基于蒙特卡洛模拟的无人车高速公路变道虚拟测试场景自动生成算法

高速公路环境下,相邻车道前方车辆变道切入是常见的高风险场景.基于场景的虚拟仿真测试,是验证无人车应对其他车辆变道切入时控制算法安全性与可靠性的有效方法.基于蒙特卡洛模拟方法,提出一种无人车高速公路变道虚拟测试场景自动生成算法,实现测试场景中变道车与测试车的运动轨迹生成.利用高速公路真实交通数据集highD提取真实变道场...     

面向示范应用与可复制推广的智慧高速公路建设方案

对智慧高速公路建设方案进行了探索和思考,介绍了政策引领市场的形势分析,并总结了智慧高速公路框架体系,从而提出一套基于示范应用的智慧高速公路建设方案,对智慧高速公路未来的方向做了详细地阐述。     

一种自动驾驶整车在环虚拟仿真测试平台设计

围绕自动驾驶整车在环虚拟仿真测试需求，提出了一种基于多自由度转鼓平台的自动驾驶整车在环虚拟仿真测试平台设计方案。首先阐述了仿真测试平台整体结构与各组成部分的具体功能；然后详细分析了道路模拟子系统与传感器模拟仿真子系统的设计原理、组成模块及功能支撑，并完成了仿真平台的开发及测试流程设计；最后，以自动驾驶汽车自适应跟驰及避撞场景测试为典型应用案例对设计的仿真测试平台进行验证。结果表明，提出的仿真测试平台能够满足自动驾驶研发测试的需求。     

科学调查船能效管理

正0引言科学调查船是海洋探测与研究最重要的平台。目前,由国家海洋局组建,全国有关部门、科研院(所)、高等院校及企业单位的科学调查船组成的国家海洋调查船队成员船已达50艘。大型海洋综合科学调查船由于其调查区域涵盖世界上大部分海域,且科考调查作业灵活多变、综合性强~([1]),作业海域的环境变化和调查方案的随时调整都对其轮机管理提出较高要求,特别是能效管理须结合航次特点,确定能效的影响因素,从而制订科学、合理的航次计     

自动驾驶测试场景研究进展

阐述了目前形成的自动驾驶测试场景的5种定义,并在梳理测试场景、基元场景、场景要素之间逻辑关系的基础上提出了自动驾驶测试场景及有关概念的定义;对比了目前业界较为认可的3种自动驾驶测试场景架构;从场景数据来源梳理了国内外开展的交通事故数据与自然驾驶数据采集与研究现状;概括了利用已知数据、专家数据、测试需求、测试对象以及自动驾驶技术特征等开展未知自动驾驶测试场景构建与自动生成研究的成果。研究结果表明:自动驾驶测试场景的定义及架构与自动驾驶场景的构建与自动生成关系密切;自动驾驶场景可以认为是自动驾驶汽车的行驶环境、交通参与者与驾驶行为等场景要素的有机组合与综合反映,自动驾驶测试场景除包含场景的所有要素外,还应包含场景起始状态、场景发生的态势以及场景结束时造成的影响和结果等内容的动态语义描述;现有测试场景架构已较为完善,但难以满足不同测试目标及测试方法的需求,其优化应充分考虑测试场景设计的流程;交通事故数据采集精度及有效数据特征不一,自然驾驶场景数据难以完全采集,且采集规范不统一,其面向自动驾驶测试场景构建的有效性还有待进一步论证,自动驾驶测试数据有望成为重要补充;提升场景覆盖度、加速测试进程是自动驾驶测试场景构建的重要研究目标,人工智能技术在自动驾驶场景生成领域的深度应用有望满足测试场景的完全覆盖或高覆盖需求;面向不同自动驾驶等级的测试场景分级及面向自动驾驶加速测试场景构建方法将是自动驾驶测试场景构建下一步研究的重要方向。      

船舶GPS监控管理系统

介绍了船舶GPS监控管理系统的软件及功能。     

基于Windows平台的电网调度自动化系统的优化构架

根据目前计算机技术的发展水平和电力系统自动化发展的实际需要,电网调度自动化系统不断升级换代,而系统的升级换代主要是主站端的改进.本文设计电网调度自动化系统主站端为网络式结构.在充分满足电网调度自动化系统功能规范规定要求的情况下,采用更合理的硬件、软件结构,大大提高了系统的稳定性、安全性等.     

港口机械结构应力实时监测系统研究

为了掌握港口机械承载结构工作时的技术状态,采用动态应变仪进行数据采集,用Visual C 编写实时监控软件对采集的数据进行处理,实现对港口机械结构应力的在线实时监测.分析了港口机械结构应力实时监测系统的硬件组成和软件结构,提供了对动态应变仪进行操作的函数,给出了基于VC的动态应变实时监测软件的开发方法.     

基于Web的多路视频播放器及其在路产管理系统中的应用

针对基于视频的路产管理系统需要实时同步播放多路复合视频的特点,设计了一款基于ActiveX技术的多功能视频播放器,该播放器通过数据库关联技术实现了每一帧视频图像的精确定位,并采用多线程边下载边播放技术实现了在Web环境的应用。该播放器已经成功应用于某路产管理系统中,使用表明：该播放器使用简单、视频播放流畅、帧定位效率高。     

基于不同风格行驶模型的自动驾驶仿真测试自演绎场景研究

为了验证自动驾驶汽车决策结果的安全性,提出一种具有自主决策和交互能力的行驶模型生成方法,该行驶模型作为背景车被用于构建自演绎仿真场景来测试自动驾驶汽车的连续决策能力。首先,以强化学习为基础、结合遗传与进化思想,创新地设计并生成了具有自主决策和交互能力的不同风格行驶模型;然后,在模型构建阶段分别训练生成了保守、普通和激进3种风格的行驶模型,其中普通风格行驶模型的训练参数来源于自然驾驶数据集highD的车辆参数分布,保证了该行驶模型的真实性;最后,在普通风格行驶模型的基础上设计并训练出了具有显著激进特征的激进风格行驶模型,以增强自演绎场景的复杂性和测试效果。结果表明：在模型真实性方面,以highD数据集中的跟车速度、车头间距、换道时刻下碰撞时间等参数的分布为真值,研究所生成的普通风格行驶模型的参数分布与真值的平均相似程度为88%,相较于基于规则的智能驾驶人模型（IDM）提升了20.3%;在场景测试性方面,以被测系统为主要责任方的碰撞次数为评估指标,研究生成的不同风格行驶模型所构成的自演绎场景的测试性约是由IDM构成的基线场景的7倍。因此,设计和生成的行驶模型所构成的自演绎场景可以有效支撑面向自动驾驶决策系统的仿真测试。