北极航道的船舶组合导航方法

为解决新开辟的具有重要经济价值及战略意义的北极航道船舶航行安全保障问题,建立适用于北极航道的船位推算导航模型.在获取精确的初始船位前提下,利用航向、航速连续推算船舶船位,同时利用卡尔曼滤波修正累积推算误差,以获取高精度、高可靠性的推算船位.针对高纬度下的陀螺罗经航向误差较大的问题,采用卫星罗经或光纤罗经替代陀螺罗经;而对卫星定位信号异常而无法获取船位的问题,提出了自动雷达定位技术.在GPS正常时,选择GPS卫星罗经+GPS滤波的组合导航方案;在GPS异常时,选择光纤罗经+自动雷达定位滤波的组合导航方案,可为船舶在北极航道航行提供连续、准确、可靠的导航定位保障.研究结果表明,前者得到的推算船位与GPS实测船位的误差很小,均差在4.5 m左右;后者可为船舶提供2 h推算误差在50 m以内较高精度的船位.      

面向桥梁工程的响应面技术在有限元模型修正中的应用探讨

以某一桥梁模型为对象,基于响应面模型的损伤识别法对桥梁结构的模型进行优化求解,采用D最优设计进行桥梁结构模型修正,选择时域和频域特征参数作为拟合响应面输出。利用design expert 8.0软件进行方差分析,对参数进行显著性检验,剔除样无关变量,对剩余参数进行回归分析拟合二次多项式响应模型。研究结果表明:通过响应面技术对初始有限元模型进行修正,对比修正值与实测值的频率取值与实测值趋于一致,频率相对误差值在1%以内,挠度修正误差在2%以内,修正精度满足实际使用要求。     

基于多因素的道路线形拟合方法综合评价

为研究不同道路线形拟合方法的优缺点,对道路改扩建工程线形拟合方法选择提供一定的指导,故选取了基于GPS数据的最小二乘法、基于MATLAB的半自动线形拟合法、三次样条曲线法3种拟合方法,对这3种方法进行多因素评价。提出了基于层次分析法的多因素评价体系,对3种方法的精度、稳定性、难易性进行了探究。结果表明:最小二乘法精度最高;样条曲线法最简便;稳定性方面基于MALTLAB的半自动拟合最强。最后利用层次分析法进行拟合方法评价,最小二乘法评分最高,基于MATLAB的半自动化拟合法是基于GPS数据的最小二乘法的61.05%,三次样条曲线法是最小二乘法的42.72%。     

基于地球位模型的大地水准面精化方法研究

通过研究利用地球重力场模型确定大地水准面的理论,计算出某地区EGM96和EGM2008地球位模型大地水准面高,先移去高程异常的长波项,然后采用二次多项式拟合法和Shep-ard拟合方法对该地区的剩余GPS/水准数据进行试验计算,得出以下结论:①高精度的GPS/水准点均匀分布于整个项目区是得到高精度的高程异常的主要条件之一;②利用地球位模型结合GPS/水准数据拟合得到的大地水准面精度好于直接利用GPS/水准数据拟合得到的大地水准面精度。     

北极东北航道船舶行为特征分析

北极东北航道开发和利用,对北极水域船舶通航安全管理提出了更高的要求.采用数据挖掘技术对2015—2017年北极东北航道船舶自动识别系统(AIS)的数据进行了处理与分析;采用Douglas-Peuker算法,对海量船舶AIS轨迹数据进行抽稀与验证;然后利用KD-Tree、DBSCAN和族心确认算法,对海量船舶AIS轨迹点进行了时空聚类分析;成功提取了船舶类型、船旗国、船舶轨迹、船舶密度及船舶速度等船舶行为特征,探索研究了船舶行为特征对于北极东北航道能源、环保及海上交通服务的作用与意义.研究表明,北极东北航道航行船舶以渔船和货船为主,船旗国以靠挪威和俄罗斯籍为主,船舶活动区域集中在巴伦支海与挪威海,主航道主要以8~15 kn速度航行.      

