多机飞行冲突解决方法研究

飞行冲突的探测和解决是自由飞行的关键问题.结合了人工势场法的蚁群算法可以解决多机飞行冲突.在对飞行冲突解决问题的研究背景和现状作简要介绍的基础上,建立了有约束组合优化的数学模型,提出了用蚁群算法优化人工势场法规划结果的新思路.仿真计算证明算法能在短时间内提供多架飞机理想的冲突解决方案.     

基于改进蚁群算法的多AGV泊车路径规划

针对智能停车库中自动导引小车(Automated Guided Vehicle,AGV)存取车的路径规划问题,提出一种基于改进蚁群算法的多AGV泊车路径规划方法.单AGV路径规划方面,在基本蚁群算法基础上引入蚂蚁回退策略来增强适应性,同时改进启发式信息和信息素更新策略提高算法的收敛速度和寻优能力.多AGV路径规划方面,提出改进冲突解决策略来解决多AGV之间的冲突,其中采用临时规避-重新寻路策略来解决相向冲突.针对某典型停车场抽象模型的仿真结果表明,改进蚁群算法寻路成功率更高,并具有较强的全局搜索能力和较快的收敛速度,改进冲突解决策略能合理避免冲突,可以满足多AGV存取车路径规划的要求.     

基于蚁群算法的航班着陆排序

当空中交通拥挤时，对航班的着陆顺序进行的调整，可以缓解拥挤，减少航班延误，提高飞行安全性，本文将蚁群算法用于着陆航班的排序问题，首先，建立以航班延误总时间最小为目标的规划模型，将航班着陆排序问题转化为非对称的TSP问题；然后，用蚁群算法寻找符合实际操作的优化排列；最后，经过对某机场实际数据的仿真计算，并与实际运行相比较，本文应用的算法具有较好的有效性和较强的使用性。     

蚁群算法研究及其在航海上的应用

本文介绍了自然界中蚁群的觅食行为、基本蚁群算法的数学模型和程序结构流程、蚁群算法的改进以及蚁群算法在航海上的应用等方面,最后将蚁群算法在航海领域中的研究问题和未来研究方向进行了总结,对从事船舶路径规划和船舶自动避碰等问题的学者来讲,具有重要参考价值.     

ACO算法及其收敛策略研究进展

蚁群优化算法是一种新型的进化优化算法,其特点是通过仿生自适应个体的局部最优性共同确定问题的整体最优解,该算法具有自学习功能和解的强搜索能力.通过研究蚁群算法的基本原理和实践应用,分析了蚁群优化算法的求解理论思想,并综合分析了算法的收敛性问题,为蚁群算法的发展提供较好的研究参考.     

基于航空器自主运行的空中交通复杂性建模

针对航空器自主运行模式的空中交通运行态势评估问题，本文重构了基于分布式空中交通管理系统的空中交通复杂性评价方法，并仿真验证了该方法在航空器冲突探测和自主航迹规划中的应用。首先，基于自由航路空域和航空器自主运行模式定义了空中交通复杂性，在通过三维空域栅格模型量化航空器时空位置的基础上，构建复杂度计算模型以反映航空器位置、航向、 航速对空域各栅格的实时复杂性影响；其次，基于实际管制扇区(ZSSSAR01)及高度层，分别模拟自由航路与固定航路运行模式，对比两者空中交通复杂度时空分布差异；并结合自由航路运行模式，在空中交通复杂性与航空器冲突指标(冲突率、冲突比例)相关性分析的基础上，研究空域复杂度阈值确定方法；最后，初步探究基于空域复杂度阈值进行航空器自主航迹调整的方法，评估其运行效果。仿真实验结果表明：自由航路运行模式相对固定航路运行模式可显著降低空域最大复杂度值(平均降幅119%)；模型计算得到，空中交通复杂度与空域中航空器冲突指标有强相关性 (相关系数大于0.90)；基于复杂度和复杂度阈值的航迹调整策略具备一定可行性。     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

