洗、扫、吸三结合的新型道路保洁模式

我国经济的高速增长对城市的保洁提出了更高的要求,而现阶段绝大多数城市的传统保洁模式存在着效率低、保洁效果差、使用成本高和某些路面无法作业等问题,具有洗扫吸三结合高效道路保洁作业的新型道路保洁模式摒弃了传统模式的诸多弊端,具有清洁彻底、水资源高效利用、作业时间长、路面不积水、无二次扬尘污染、操作和维护保养简便和使用成本低等突出优点,值得环卫行业推广和普及。     

基于MCE的编队协同防空武器通道优选研究

针对MCE条件下水面舰艇编队协同防空作战中武器通道优选问题,从信息共享条件下的未来防空需求出发,通过分析武器通道的选择原则,引入理论易懂、计算简单的RSR法来判断通道性能的优劣,为编队协同防空武器通道优选提供了新的解决方法。     

应急物流体系的建设与协同运作机制

基于物流网络与系统工程视角提出了应急物流体系的建设思路与原则,探讨了应急物流体系的构成和运作流程,并基于协同学理论分析了应急物流体系协同内涵,提出了应急物流体系协同运行机制。     

集装箱作业系统一体化调度研究综述

目前,对集装箱作业系统的调度研究较少考虑有限资源的协同分配,也缺乏对具有自主和分散特点的多资源一体化调度及其方案自适应能力的研究.文中从一体化调度层面展开,对集装箱作业系统相关的国内外研究进行综述;采用复杂作业车间调度问题的描述方法,给出了一体化调度问题的描述原型;基于迭代式分解调度方法,构建了一体化调度问题的解决方案.     

城市步行和自行车交通规划协同策略

研究专项规划阶段城市步行和自行车交通的综合协同发展策略,有利于规划建设与城市土地利用相协调、与其他交通方式衔接良好、高品质的步行和自行车交通系统。从三个方面阐述城市步行和自行车交通协同策略:规划编制方面,提出与上、下位规划以及同位相关规划的内容及程序的协调策略;外部关系方面,探索与城市自然地理特征、其他交通方式、土地利用及环境景观的协同策略;内部关系层面,探讨步行和自行车交通之间的和谐共处策略。同时,从四个层面提出维护协同关系的策略。最后,以济南市步行和自行车交通示范项目为例,阐述协同策略的具体落实。     

基于协同航路技术的航路资源分配方法研究

为减轻扇区拥挤,科学地利用扇区时隙资源,降低航班延误损失,本文研究了航路资源分配方法,将研究重点放到航路上,并建立了以航班总延误损失最小为目标,以扇区容量为约束的简化数学模型,该模型可以让航空公司灵活、自主地为航班确立优先等级。本文选择航班实际数据进行仿真,并使用优化软件对模型进行求解,算例仿真结果表明,所提方法能够大...     

车路协同技术在城市交通中的应用研究

本文阐述了车路协同技术的基本概念,并从车、路、边、网、云等方面分析了车路协同技术在智慧交通中的应用途径。结合车路协同技术,对城市交通中典型应用场景进行分析研究,得出车路协同技术的应用有利于提升城市交通智能化、信息化水平,对解决城市交通拥堵、道路安全等问题,提升交通系统运行效率有着现实意义。     

智能分布式驱动汽车路径跟踪/制动能量回收协同控制策略研究

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题,充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势,设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数,以综合优化各工况下的控制目标。高附路面下,制定满足最大能量回收值的全局参考车速,在线优化路径跟踪指令,实现最优能量回收的同时减小系统运算负荷;低附路面下,优先考虑车辆的路径跟踪性能和行驶稳定性,在多目标代价函数中取消对全局参考车速的跟随要求,增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解,得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配,最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件,搭建控制器在环仿真平台,并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明：高附路面下,所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间;低附路面下,与使用高附控制策略相比,能够保证车辆的路径跟踪准确性与行驶稳定性,同时可提升7.8%的能量回收值;控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。     

基于广义时空图卷积网络的交通群体运动态势预测

针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率。分析结果表明:相较于传统自回归求和滑动平均(ARIMA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79%、22.97%和16.73%;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17%和75.71%。可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息。