和虚拟卫星的列车完整性检查方法研究

将GPS和列尾装置结合可以构成一个冗余的列车完整性检查系统。在列车行驶过程中,由于在列车尾部车钩安装的GPS天线容易被车厢遮挡,常规卫星定位方法受到限制,无法利用GPS进行列车完整性检查。本文提出一种基于GPS和虚拟卫星组合定位完成列车完整性检查的方法。利用列车首部的定位信息确定一颗虚拟卫星,虚拟卫星和3颗可视卫星即可实现列尾定位解算,通过列车首部和列车尾部的位置信息实时地测算车长变化,达到检查列车完整性的目的。本文分析GPS和虚拟卫星组合定位模型,推导定位模型算法和列车完整性检查算法,并进行可行性分析和算法验证。实验表明,列尾定位精度达到3m以内,列车长度误差在10m以内,该方法可满足列车完整性检查的要求。     

基于简化差分相干积累的北斗B1频点信号精捕获算法

北斗卫星信号的捕获速度、灵敏度及精度将直接影响接收机的性能指标.本文提出了一种提高北斗导航卫星B1频点信号检测信噪比的精捕获算法,该算法基于简化差分相干积累（SDCI）的短时匹配滤波器（STMF）和快速傅里叶变换（FFT）运算（STMF-FFT）.为了保证在降低FFT运算量和提高信号检测概率的条件下,获得更精确的多普勒频率估计,采用逼近效果较好的切比雪夫线性最小二乘曲线拟合法得到多普勒频移的精确化估计值.理论分析和仿真验证表明：本文提出的SDCI算法比非相干积累算法获得的检测信噪比高约3.2 dB.     

GPS/CP车辆定位与交叉口冲突检测

针对车辆行驶在城市道路中时GPS定位性能受限的问题,提出了一种基于车路协同定位(CP)与高度约束模型的紧耦合定位方法.基于短程通信协议(DSRC)实现交叉口车路共享车辆状态信息,提出了一种车车(V2V)/车路(V2I)信息协同交互的交叉口车辆冲突检测方法.为了验证GPS/CP车辆定位与交叉口车辆冲突检测方法的效能,搭建了基于场景的仿真环境,进行组合定位仿真验证与多场景交叉口冲突检测仿真验证.仿真结果表明:在可见卫星数量下降的情况下车辆定位误差保持在3m以内;在交叉口车辆为20 veh,且无定位误差的情况下,车辆冲突数和冲突率减少,车辆通过数略有下降;要实现交叉口冲突检测,车辆定位误差应小于6 m.综合利用GPS/CP车辆定位方法较高的定位精度和基于V2V/V2I的交叉口冲突检测方法较高的安全性,能获得较低的交叉口车辆冲突率和较高的交叉口车辆通过数.     

短时交通流预测模型

针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。     

高铁追踪接近预警系统车载设备的设计与实现

高铁追踪接近预警系统能够实现高铁列车的防撞预警.车载设备是系统的重要组成部分,车载设备计算出列车公里标,将数据通过GSM-R无线传输设备发送到地面的预警服务器,并接收来自预警服务器的列车运行预警信息,通过列车预警显示设备提供给司机安全预警信息.对高速铁路列车追踪接近预警系统的组成、工作原理和关键技术进行阐述,设计并实现了系统中的车载设备,最后进行了单元测试、系统测试及现场验证.测试结果表明车载设备能够有效的提供列车位置,公里标的误差在8m以内,实现相邻列车运行状态的安全预警,证明该设备具有很高的实际应用价值.     

无信号交叉口车流通行状况的混杂Petri网模型

为了准确表征无信号交叉口的车流通行状况,提出了基于混杂Petri网的车流通行模型。该模型将交叉口车流分成不同的优先级别,分别计算每个级别通过交叉口的车流量和排队车辆数,以此表征它们在交叉口的通行状况,其中车流通行优先级别用离散Petri网表示,车流在交叉口的连续通行状况用时延Petri网表示。仿真结果表明:该模型能够比较有效地描述无信号交叉口车流通行的基本特性,满足城市路网建模的需要。     

基于北斗-陀螺仪组合定位的轨道占用判别方法研究

自主定位是CTCS-4级列控系统对列车定位的要求。在车站内的平行股道区段,轨道占用判别是列控系统获取列车位置信息的重要环节,而现有判别方法尚未满足CTCS-4级列控系统需要。本文使用北斗卫星导航系统与微机械陀螺仪组合定位的技术进行列车定位,重点研究其中的列车轨道占用判别方法。该方法应用模式识别,对从卫星定位系统及惯性传感器获得的列车运行状态进行实时分析,判别当前轨道占用。实验表明,该方法响应时间小于3s,对样本数据判别结果与实际相符,能够很好的辅助列车获取位置信息。     

基于蚁群算法的动态路径选择优化方法

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基 于伪随机状态转移规则的动态路径选择优化方法.该方法首先计算路段上流量和路阻,利 用伪随机状态转移规则和路径、路段信息素更新规则,模拟了出行者在路网节点的择路 行为,实现了路径选择过程中静态先验知识、动态交通状态及路径选择随机性的综合.算 例结果表明,该方法能够体现不同 OD 需求下路径选择的叠加效果和时延效果,相对于 平衡分配法可获得更好的路网交通均衡性,对于时变路况环境下的路径诱导系统也具有 一定的应用价值.     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。