蚁群算法在网格资源调度中的应用

网格资源调度是网格研究的热点问题,蚁群算法是解决多项式复杂程度的非确定问题（non-deterministic polynomial,NP）的一种有效方法。通过对网格资源调度过程和蚁群算法的研究,提出了网格环境下用蚁群算法进行资源调度的方法。采用网格模拟器GridSim进行仿真,实验结果表明,蚁群算法用于网格资源调度可以减少系统总执行时间和任务完成时间。     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

一种改进蚁群优化算法的仿真研究

针对蚁群优化算法存在容易陷入局部最优、收敛速度慢、参数设置复杂等缺点,提出了一种改进的蚁群优化算法,研究了伪随机比例转移规则中参数 的取值方法,并对信息素的取值方式和信息素的更新规则进行了改进。最后以中国31个城市的旅行商问题和路径规划问题为实例,分别运用改进前后的蚁群算法进行了仿真研究。仿真结果表明：改进之后的算法不仅能够得到更好的解,更能显著地提高算法的收敛速度。     

基于多车协作优化的冲突消解模型

传统自动驾驶车辆以假设通行权为前提设计冲突消解算法，但在无信号交叉口存在道路通行权不明确情况，给自动驾驶车辆决策带来困扰.本文提出基于多车协作优化的无信号交叉口冲突消解方法，将多个自动驾驶车辆看成一个整体，利用多目标优化控制理论，计算分配给相互冲突车辆的期望速度规划，达到协作行驶的目的.设置协作与非协作式冲突消解仿真实验.结果表明：多车协作的冲突消解方法通过优化车辆联合行动，使交叉口车辆整体收益最大，各利益体间的收益更为均衡；与非协作行驶决策相比，冲突消解时间缩短，减少交叉口单车平均延误1~2 s，平均减少量约为5%.本文可为无信号交叉口自动驾驶车辆冲突时自主协同行驶提供参考.     

基于多车协作优化的冲突消解模型

传统自动驾驶车辆以假设通行权为前提设计冲突消解算法,但在无信号交叉口存在道路通行权不明确情况,给自动驾驶车辆决策带来困扰.本文提出基于多车协作优化的无信号交叉口冲突消解方法,将多个自动驾驶车辆看成一个整体,利用多目标优化控制理论,计算分配给相互冲突车辆的期望速度规划,达到协作行驶的目的.设置协作与非协作式冲突消解仿真实验.结果表明：多车协作的冲突消解方法通过优化车辆联合行动,使交叉口车辆整体收益最大,各利益体间的收益更为均衡;与非协作行驶决策相比,冲突消解时间缩短,减少交叉口单车平均延误1~2 s,平均减少量约为5%.本文可为无信号交叉口自动驾驶车辆冲突时自主协同行驶提供参考.     

���ڽ�ͨ�ṹ�Ŀ��н�ͨ�����Խ�ģ

为改进航空器计量方法在评估交通态势复杂度时的局限性,本文建立了一种空中交通复杂性评估模型.基于空中交通的结构因素,模型构建了距离因子和冲突因子,能够反映航空器之间的相对距离与航迹交叉作用对于复杂性的影响.针对广州区域扇区进行的交通复杂性指标评估结果表明：航空器数量的变化会引起目标空域交通复杂性的变化,但后者对前者的响应并非完全同步;两者的变化程度不完全相同,且变化趋势可能相反.对相应交通态势的回溯和分析表明,相比基于航空器数量的评估方法,交通复杂性指标能够更加客观地反映空域状态的变化特征.     

大规模路网中分布式车辆群体协同决策方法

为解决车路协同环境下大规模路网中车辆群体协同决策问题,提出了分布式车辆群体协同决策方法;在深入分析交通控制特性的基础上,构建了路网分解模型,将大规模协同决策问题分解成若干个同质小规模子问题,每个子问题覆盖了上游路段、路口和下游路段这3类不同交通区域;基于虚拟车辆映射技术构建了车辆群体协同决策模型,将路口区域二维车辆群体协同决策问题转化为一维问题;与路段区域内车辆群体协同决策方式相同,在路口区域内通过控制虚拟车队中车辆的等效车头时距来完成车辆之间的交互和冲突消解,进而采用统一的协同决策参数来解决各子问题中不同区域内车辆群体的协同决策问题;基于不同区域内车辆群体协同决策参数的统一化,设计了上、下游区域之间的协作机制来保证上游车辆在充分考虑下游交通状态的基础上做出合适的驾驶决策。仿真结果表明：在不同的交通需求设置下,采用提出的方法后,车辆在通过冲突区的过程中均具有平滑的时空轨迹,避免了车辆时空轨迹出现剧烈波动;相对于纯分布式方法,提出的方法在给定的仿真条件下可使车辆燃油消耗最大降低14%;因此,在大规模路网中实施提出的分布式车辆群体协同决策方法可有效降低冲突区对车流连续性的影响,从而保证了车...     

