路侧停车智能收费系统优化机制研究

在分析路侧停车收费系统机理及收费流程,并调研梳理路侧停车收费系统运行中跳变、漏检、跟车等典型问题基础上,识别出车位检测器不稳定是问题关键,从技术提升、业务优化及流程改进等三个维度提出优化机制,引入用户主动申报、车号绑定等辅助校核手段,构建用户与系统双向认定机制,改变既往单纯以车位检测器时间作为交易判定逻辑及纠错判定逻辑核心的不足,为路侧停车收费系统优化改善提供实施层面的有益参考。     

发电柴油机高温水故障停车实例

柴油机冷却水温度是船舶重要状态参数之一,水温过高影响柴油机的散热效果,导致柴油机零部件热负荷升高、部件强度降低,同时使滑油温度升高、黏度降低,润滑效果恶化,加大运动部件的磨损。长时间在超过最高允许温度条件下运行,还会出现密封件老化、缸套漏水,甚至出现拉缸、轴瓦烧损等严重事故。     

交通常新的梦想与路径

<正>实干兴邦,交通才能常新。要让梦想照进现实,唯有毫不含糊地落实为具体行动,化为建立在勇气、智慧基础之上的实干,才是根本。"使交通真正成为发展的先行官"、"加快互联互通、大通关和国际物流大通道建设"、"在全国基本实现高速公路电子不停车收费联网"、"实施‘中国制造2025'"、"鼓励企业参与境外基础设施建设"、"支持企业更多参与重大科技项目实施、科研平台建设"……     

2017款别克威朗车发动机偶尔无法起动

故障现象一辆2017款别克威朗车,搭载L3G发动机,累计行驶里程约为6.2万km。车主反映,发动机无法起动已出现过多次,在4S店已经更换过点火主继电器并处理过高速GMLAN总线,但是故障依旧会出现,此次要求4S店进行彻底检修。故障诊断接车后首先进行路试,路试过程中,将车辆靠路边停车熄火后再起动。     

基于多智能体深度强化学习的停车系统智能延时匹配方法

“互联网＋”模式下区域停车“用户-资源”优化匹配是解决找车位难问题的有效途径，传统研究主要关注动态匹配机制设计，缺乏对用户匹配时机的考虑。在随机动态环境下，用户到达目的地附近后进行适当的延时等待，往往可以获得更优质的泊位资源，但取决于当前的停车供需模式。据此首次提出智能延时匹配策略，将每个停车用户抽象为智能体，构建多智能体深度Q学习模型(M-DQN)。结合系统的停车供需状态学习，用户自主决策延时等待时间，进入分配池后，系统利用匈牙利算法进行泊位匹配。在智能体总数量可变的环境下，利用集中式训练与分布式执行的框架，实现多智能体协同优化。为对比智能延时策略的效果，设计等待零时长策略(Greedy)和等待最大时长策略(Max Delay)。在算例中，结合同济大学四平路校区实测停车数据，设计3种不同的停车供需模式场景。在工作日早高峰时段，Greedy是最优的匹配策略，M-DQN和Max Delay的平均停车过程总用时会增加，匹配成功率下降；在工作日非高峰时段，M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少23.8%和22.4%，效果提升明显；在工作日晚高峰时段，M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少了12.8%和14.5%，M-DQN可以结合供需状态学习到最优的匹配策略。研究结果表明：在停车供需相对平衡的环境下，所提出的延时匹配策略和多智能体深度强化学习方法可以有效减少用户停车的平均行驶时间和步行距离，且停车周转率越高效果越好；但延时策略在应用方面仍有一定的局限性，不适用于停车供给紧张，停车周转率较低的场景。     

基于演化博弈的政府鼓励条件下共享停车行为分析

为研究在政府鼓励措施下出行者和车位拥有者参与共享停车时的策略对共享停车匹配结果的影响，建立出行者和车位拥有者演化博弈模型并进行演化稳定状态分析，结合仿真说明不同收益和成本及策略选择对共享停车的影响。研究结果表明：在政府鼓励措施下双方演化博弈中出行者和车位拥有者均能通过不断学习最终演化至稳定均衡状态，但演化速率和演化波动性受双方收益制约；通过分析发现，想要演化至(使用，共享)状态则需要较高初始比例，可以通过提高收益和减少成本等措施诱导出行者和车位拥有者使用共享停车，同时在初始比例较高时收益分配比例对演化过程也有较大影响。研究发现，当共享平台给出合理收益和支出费用时，政府鼓励 政策对共享停车发展起促进作用。