城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题,采用栅格法进行环境建模,综合考虑无人机性能、任务性质和城市环境等影响要素,以航程、高度变化和危险度最小为目标函数,构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离,采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数;为提高搜索效率,引入双向搜索策略;为保证平稳飞行,采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化,具有有效性;算法与传统A*算法相比,规划时间少,规划路径航程短,高度变化少,飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5,2种距离权重系数分别为0.15和0.85时,规划路径最优.     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

城市低空物流无人机航迹规划模型研究

为提高物流无人机在城市低空环境下配送的安全性和公众接受程度，保证运输经济性，提出一种考虑运行风险、噪声水平和运输成本的城市低空物流无人机航迹规划方法。采用栅格法进行空域环境表征，建立基于风险的城市空域环境模型。结合物流配送要求，建立多目标、多约束的物流无人机航迹规划模型。采用改进A*算法进行求解：为降低航迹代价，设计估价函数预估成本；为保证飞行安全，引入安全保护区确保间隔；为提升搜索效率，采用动态步长加快搜索进程。仿真结果表明：本文模型和算法所得航迹的运行风险小、噪声水平低、运输成本低，能够实现多目标优化。分析模型参数可知，当各子目标代价权重分别为0.6、0.1和0.3时，规划航迹最优。 保证其余参数不变，增大安全间隔，则风险代价、运输成本代价总体呈增加趋势，噪声代价减少。 在本文规划环境下，参考大疆经纬200无人机参数，在安全间隔取15 m时，综合代价最小。     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

一种基于路网变化的动态路径规划策略

就车辆动态时间最短路径诱导问题展开研究,提出了一种便于工程实施的变起点、定目标点的动态行程时间最短路径规划方案. 基于该方案,在一种大型方阵图下,就Dijkstra、A*、D* Lite等几种动态路径规划算法的计算时间进行了对比分析,针对车载动态导航设备实时性要求高、计算量要求尽可能小的特点,提出了一种基于路网变化的跳变的动态路径规划策略,根据路网中路段权值变化的具体情况,选取更加节省时间的搜索方式. 利用东莞市区电子地图和路网历史流量数据进行实验,实验结果表明,该策略可以有效减少路径动态规划的计算时间,有一定的工程应用价值.     

���ص���ϵͳ���г���͸�ʷ����о�

车载导航系统（IVNS）能提供实时有效交通信息辅助驾驶人选择最佳路径.为了探讨IVNS的市场渗透率对路网运行效益（交通效益和环境效益两方面）的影响,本文运用宏观动态交通网络模型METANET建立仿真平台,用反馈式动态交通分配模型描述IVNS路径诱导下驾驶人的行为,以总排队时间和总耗费时间作为交通效益评价指标,用反映速度—加速度关系的机动车排放和燃油消耗关系模型——VT-Micro 模型计算机动车排放量和燃油消耗量,并用货币价值量化排放减少带来的直接经济效益(包括大气污染治理费用和燃油消耗节省).对一个算例路网进行仿真,仿真结果表明：IVNS能够有效均衡路网交通,改善路网交通拥挤,尽管使NOx排放增加,却降低了HC、CO排放,减少了燃油消耗,带来了巨大的经济效益.综合考虑IVNS市场渗透率的交通效益和环境效益,建议可将市场渗透率控制在0.2~0.3左右.研究旨在为相关部门设计评价IVNS,优化路网运行效益提供辅助决策依据.     

Research on visual autonomous navigation indoor for unmanned aerial vehicle

The aim of this paper is to study visual autonomous navigation of unmanned aerial vehicle (UAV) in indoor global positioning system (GPS) denied environment. The UAV platform of the autonomous navigation flight control system is designed and built. The principle of visual localization and mapping algorithm is studied. According to the characteristics of UAV platform, the visual localization is designed and improved. Experimental results demonstrate that the UAV platform can realize the tasks of autonomous localization, navigation and mapping based on visual in unknown environments.     

双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法.通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人...     

A real-time collision-free path planning of a rust removal robot using an improved neural network

In this paper, a real-time collision-free path planning of the rust removal robot in a ship environment is proposed, which is based on an improved biologically inspired neural network algorithm. This improved algorithm is based on the biologically inspired neural network and modified with obstacle detection sensors and kinematic state templates, and is implemented in a ship rust removal robot planning system for dynamic trajectory generation. The real-time optimal trajectory is generated by the biologically inspired neural network, and the moving obstacle detection process of a ship robot working on the wall is simulated with the obstacle detection sensors models. The local real-time trajectory can be re-planned by the updated local map information, where the obstacle detection sensors are used to inspect partial environment information and update the robot nearby information in real time in the original neural network algorithm. At the same time, the method of the kinematic state templates matching and searching is used to solve the pipes’ influence of the rust removal robot climbing on the wall, which can not only provide a smooth path, but also can judge the motion direction and turning angle of the robot. Comparison of the proposed approach with the simulation shows that the improved algorithm is capable of planning a real-time collision-free path with achieving the local environmental information and judging the rust removal robot’s motion direction and turning angle. This proposed algorithm can be good used in the ship rust removal robot.     