基于响应面法的桥梁动力学有限元模型修正

针对动力学频率测试中模型的试验值与理论值误差较大的问题,结合大型桥梁缩尺模型试验,采取基于响应面法的有限元模型修正技术,获取了符合结构本真状态的有限元动力修正模型.选取二次多项式作为响应面函数的数学模型,在修正参数的显著性分析和中心复合试验设计基础上,运用最小二乘法对试验设计的样本空间数据进行拟合,以目标达到法为迭代标准,得到了自锚式悬索桥响应面的显示函数关系,并直观地给出典型响应的空间曲面模型.R2和RMSE指标验证结果表明:经修正后各阶频率峰值误差明显降低;除横向二阶频率外,其余各阶频率修正效果理想,基频最小误差仅为0.96％;基于响应面法的有限元动力模型修正准确可靠;经修正后的有限元模型可作为结构再分析的基准模型.     

山地城市信号交叉口延误改进模型研究

为了对山地城市道路状态下的延误模型进行修正,该文首先对经典的延误模型在山地城市道路特征下的适用性进行了验证,并分析了误差产生的原因。针对影响延误模型的车辆速度和饱和流量,通过实测数据拟合,得到了山地城市道路特征下的数值,最后对经典的延误模型进行了修正,结果表明:修正后的模型可以将延误参数的提取精度提高8.87%~11.09%。研究成果为山地城市信号交叉口延误模型的构筑奠定了一定的基础。     

车载导航系统陀螺的自适应校正方法

分析了低成本压电振动陀螺误差及其影响因素,在实验的基础上得出采用温度补偿陀螺误差的可行性。建立了联合卡尔曼滤波方程融合GPS和INS信息,估计定位信息和陀螺误差。提出车载GPS/INS组合导航系统中陀螺零漂误差和标度因子误差的校正过程启动条件,当条件满足时,以估计的陀螺误差为输入,采用温度误差校正表学习算法对陀螺误差模型进行训练。用道路实验数据对提出的陀螺校正算法进行验证,结果表明该算法精度高、收敛快、可操作性好。     

基于环境自识别的地下无轨车辆定位导航算法研究

介绍了地下无轨车辆自主导航驾驶技术的发展情况,分析了井下采矿装备的发展趋势,结合井下环境特点提出了基于环境自识别的井下无轨车辆的定位导航方法。介绍了地下巷道形状自识别定位导航原理,通过激光扫描仪扫描巷道环境完成自主驾驶。研究了利用激光扫描仪扫描路口等巷道形状完成定位导航的方法,对激光扫描匹配定位算法的具体过程进行了详细说明,利用加权最小二乘法对车辆航向误差、位置误差进行了校核修正。通过仿真分析,对车辆的航向角度误差和位置距离误差校核效果进行了比较,车辆校核后的平均航向误差只有车辆校核前航向误差的2.8%,车辆校核后的平均位置误差为车辆校核前的位置误差的23.1%。另外,对激光扫描环境匹配定位方法的局限性进行了分析,提出了利用航迹推算加激光测距/识别的组合定位导航方法。     

基于IVE模型的杭州市机动车实际行驶工况下排放因子的研究

首先,利用台架试验对IVE模型中的基础排放率进行地域性差异的修正;然后,利用GPS系统获得杭州市机动车在不同道路类型和时间下的实际行驶工况;最后,应用修正后的IVE模型确定杭州市实际行驶工况下轻型车和出租车的CO和NOx综合排放因子.结果表明,对IVE模型基础排放率的修正能较好地提高模型的模拟精度;在杭州市区高峰期实际行驶工况下,轻型车CO和NOx综合排放因子分别是2.92和1.03g/km,出租车的排放因子分别为轻型车的2.0和1.7倍.     

