基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

The identification and empirical characterization of vehicular (Lagrangian) fundamental diagrams in multilane traffic flow

Traditional macroscopic traffic flow modeling framework adopts the spatial–temporal coordinate system to analyze traffic flow dynamics. With such modeling and analysis paradigm, complications arise for traffic flow data collected from mobile sensors such as probe vehicles equipped with mobile phones, Bluetooth, and Global Positioning System devices. The vehicle‐based measurement technologies call for new modeling thoughts that address the unique features of moving measurements and explore their full potential. In this paper, we look into the concept of vehicular fundamental diagram (VFD) and discuss its engineering implications. VFD corresponds to a conventional fundamental diagram (FD) in the kinematic wave (KW) theory that adopts space–time coordinates. Similar to the regular FD in the KW theory, VFD encapsulates all traffic flow dynamics. In this paper, to demonstrate the full potential of VFD in interpreting multilane traffic flow dynamics, we generalize the classical Edie's formula and propose a direct approach of reconstructing VFD from traffic measurements in the vehicular coordinates. A smoothing algorithm is proposed to effectively reduce the nonphysical fluctuation of traffic states calculated from multilane vehicle trajectories. As an example, we apply the proposed methodology to explore the next‐generation simulation datasets and identify the existence and forms of shock waves in different coordinate systems. Our findings provide empirical justifications and further insight for the Lagrangian traffic flow theory and models when applied in practice. Copyright © 2015 John Wiley & Sons, Ltd.     

面向智能车辆的现役道路设施行驶适应性研究综述

为了总结面向智能车辆的现役道路设施行驶适应性，即现役道路基础设施承载智能车辆行驶的适宜程度，阐述自主智能驾驶定义与驾驶自动化等级分类，在此基础上剖析不同等级间的人机功能差异，并分别从感知层、感知-决策层、决策-控制层探讨与道路设计要素相关联的人机功能差异，通过归纳总结智能车辆与道路几何要素、路面性能及其他道路要素(如道路标线)的相互作用机制研究，从道路工程角度及其他道路要素方面回顾该领域的研究现状，指出存在的问题和未来发展方向。研究结果表明：相比传统车辆，配置高等级自动驾驶系统的智能车辆对现役道路设施行驶适应性最高，主动安全系统次之，而驾驶辅助及有条件自动驾驶系统适应性不足。而目前研究主要问题包括：难以归纳、标定不同驾驶自动化等级间的人机功能差异及其对于道路设计参数的需求设计值；测试道路场景条件过于理想，考虑的驾驶自动化等级单一，试验规模和样本有限；道路几何、路面性能以及道路标志、标线等道路要素与智能车辆间的相互作用机制研究不足，缺乏与不同道路场景相匹配的智能车辆驾驶特征数据的获取手段。因此建议：重视并推动与道路设计要素相关联的关键人机功能差异指标信息共享；联合高保真且可交互的道路场景、高精度感知传感器物理模型、车辆动力学模型及微观交通流模型，利用测试场景自动化生成、极限工况场景搜寻与泛化等技术开展智能驾驶虚拟测试，突破现有研究的深度和广度；探索反映不同等级智能车辆的道路行驶适应性特征指标与评价标准，精准、有效地评估预测复杂道路场景及不利道路条件下的行驶适应性。     

GSM-R中跨SGSN更新时源SGSN域名解析数据的智能生成方案设计

源SGSN域名解析数据是GSM-R网络编号方案数据中重要的需跨局制作的一类数据。由RAI编码构造生成,在跨SGSN路由区更新时,存储于DNS中,以解析源SGSN的IP地址。全路400多条G网线路,错综复杂的基站引用关系,导致数据复杂多样。针对该情况,利用聚类分析和关联规则分析算法,研究源SGSN解析数据的智能生成方案,提高数据的全面性、准确性,从而有效保障GSM-R分组域应用业务的正常运转。     

基于FLAC软件模拟强夯加固吹填砂地基

基于港区陆域吹填项目,采用FLAC软件建立三维模型,模拟了不同夯能、夯击次数对强夯效果的影响,对强夯前后杨氏模量的变化进行了分析研究。结果表明,表层吹填砂厚度和下卧软土层分布对夯能的大小起着决定作用。对于下卧松散砂层,可适当加大夯击能量和夯击次数(7~8击),增加其处理深度和效果;而对于下卧软黏土层,可以适当减小夯击能量并增加夯击次数,以提高加固效果。夯击之后,表层吹填砂的杨氏模量有较大的提高,从原来的10 MPa提高到20~40 MPa。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.     

强夯置换法处理滨海公路软土路基

结合辽宁省滨海公路庄河市大张至中隈段的土质情况,阐述了强夯处理软土地基的设计方法、施工过程及处理后的地基效果.     

短时交通流预测方法比较

短时交通流预测是实现交通流诱导的关键技术之一。短时交通流因为其不确定性等特点而使其预测很复杂。通过实地调查获取的交通流量数据,分别采用移动平均法、指数平滑法、AR模型法3种交通流预测方法进行短时交通流量预测,并通过不同的评价指标对上述3种方法的预测效果进行评价,得出AR模型方法的预测效果优于其他2种方法。     

����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

���������ǻ�����—— “��ͨ 7+1 ��̳”����ʮ�ߴλ����ʵ

大数据所涉及的信息量规模巨大,大数据技术使得人类认识世界的思想及方法发生变革。智慧物流是利用集成化、智能化、移动化技术,使物流系统具有思维、感知、学习、推理判断和自行解决物流中的某些问题的能力,它包含了智能运输、自动仓储、动态配送及智能信息的获取、加工和处理等多项基本活动,为供方提供最大化的利润,为需方提供最佳的服务,同时也应实现消耗最少的自然资源和社会资源,从而形成完备的智慧物流综合管控体系。论坛的主题是大数据与智慧物流,面向大数据技术在智慧物流领域的应用问题,着重研讨大数据背景下智慧物流体系、理论和方法,推动我国现代物流行业健康有序协调发展。