Ӧ����ɢ���̽�ģ�����㷨�о�

实施科学有效的应急疏散策略对提高城市交通应急响应能力、节约救援时间和降低灾害带来的生命财产损失具有重要的作用。疏散路线的构建和各疏散路口的路网分配问题是应急疏散问题的关键所在。在描述路网疏散问题的基础上,构建了以总疏散时间最小化为目标的疏散模型,并运用庞特里亚金最大值原理获得模型的最优解条件。设计了疏散路线构造算法和路口车辆分配算法,用于引导待疏散车辆迅速地疏散到安全区域。在疏散过程中引入反馈思想,利用实时的路网状态信息对疏散策略进行更新调整。仿真结果表明所提出的模型和算法能较好地对路网进行应急疏散。     

Emergency Evacuation Model and Algorithms

A scientific and effective emergency evacuation plan plays an important role in improving the event reaction ability of the urban traffic system, as well as, saves rescue time and reduces property losses. Evacuation route construction and network distribution in each network junction are vital for evacuation planning problems. An optimal objective based on the shortest emergency time is established and the optimal solution is acquired using the Pontryagin minimum principle. The evacuation route construction algorithm and traffic flow assignment algorithm in each junction are employed to deliver the traffic flow in the evacuation area to a safe region rapidly and safely. The idea of feedback is introduced in the execution using real-time information to adjust and update the evacuation plan. The simulation result shows that the proposed model and algorithm can be effectively carried out in an emergency evacuation.     

���ڽ�ͨԼ���ĸ�Ч·���滮�㷨

分析了路径规划问题及其在交通约束条件下的特点。从算法改进和模型改进两方面对路径规划算法进行了研究,在详细分析Dijkstra算法步骤和对偶法的基础上,给出了交通约束的数学模型及道路网络的相关定理。基于传统Dijkstra算法,对搜索过程中的节点和边的标记方式和规则进行了改进,提出了一种在交通约束条件下的高效路径规划算法。该算法通过减少搜索节点和标记边的次数而减少搜索过程中的运算量。仿真结果表明,该算法对偶法1/3～1/4的运算量。     

城市物流无人机起降点布局规划研究

针对城市物流无人机起降点布局规划问题，考虑不同级别的物流无人机起降点，构建以总经济成本最小和客户满意度最高为目标，以禁飞区、无人机性能、容需匹配等为约束的整数规划模型。设计人类学习优化算法(HLO)，引入随机学习算子、个体学习算子和社会学习算子。在此基础上，基于真实地理信息数据和物流数据设计仿真实验，验证模型与算法有效性。实验结果表明，所建模型可以实现起降点的合理布局规划，适用于大规模资源配置，具备有效性；人类学习优化算法较遗传算法求解精度与收敛速度更优，表现出较佳性能。参数分析表明，基于该仿真环境的最优经济成本权重和客户满意度权重设置为0.4和0.6，最佳算法学习概率参数组合为5/n和 (0.8+2/n)。据此可对城市物流无人机起降点布局规划提供决策依据。     

基于机非冲突近似网格风险评估的自动驾驶左转运动规划模型

为了提高自动驾驶车辆在复杂机非混行交叉口行车安全性、舒适性和效率,提出了一种基于机非冲突近似网格风险评估的自动驾驶左转运动规划模型,并进行模型泛化;设定静态离散序列交叉口网格区域的划分规则,根据多状态通行行为概率转换关系,预测非机动车在细分网格中的运动状态,并动态评估机非冲突区域的风险等级;在此基础上,采用模型预测方法设计自动驾驶车辆的横纵向控制算法,通过自适应调节航向与速度实现跟踪期望轨迹并同步规避网格冲突区域;结合车辆动力学与外部交互环境等约束条件,开发交叉口四相位信号控制交通仿真平台,采用模型在环测试的方式,从效率优度、舒适性优度、实际规划路径与参考路径的偏移量等方面,验证了对左转机非冲突区域运动规划的有效性。研究结果表明:所提出模型能够有效动态提取和预测网格风险信息,确保自动驾驶车辆与驶入交叉口非机动车的安全交互、高效通行与驾驶舒适性,其规划路径的偏移量与同类算法相比最大可降低17.1%,通行效率最大可提高26.6%,舒适性优度最大可提高39.3%,实际路径跟踪表现出高效通过交叉口机非冲突区域和规划路径占用空间低的明显优势。      

