基于贝叶斯网络模型的道路交通事故链生成与演化研究

为了研究道路交通事故链的生成和演变规律并全面反映道路交通事故的产生机理,以美国100-Car自然驾驶研究数据为基础,充分考虑了驾驶员状态和驾驶行为对道路交通安全的影响,构建了事故发生前驾驶员状态和行为特征参数等变量,并与其他传统驾驶员特征、道路交通特性以及环境特点等影响因素变量共同建立了关于道路交通事故风险类型的贝叶斯网络模型。在贝叶斯网络模型基础上,引入事故因果链理论,利用有向无环网络中简单路径搜索算法生成事故链集合,并采用信息增益特征选择方法识别关键事故链。通过100-Car自然驾驶数据得到的关键事故链显示,单车事故类型更容易在弯道和坡道条件下驾驶员无注意力转移或进行简单非驾驶任务的情况下发生;而正面、侧面和尾部碰撞事故类型的发生,往往在水平直线道路条件下,伴随着驾驶员注意力由前方道路转移至两侧车窗或内后视镜,以及驾驶员非驾驶任务变复杂的情况。通过改变事故链中各节点的状态概率,可以探索不同类型事故的演化路径和规律,克服了传统方法对每个道路交通事故致因因素进行独立分析的局限性,揭示了事故链中影响因素/事件之间的相关关系,为更好地掌控道路交通风险状态和实现事故链阻断提供了新的思路。     

基于ANSYS的舰船桅杆振动半主动神经网络控制仿真

舰船桅杆在风载、船舶横摇惯性载荷以及由螺旋桨引起的桅杆基础加速度激励等载荷作用下,其顶部雷达处会产生较大的转角振动,严重影响雷达追踪的分辨率.文中以磁流变液阻尼器(Magneto-Rheological Damper)为作动器,采用神经网络模拟该阻尼器的逆向动特性,并运用独立模态空间控制算法设计了半主动控制系统.研究了基于ANSYS平台的振动半主动控制实现方法,并最终在ANSYS中实现了基于磁流变阻尼器的舰船桅杆振动半主动控制.数值计算结果表明,文中设计的控制系统能有效地减小桅杆顶部雷达的转角振动,基于ANSYS实现结构振动控制仿真是可行的.     

行车服务推送平台及其关键算法的设计与测试

针对行车主动服务"主动感知-自动生成-主动推送"过程中忽视推送与行车用户的相互影响,设计了基于行车用户操作行为的行车主动服务推送平台(DPSP),包括存储层、应用层和评价层。存储层用来分类和存储用户行为的历史和实时数据;在应用层基于用户操作行为设计了B-Num.BT算法,提高了DPSP的服务推送用户接受度;而评价层则利用操作数据对推送服务进行评价和监控。通过驾驶员在环(DIL)试验验证典型推送场景的及时性、安全性和准确性,结果表明,DPSP满足推送系统性能要求,所设计B-Num.BT算法的各项性能皆优于对比算法Hybrid.BT和CAR.BT;另外发现,及时性同时具有对行车用户分类的功能。本研究对完善DASS、加强行车安全,乃至无人驾驶技术的推广具有重要意义。     

地铁车辆管线模块化设计

斜述了轨道交通车辆在对牵引、辅助、制动等主要部件进行系统整合时开展的模块化设计工作.介绍了管线模块的概念和实施方法.模块化设计模式有利于车辆制造和后期运用检修.     