A hybrid dead reckoning error correction scheme based on extended Kalman filter and map matching for vehicle self-localization

In this research, a hybrid dead reckoning error correction scheme is developed based on extended Kalman filter (EKF) and map matching (MM) to improve the positioning accuracy for vehicle self-localization. The developed method aims at obtaining accurate positions when the GPS signals are occasionally unavailable or weakened. First, the heading data collected from an odometer and an optical fiber gyroscope are integrated by an EKF to reduce the random errors in dead reckoning. Then a modified topological MM algorithm is developed to reduce the systematic errors in dead reckoning. In this work, both cross-track errors and along-track errors are considered to improve positioning accuracy of MM. The errors are finally corrected using the results achieved from both the dead reckoning and the MM when the driving distance of a vehicle exceeds a predefined length or the vehicle turns in an intersection. Experiments have been conducted to evaluate the developed method and the results show that the maximum error and average error of dead reckoning can be respectively reduced to 15.4?m and 5.2?m during the experiment with total distance of 43?km. This positioning accuracy is even better than the accuracy of the low-cost GPSs which are usually at the order of 15–20?m (95%). The developed method is effective to achieve the positions of the vehicle when the GPS signals are occasionally unavailable or weakened.     

基于模糊逻辑的导航定位数据校正算法

为了提高GPS/DR组合定位系统的定位精度,通常采用地图匹配算法来修正定位误差.文中采用了一种基于模糊逻辑的导航定位数据校正算法,对经联合卡尔曼滤波输出的GPS/DR的定位数据进行校正.通过Matlab仿真实验,结果表明,该算法能有效地减小误差,提高组合定位系统的定位精度,改善其对航线跟踪的质量.     

Using GPS with a model-based estimator to estimate critical vehicle states

This paper demonstrates a method to estimate the vehicle states sideslip, yaw rate, and heading using GPS and yaw rate gyroscope measurements in a model-based estimator. The model-based estimator using GPS measurements provides accurate and observable estimates of sideslip, yaw rate, and heading even if the vehicle model is in neutral steer or if the gyro fails. This method also reduces estimation errors introduced by gyroscope errors such as the gyro bias and gyro scale factor. The GPS and Inertial Navigation System measurements are combined using a Kalman filter to generate estimates of the vehicle states. The residuals of the Kalman filter provide insight to determine if the estimator model is correct and therefore providing accurate state estimates. Additionally, a method to predict the estimation error due to errors in the estimator model is presented. The algorithms are tested in simulation with a correct and incorrect model as well as with sensor errors. Finally, the estimation scheme is tested with experimental data using a 2000 Chevrolet Blazer to further validate the algorithms.     

A weight-based map-matching algorithm for vehicle navigation in complex urban networks

A map-matching algorithm is an integral part of every navigation system and reconciles raw and inaccurate positional data (usually from a global positioning system [GPS]) with digital road network data. Since both performance (speed) and accuracy are equally important in real-time map-matching, an accurate and efficient map-matching algorithm is presented in this article. The proposed algorithm has three steps: initialization, same-segment, and next-segment. Distance between the GPS point and road segments, difference between the heading of the GPS point and direction of road segments, and difference between the direction of consecutive GPS points and direction of road segments are used to identify the best segment among candidates near intersections. In contrast to constant weights applied in existing algorithms, the weight of each criterion in this algorithm is dynamic. The weights of criteria are calculated for each GPS point based on its: (a) positional accuracy, (b) speed, and (c) traveled distance from previous GPS point. The algorithm considers a confidence level on the assigned segment to each GPS point, which is calculated based on the density and complexity of roads around the GPS point. The evaluation results indicate 95.34% correct segment identification and 92.19% correct segment assignment. The most important feature of our algorithm is that the high correct segment identification percentage achieved in urban areas is through a simple and efficient weight-based method that does not depend on any additional data or positioning sensors other than digital road network and GPS.     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

Lateral controller design for an unmanned vehicle via Kalman filtering

This paper proposes a lateral control system for an unmanned vehicle that is designed to improve the responsiveness of the system with the use of a PD control. The vehicle heading error can be stabilized, and the transient response characteristics can be improved using the proposed controller. A mathematical model of the vehicle dynamics using two degrees of freedom was developed for the controller design. The waypoint tracking method for autonomous navigation was tested with incorporation of the Point-to-Point algorithm with position and heading measurements received from GPS receivers via Kalman filtering. The performance of the designed controller was verified through experiments with a real vehicle.     

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。