空中交通拥挤评价方法探讨

随着中国民航运输业的持续高速发展,由于空中交通繁忙而产生的拥挤及航班延误也越来越严重。尽快建立科学的空中交通拥挤评价方法,已经变得十分迫切和重要。根据我国空中交通运行特点,在借鉴国内外地面交通拥挤评价成果以及全面对比分析地空交通拥挤评价指标的基础之上,作者提出了一套适合我国空中交通拥挤评价指标体系,并将状态分类评价法应用到该空中交通拥挤评价中。然后,通过对某机场跑道交通运行状况的综合评价,验证了该评价方法的可行性。本丈提出的评价方法不仅有效地发现了航班运行中发生的拥挤,并且为航班的运行控制提供了有效的支持。     

基于雷达的多机冲突检测与调配

为防止空中飞机危险接近,保障飞行安全,提高管制员对飞行冲突的预见性和调配飞行冲突的能力,建立了基于雷达的坐标系,提出了预测多机飞行冲突的水平检测和预测冲突时间段的方法.研究表明：在水平投影面上,如果飞机Ai的保护区与飞机Aj的阴影交叉,将发生水平冲突;如果同时发生垂直冲突,那么飞机Ai和Aj将发生飞行冲突,需要在雷达监控下,通过改变航向、速度和飞行高度以避免飞行冲突.但若水平冲突和垂直冲突的时间段不交叉,则飞机Ai和Aj没有冲突,可以保持现有（平飞、下降或上升）状态飞行.仿真分析结果表明了检测和调配方法的正确性.     

固定航路最优飞行冲突解脱模型

针对在固定航路条件下多个航空器之间的冲突解脱问题,提出了改变航向的飞行策略,比较了自由飞行条件下和固定航路飞行条件下的最优飞行冲突解脱模型。以航空器性能和航路空间为约束条件,以冲突解脱时间为目标函数,运用最优化控制理论和微分方程,计算了不同初始条件下的总冲突解脱时间。计算结果表明:当航空器的解脱终点从(80,0)变为(65,0)时,总冲突解脱时间减小了32s;当航空器的解脱速度从833km.h-1降低为759km.h-1时,总冲突解脱时间增大了12s;当航空器的初始位置由(20,0)增大为(29,0)时,总冲突解脱时间仅增大了2s。航空器的解脱终点和解脱速度对冲突解脱时间影响较大,而航空器的初始位置对冲突解脱时间影响较小。     

城市道路交通流的复杂度研究

为了定量描述交通流系统的复杂度,本文在介绍统计复杂度及其性质的基础上,将其引入路段交通流的复杂度量化分析,并以南京3条典型路段上的交通流为样本,通过比较分析不同路段上的交通流复杂度与交通冲突率的关系,以期得出交通冲突率与路段交通流的复杂度的回归模型．结果表明：特征量复杂度能够有效测度系统的随机性和非线性,且交通流复杂度与非严重交通冲突率的相关性比较好,适于实测交通流的复杂性测度分析,可为研究交通系统的复杂度研究提供新的思路。     

飞行冲突智能调配系统开发

将飞行冲突调配分割成同高度判定、最小水平间隔判定和航向规避3个规模较小的子问题，构造了飞行冲突智能调配系统的拓扑结构及调配流程．引入广义指派的组合最优化算法和人工神经网络控制技术，用VB．net和Matlab进行系统开发．模拟运行表明，该系统可为管理者提供用于防止冲突的智能化方案，包括短、中、长期的计划，以提高飞行管理效率和飞行的安全性．