自动驾驶车辆混行集聚MAS控制模型

随着车路协同技术和自动驾驶技术的不断发展，越来越多的网联自动驾驶车辆（Connected and Autonomous Vehicle， CAV）涌入道路交通，与传统人工驾驶车辆（Human Pilot Vehicle， HPV）形成混合交通流（Mixed Traffic Stream， MTS）。为在提高MTS交通流量的同时保证交通安全，面向未来的混行交通环境，结合交通工程中人、车、路等要素，设计基于多智能体系统的CAV集聚控制模型（Agglomeration Control Model of Connected and Autonomous Vehicle Based on Multi-Agent System，ACMCAV-MAS）。该模型针对CAV的可控性和HPV的随机性，意在通过集聚控制，促使道路中分散行驶的CAV集聚成行驶条件更优的队列。具体以Agent的形式设计与集聚控制相关的底层车辆Agent（CAV-Agent和HPV-Agent两类）和上层管理Agent。同时，针对同质要素间的匹配和异质要素间的风险规避，区别于常规的无集聚（No Agglomeration，NOA）策略，提出车队级集聚（Platoon Level Agglomeration， PLA）和车道级集聚（Lane Level Agglomeration，LLA）2种策略及相关的CAV-Agent集聚控制算法。基于ACMCAV-MAS及元胞自动机模型，在不同交通流密度和不同CAV-Agent渗透率下进行仿真试验。结果表明：集聚策略能在60%的CAV-Agent渗透率下取得最佳效益，同时，在60 veh·km^-1密度条件下，车队级集聚策略平均能提升38.14%的交通流量，比车道级集聚的提升效果高9.73%，并能在40~50 veh·km^-1的密度范围和50%~70%的CAV-Agent渗透率条件下有效缓解交通拥堵；通过对中高密度交通流下的纵向风险分析，发现2种集聚策略在低CAV-Agent渗透率下的风险发生率无显著差异，且最大风险降低比例都能达到20%以上，然而，在实际交通情况下，集聚策略可能会在一定程度上导致横向碰撞风险的增加。在未来的工作中，将继续探究降低横向碰撞风险的方法，同时着力解决目前仿真框架中对于人工驾驶行为异质性建模不够完善的缺陷，不断优化ACMCAV-MAS，为未来MTS中自动驾驶策略的制定提供理论依据。     

路边停车对路段交通流的影响研究

路边停车是城市中常见的一种停车方式，而停车到达和停车出发对路段交通流造成的延误，目前还尚未有明确的数学模型和计算方法。针对双向两车道的道路采用路边垂直式停车方式的情况，本文建立了计算停车到达和出发导致路段交通流延误的模型和公式，就这一问题作出了初步的探索。路段交通流延误的分析计算可用于为评价路段服务水平提供依据；根据具体路段受干扰的程度，为是否允许路边停车提供决策依据；在进行交通分配时，确定更合理的路阻。     

企业物资管理效能监察应严把五道关

物资管理是港口企业一项重点工作,在围绕物资管理开展效能监察工作中,效能监察工作机构应当按照物资管理的内在规律,把好物资采购技术管理、招标和比价采购管理、物资到货验收和使用管理、废旧物资利用和处置管理以及运用科技手段实施物资管理过程监督五道关,通过加强动态监督和超前预控,促使企业廉洁高效地完成物资管理工作,保障港口生产经营物资需求。     

汽运管理专业金工课教改的尝试

我校是辽宁省交通厅所属的交通高等专科学校，设有汽车运输管理专业。1986年建校时，按管理专业的惯例未开设金属工艺课。后来经过有关专家论证，校领导决定开设金工课，以加强学生对金属材料及加工工艺等知识的了解，适应汽运管理工作的需要。近几年，我们在金工课教学中注意联系学校实际情况．充实教学内容，改进教学方法，     

智能网联车辆混行交通流中灯语意图识别模型研究

为使混行交通流下智能网联车辆(Connected and Automated Vehicles, CAV)实现对人工驾驶车辆(Human-driven Vehicle, HV)前照灯灯语意图(Vehicle Headlights Intention, VHI) 的识别，弥补车对车(Vehicle to Vehicle, V2V)和鸣笛意图识别技术的不足，更好地与HV交互沟通，提出CAV对HV的VHI识别模型.模型包括：灯光感知、光数据处理、VHI识别3个模块，灯光感知模块通过RGB(Red-Green-Blue, RGB)和HSV(Hue-Saturation-Value, HSV)颜色空间感知前照灯(Vehicle Headlights, VH)，采用KLT(Kanade-Lucas-Tomasi Tracking，KLT)和车辆匹配算法定位跟踪发出灯语的HV；光数据处理模块采用光通道增益算法计算光辐射通量变化； VHI识别模块基于双层隐马尔可夫模型(Double-layer Hidden Markov Model，DHMM)辨识VH 闪烁次数和HV行驶状态，实现VHI识别.在3种灯语示意典型场景下的实验结果表明：1 s内 VH感知准确率为96.8%，定位跟踪精度小于1°，VHI识别率为96.6%，满足混行交通环境下 CAV对HV驾驶意图的识别要求，基本保证实时性，为混行交通流中CAV自动驾驶决策提供理论依据.