基于轨迹数据的过饱和信号路口排队长度分析

针对交通过饱和情况，利用网联车轨迹数据提供的车辆到达和停车位置等信息，提出一种基于交通冲击波的周期初始队列长度和最大排队长度的估计方法。基于网联车车辆轨迹确定车辆到达时刻、排队时刻、启动时刻及驶离时刻4个临界点的时空数据，并根据时空信息建立到达率估计模型，运用冲击波理论对每个周期初始队列长度及最大排队长度进行估计，应用微观交通仿真软件SUMO对模型进行仿真验证。实验结果表明：在网联车渗透率不低于20%的情况下，当v/c=1.0(v为实际交通流量，c为道路通行能力)时，初始队列长度MAE值小于6.5 m,MAPE值小于10%，最大排队长度的MAE值小于16.0 m,MAPE值小于11%，说明基于车辆轨迹的交叉口排队长度估计模型能够较为有效地估计过饱和交叉口的最大排队长度和初始队列长度。     

基于GRU-DconvLSTM的船舶轨迹预测

利用深度学习方法预测船舶未来航行趋势，对海上交通安全以及船舶管理具有重要意义。在船舶自动识别系统（AIS）中已知的经度、纬度、航速数据基础上，提出一种基于门控循环单元结合双卷积层长短期记忆神经网络（GRU-Dconv LSTM）预测模型。根据原始数据的变化趋势，采用标准差法对数据中的异常值进行处理，得到最终试验数据。该模型一方面通过门控循环单元（GRU）学习船舶历史数据上的运动规律；并采用双卷积层与长短期记忆神经网络（LSTM）结合的形式充分提取数据深层信息，提高模型对时序数据深层次特征的挖掘能力。将该模型与卷积长短期记忆神经网络（CNN-LSTM）、卷积门控循环神经网络（CNN-GRU）以及卷积层长短期记忆（Conv-LSTM）神经网络等3个模型进行对比，将均方根误差、平均绝对误差、平均绝对百分比误差作为评价标准，结果表明，GRU-Dconv LSTM模型在经度和纬度预测上误差较小，精确度较高。     

不可靠车载传输环境下的智能汽车轨迹跟踪控制方法

针对外界扰动、参数摄动、数据传输时滞、转向输出滞后等因素给车辆运动控制带来的严峻挑战，基于鲁棒保性能控制理论提出了一种面向不可靠车载传输环境的智能汽车轨迹跟踪控制策略。通过系统扩维的方式引入转向系统动力学，建立增广无滞后不确定轨迹跟踪动力学模型，以描述执行器动态特性影响下的车路耦合动力学响应。基于Lyapunov-Krasovskii(LK)泛函构建时滞相关稳定性判据，考虑模型参数摄动所引起的系统失配问题，采用不等式放大法对不确定交叉项进行放大，引入H_∞指标对广义外界扰动进行抑制，并通过保性能指标配置控制性能偏好，设计具备线性参数时变(Linear-parameter-varying, LPV)特征的纵横向鲁棒协同控制器。最后通过多个典型工况对鲁棒保性能控制策略的有效性与优越性进行了验证。研究结果表明：在信号传输存在时滞、转向输出存在滞后的状态下，所提出的控制策略能够产生光滑平顺的控制输出，可保证车辆的行驶稳定性；尤其是在低附着、高速转向等恶劣行驶工况下，所提出的鲁棒保性能控制策略能够有效补偿模型失配所带来的不利影响，实现轨迹精确跟踪与横向稳定控制的有效兼顾。因此...     

智能网联环境下无信号交叉口交通自组织方法

针对道路交叉口通行延误问题，基于智能网联环境下的行车定位和轨迹共享技术提出无信号交叉口交通自组织方法，旨在根据车辆的实时位置、行车轨迹以及车速等信息实时计算进入交叉口车辆间的冲突时间差，使得各个方向车流互相预知对方驾驶行为，以实现车辆自组织穿插通过交叉口，以提高交叉口通行效率。实验选择重庆市南岸区白鹤路与桃源路双向四车道典型交叉口为研究案例，根据调查数据和Vissim仿真分析结果显示，所提出的交叉口交通自组织方法比现有信号控制交通组织方式通行时间平均减少了6.39 s,平均通行效率提高了43.6%。     

基于分段优化的车辆换道避障轨迹规划

为提高复杂道路场景下智能车辆换道避障的安全性和舒适性，提出了一种基于分段优化的智能车辆换道避障轨迹规划方法。首先考虑多种换道可能，根据本车状态和多个采样点生成基于五次多项式的候选y-x曲线簇和x-t曲线簇；其次基于指数函数设计了一种障碍风险评价函数，并结合轨迹平顺性、利他性和行驶效率等构建了综合评价体系，选取出最优参考轨迹，为智能车辆换道避障提供方向和速度的参考，以防止轨迹优化时陷入局部最优；为适应障碍物运动状态时变的特点，以参考轨迹为引导，构建分段五次多项式y-x曲线和x-t曲线，并考虑与障碍车辆的碰撞风险建立了优化目标函数，将轨迹优化问题转换成带约束的非线性规划问题，通过外点法求出最优轨迹。最后基于MATLAB平台进行了仿真验证，结果表明，所提出的轨迹规划方法在满足换道平顺、舒适要求的基础上提高了车辆的环境适应性和避障调整能力。     

