基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况,提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数,利用列车运行过程中的状态偏差,推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数,通过迭代域的差分,证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证,结果表明,所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度,能够在较短的迭代次数实现对期望曲线的精确跟踪.     

基于智能路钮的超高速公路虚拟轨道系统研究

为提高超高速公路行驶安全性,使用结构分析和数学模型的方法研究基于智能路钮的高速公路虚拟轨道系统. 该系统由路面子系统、车载子系统和服务中心子系统组成. 安装车载系统的车辆接近写入路钮时激活虚拟轨道系统,阅读器读取标签路钮的位置坐标和该处道路线形信息,同时数据处理模块读取线形参数并处理得到道路切线与车身角度,读取前轮偏角、车辆速度和相邻两个标签路钮之间的距离,利用计算模型得到车辆在相邻两个标签路钮之间行驶时方向盘的转动角速度,并将控制参数发送给转向电机. 研究结果表明,当超高速公路设计车速分别为140,160,180 km/h时,只要保证路钮间的距离分别小于1.33,1.50,1.69 m,就可保证车辆偏离中心线的距离小于0.5 m. 因此,基于智能路钮的虚拟轨道系统可将车辆限制在虚拟轨道内行驶,保证超高速公路的安全性.     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。      

时间社会学视角下老年人对家庭出行行为的影响研究

为阐述家庭微观社会情境中老年人与同住成员之间的行为交互对个体出行决策的影响,本文从时间社会学视角出发,以昆明市有老年人家庭为分析单元,用家庭贡献度量化老年人家务活动的分担程度,构建结构方程模型揭示老年人对家庭成员日常活动时间结构的影响,进而剖析成员间的活动交互影响机理.结果表明：老年人家庭贡献度增加时,成员间在非通勤活动上的交互效用减弱;由于女家长在时间结构上呈现隐形的“时间贫困”特征,其在活动-出行模式上受老年人家庭贡献度的影响显著高于男家长;与此同时,老年人作用下女家长在非通勤活动出行决策时优先考虑家务活动的时间安排,而男家长则优先考虑自由活动的安排.     

北京市旅游交通方式选择行为研究

为防止北京市旅游高峰期间景区周边交通混乱以及城市交通路网负荷增加,选取北京市三 处景点进行问卷调查,将游客的年龄、是否有车、月收入、同行人数及同伴类型等数据作为影响游客交通方式选择的因素。与此同时,对所需数据进行有效性检验,进而分析不同游客的出行方 式特性,利用非集计模型对游客的交通方式选择行为进行研究。结果显示：游客的年龄、是否有车、月收入、同行人数以及同伴类型这几类因素对游客的交通方式选择的影响均显著,并得到游 客对私家车、出租车、地铁及公交车这四类交通方式选择的比例,分别为17%, 7%, 54%, 22%。研究表明,北京市旅游交通方式的需求以公共交通为主,尤其是对轨道交通的需求,为此建议进 一步加大北京市旅游公共交通系统建设,提高旅游交通的服务质量。     

考虑辅路缓冲的快速路紧急疏散最优控制

针对紧急疏散中单向需求激增的情况,提出利用地面辅路缓冲容纳部分疏散车流,从而降低快速路疏散的整体时空风险.基于宏观交通流模型建立了快速路疏散车流演化方程,明确了上匝道车速对主线车速的影响,从而实现经典宏观交通流模型对路网状态演变处理的一致性.针对由下匝道、地面并行道路和上匝道构成的地面辅路行程时间的二分特征,建立了相应的离散时间的流量演化方程.辅路系统方程不仅可以刻画地面辅路疏散车流的主要特征,而且能与已有快速路的状态演化系统实现无缝结合.数值分析表明,利用匝道控制和辅路分流两种手段可以实现系统整体时空疏散风险的最小化控制.     

考虑同伴群动态交流分组的行人仿真模型研究

朋友、家人等社会群体结伴出行的同伴群在行人流中常占有较高比例.由于交流需求,同伴群趋于肩并肩行走以横向成排或接近浅V型的形态前进.在现有研究中,基于社会力的同伴群行人微观仿真模型对这一现象的描述最符合实际.本文观测发现,随着人流密度的增加或同伴群成员数量增多,同伴群通常动态呈现前后分组、横向成排空间形态,这是每个同伴群成员为寻求一个合适的行走位置,对满足交流需求和降低前进阻力权衡决策后呈现的自组织现象.本文提出动态交流分组模型对同伴群成员个体决策机理进行刻画,在此基础上,通过仿真实验分析同伴群对行人流动力学特性产生的影响.仿真研究结果表明,模型较好重现了同伴群随密度和人数增加的动态分组现象;同伴群的存在会降低行人流速度,但其影响强度随人流密度的增加而减弱;同伴群动态交流分组模型的引入会提升仿真行人流的通行效率,使之更加接近真实行人流的运动特性.     

个体对通勤时间的态度和偏好视角下的职住空间失调

研究职住空间失调能够帮助我们更好地理解个体对职住分离的态度和偏好,并有助于在制定政策时考虑通勤者更真实的需求和期望.本次研究采用理想通勤时间和实际通勤时间的匹配程度来度量职住空间失调,并以昆明市为案例进行了实证研究.描述性统计结果表明,大多数通勤者认为他们的职住空间是失调的,有41.04%的通勤者遭受重度空间失调.进一步,基于序次Logistic回归模型分析了职住空间失调的影响因素.结果表明,出行方式、居住区位、年龄、受教育程度和家庭有无小孩对职住空间失调有显著影响.同时,由于个体对通勤时间的态度和偏好的异质性,更长的通勤时间并不总是意味着职住空间更加失调.     

强震作用下群桩基础抗液化性能的振动台试验

为研究强震作用下群桩基础抗液化性能优于单桩基础的具体表现形式,依托海南省海文大桥工程,采用振动台模型试验开展单桩、四桩、六桩基础处理液化地基的差异性研究,分析了3种不同工况下饱和粉细砂土层中孔压比、桩身加速度和弯矩时程响应差异及其三者相互关系.研究结果表明:0.35g地震动荷载作用下,3种工况均产生液化现象,饱和粉细砂...     

基于激光视觉融合的帧间匹配方法

同步定位与地图构建(Simultaneous Location and Mapping, SLAM)是机器人在未知环境中实现自我导航能力的重要保证。目前SLAM算法使用的主传感器基本是激光雷达或视觉相机。二者各具优劣,激光雷达能更精确地进行测距,视觉相机能反映环境丰富的纹理信息。与使用单一传感器相比,将二者融合的SLAM算法能够获得更多环境信息,达到更好的定位和建图效果。文章提出一种融合激光雷达和视觉相机的帧间匹配方法,通过在SLAM帧间匹配过程中加入地面约束以及视觉特征约束,提高帧间匹配过程精度,增强算法鲁棒性,从而提升SLAM算法整体效果。文章最后利用采集的地下停车库数据进行结果验证,与开源算法A-LOAM进行对比。结果表明,相比A-LOAM的帧间匹配方法,文章提出的方法相对位姿误差提升约30%。