基于完善交通信息收集的UAV路径规划

针对部分路段不能获取完整交通信息的问题,提出使用无人机对未布设固定型交通信息检测器路段进行交通巡视,完善交通信息。通过时空网络建立了一个总飞行时间最短、最大单机飞行时间最短的多目标模型,确定最佳的无人机数量和交通信息收集路径。新模型不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,而且加入了对未布设固定型交通检测器路段的巡视次数以及巡视时间间隔约束问题,使巡视路径更加合理。情景分析表明,使用两架无人机进行巡视时,总飞行时间最短为37min,在23min 内完成巡视任务;随着最大单机飞行时间权重的增大,无人机的总飞行时间增加9.76%,最大单机飞行时间减少8.70%。算例分析表明,所建模型和方法能够解决大规模路网的多无人机调度问题,能够根据实际需求得到满意的巡视路径。     

���ڻ���������ļ�ʻԱ��̬·���յ��㷨�о�

动态路径诱导旨在向驾驶员提供基于实时交通信息的最佳行驶路径来达到诱导出行的目的，以保证车辆在路网上运行的总费用最小，为驾驶员提供较合理的高效行驶路线。动态路径诱导必须实时保证全局准最优，本文将混沌神经网络应用于动态路径诱导，通过在HNN中引入混沌动态，利用其遍历性进行随机搜索，再由退火策略控制混沌动态逐渐消失并转入HNN进一步优化，从而可保证网络收敛到一个最优或近似最优的稳定平衡点。仿真分析表明：将混沌神经网络应用于动态路径诱导系统中求解最优路径，总能保证网络收敛到全局最优，同时可有效克服Hopfield神经网络易陷入局部最优解的缺点，具有更高的搜索效率，对于求解连续变量的非线性优化问题提供了一种有效方法，验证了混沌神经网络在动态路径诱导中的有效性。     

不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.     

自动驾驶对交通运输系统规划的影响综述

车辆是交通运输系统的重要组成部分,伴随着自动驾驶技术的发展与应用,交通运输系统 将发生深刻变革。本文聚焦于自动驾驶技术对交通运输系统规划的影响,综述自动驾驶特点下 交通数据采集与管理手段、土地利用、停车需求、交通供需、交通需求预测、交通网络布局等方面 发生的新变化。在此基础上,从规划的角度出发,实现对自动驾驶环境下交通运输系统的再认 知,总结自动驾驶环境下交通需求预测、城市交通网络布局等新的交通规划方法与技术。通过对 交通运输系统的再认知发现：在自动驾驶环境下,交通数据具有细粒度、高鲜度的新特点;土地利 用模式将发生改变,城市将呈扩张和去工业化趋势,停车需求减小;交通系统供给能力和可靠性 提高,出行需求的时空分布将更为分散。交通系统规划方法的变化体现在交通需求预测和交通 网络布局两个层面：交通需求预测框架从“四步”框架转变为模型组合化和出行行为一体化的预 测框架,同时,需求预测的各阶段需引入对自动驾驶特征及其系统性影响的分析;交通网络布局 设计采用连续时域上的布局设计框架,有望解决传统交通网络布局设计的时滞性问题,可适应并 服务于动态变化的土地利用及交通需求。本研究认为,未来需重点研究自动驾驶对交通安全、交 通拥堵、公共交通规划、慢行交通规划等方面的影响。此外,解决自动驾驶实测数据缺乏的困境、 解析异构交通阶段交通系统的运作机理、应对交通需求反弹引起的供不应求、评估难以衡量的外 部成本等问题将是未来研究的难点。     

����ͨ��Ϣ�ɼ������˷ɻ�·���滮

引入无人飞机作为城市道路固定交通检测设备的辅助手段,部署无人飞机进行道路交通信息采集,提出了无人飞机的路径规划问题.考虑了无人飞机数量有限,不足以对所有目标进行侦察的情形,建立了以总巡航距离最短、巡航目标数量最多的多目标优化模型,提出了可行路径的重组方法,构造了求解该问题的非支配排序遗传算法.案例分析结果表明：构造的算法可以求出无人飞机路径规划的近似最优解,与最优初始可行解相比,总巡航距离减少了13.07%,巡航目标数量增加了41.67%.最后,讨论了无人飞机在道路交通信息采集中可能面临的问题.     

动态观测数据驱动的滑坡灾害精准模拟分析方法

受全球极端气候变化和人类活动影响,复杂滑坡灾害时空演变过程复杂,其时空演变的高突变性、高隐蔽性、高动态性,以及孕育环境的时空异质性与不确定性等十分突出,复杂地形地质条件下滑坡灾害模拟分析已经成为世界性难题.为此,本文提出动态观测数据驱动的滑坡灾害精准模拟分析方法,设计了动态数据驱动的复杂滑坡灾害精准模拟分析框架,阐释了滑坡灾害过程时空变化的显式语义描述,任务驱动的空天地一体化观测数据规划与调度,计算与存储融合的复杂滑坡灾害实时数据组织与管理,变化驱动的多源动态观测数据实时接入与自主加载,多源动态观测数据在线智能处理,复杂滑坡灾害模拟模型参数智能率定等关键技术,为滑坡灾害链的全链条防灾减灾提供科学理论支撑.