方形超高层建筑风振轨迹及耦合效应试验研究

方形超高层建筑在2个水平方向的自振特性接近,强风作用下2个水平方向的风致振动会存在一定的耦合效应.为研究此耦合效应对超高层建筑风致振动的影响,进行了方形超高层建筑气弹模型风洞试验,分别测试了均匀流场和边界层风场下结构的风致振动响应.首先,通过限制结构顺风向位移,研究了结构顺风向振动对其横风向振动响应的影响;然后,分析了...     

基于单电流调节器的永磁同步电机深度弱磁控制及模式切换控制策略EI北大核心CSCD

为解决传统双电流调节器弱磁控制策略因交叉耦合和电流调节器饱和导致的系统不稳定问题,提高电流动态响应速度,本文提出一种稳定的永磁同步电机深度弱磁控制策略——基于电压相角的改进型单电流调节器弱磁控制及模式切换控制策略。该控制策略集成了动态性能优异、控制结构简单、不依赖电机参数、电压利用率高和可移植性强等优点。在分析了不同单电流调节器的稳定运行范围后,根据系统控制需求的不同,规划了不同的电流轨迹,设计了不同单电流调节器弱磁控制策略,优化改进了恒转矩区和弱磁区切换条件,确定了恒转矩区和弱磁区切换时保持电压相角不变的关键,提出了不同单电流调节器切换时,可根据控制需求的不同,设计不同的切换方法,但须确保切换时交轴电压保持不变的切换关键,使控制策略便于工程应用。仿真和实验验证了所提方法的稳定深度弱磁能力和切换控制策略的有效性,最终实现了6.3倍深度弱磁控制和弱磁区不同单电流调节器在电动工况和发电工况下的平滑切换。     

改进QuickBundles算法在船舶轨迹聚类中的应用

对船舶AIS数据聚类进行研究，可以挖掘出船舶航行过程中有效或潜在的信息，对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而，提出一种改进QuickBundles算法，并对船舶轨迹采样方法和距离度量方式进行改进，选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据，最终实现船舶轨迹的有效聚类。试验结果表明，与原QuickBundles算法和DBSCAN算法相比，改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法，证明改进QuickBundles算法可有效应用于船舶轨迹聚类。     

融合主成分分析与支持向量机的船舶异常行为识别方法

为解决船舶异常行为识别率低下的问题，综合考虑船舶属性和运动特征，提出了一种融合主成分分析和支持向量机的船舶异常行为识别方法。根据船舶作业过程对船舶行为模式进行划分，并明确船舶行为模式相关的船舶运动特征；进而以船舶自动识别系统数据为基础，运用主成分分析算法提取最具代表性的船舶运动特征；最后运用支持向量机算法对船舶异常行为进行识别。选取青岛港附近水域的船舶轨迹进行试验分析，结果表明：青岛港附近水域最具代表性的船舶运动特征共10个，总贡献率为84.40%;船舶异常行为识别结果的平均精确率和平均召回率分别为83%和84%,均优于对比模型。研究成果可以为船舶位置异常、轨迹异常、航速异常、航向异常等异常情况的智能发现和海事监管提供支撑。     

典型汽车碰撞事故场景中行人运动轨迹预测方法

为提高未来自动驾驶车辆对弱势道路使用群体的感知和决策融合的可靠性，本文提出一种基于目标检测算法（YOLOv5）、多目标跟踪算法（Deep-Sort）和社交长短时记忆神经网络（social-long short-term memory,Social-LSTM）的行人未来运动轨迹预测方法。结合YOLOv5检测和Deep-Sort跟踪算法，有效解决行人检测跟踪过程中目标丢失问题。提取特定行人目标历史轨迹作为预测框架的输入边界条件，并采用Social-LSTM预测行人未来运动轨迹。并对未来运动轨迹进行透视变换和直接线性变换，转换为世界坐标系中的位置信息，预测车辆与行人的可能未来碰撞位置。结果显示目标检测精度达到93.889%，平均精度均值达96.753%，基于高精度的检测模型最终轨迹预测算法结果显示，预测损失随着训练步长的增加呈递减趋势，最终损失值均小于1%，其中平均位移误差降低了18.30%，最终位移误差降低了51.90%，本研究可为智能车辆避撞策略开发提供理论依据和参考。