International experience with speed limits during and prior to the energy crisis of 1973–4

This paper presents an artificial neural network (ANN) based method for estimating route travel times between individual locations in an urban traffic network. Fast and accurate estimation of route travel times is required by the vehicle routing and scheduling process involved in many fleet vehicle operation systems such as dial‐a‐ride paratransit, school bus, and private delivery services. The methodology developed in this paper assumes that route travel times are time‐dependent and stochastic and their means and standard deviations need to be estimated. Three feed‐forward neural networks are developed to model the travel time behaviour during different time periods of the day‐the AM peak, the PM peak, and the off‐peak. These models are subsequently trained and tested using data simulated on the road network for the City of Edmonton, Alberta. A comparison of the ANN model with a traditional distance‐based model and a shortest path algorithm is then presented. The practical implication of the ANN method is subsequently demonstrated within a dial‐a‐ride paratransit vehicle routing and scheduling problem. The computational results show that the ANN‐based route travel time estimation model is appropriate, with respect to accuracy and speed, for use in real applications.     

分布式水下多传感器多目标模糊跟踪融合方法

水下多传感器多目标跟踪系统往往是一个不同类传感器融合系统,且其目标航迹包含有不确定和模糊信息.本文首先利用模糊隶属度函数和模糊逻辑推理技术,进行分布式水下多传感器多目标航迹模糊融合关联决策,并利用有效数据处理和分层融合估计相结合的方法,以实现不同类传感器高精度融合跟踪估计.     

双块式无碴轨道工具轨法施工装备之粗调机

RP1500—4型粗调机是针对武广客专研制开发的双块式无碴轨道施工装备。介绍了该粗调机的主要结构、系统构成、性能参数及其应用范围。该粗调机在武广客专试验段应用，取得了满意的效果。     

Anti-jackknife reverse tracking control of articulated vehicles in the presence of actuator saturation

It is well known that backward motion control of an articulated vehicle is difficult because it is an open loop unstable system and such motion is also dangerous due to ‘jackknifing’. In this paper, an anti-jackknife reverse tracking control strategy for autonomous articulated vehicles is proposed based on the combined longitudinal and lateral control scheme. In the proposed lateral-longitudinal control scheme, the major task is to control the reverse heading of the trailer by automatic steering strategies that observe both the anti-jackknife condition and input limitations. The main contribution of this paper is the development of globally asymptotic anti-jackknife stabilising and tracking controls of heading angles with both state and input constraints considered a priori. The proposed control inherently has an anti-windup mechanism that prevents the hitch angle from going beyond any specified critical value to avoid jackknifing, during which time, the steering angle remains at its limit. Stability of the controller is theoretically proven via the Lyapunov argument. Effectiveness of the proposed approach is demonstrated by CarSim and Simulink joint simulations.     

基于Dijkstra算法的物流配送系统最短路径程序设计

两点之间的最短路径算法是物流配送系统涉及的最基本算法。基于Dijkstra算法的基本原理，提出一种物流配送系统最短路径设计，包括配送路线图的数据输入模块、配送路线图的主体模块，最终得出输出结果，获得任意多个结点之间的最佳路径，从而能有效提高配送效率．降低配送成本。     

基于离散势能场的行人路径规划算法研究

复杂二维场景中的行人路径规划是行人仿真研究体系中微观仿真服务的关键性问题之一。针对该问题提出基于离散势能场的路径规划算法，给出总体算法的流程，并针对离散势能场的生成算法、离散路径的合理化方法等关键环节进行详细论述，最后经算例证明该算法具有一定的有效性，同时存在一定的局限性。     

基于扩张状态观测器的列车轨迹跟踪控制及其在CMC环境的测试

在列车运行过程中,存在着复杂且不确定的外部环境,很难获得阻力的表达式和阻力系数,因此,准确的外部阻力估计直接影响到列车轨迹跟踪精度。设计一种新型的基于扩张状态观测器的列车轨迹跟踪控制算法,将外部阻力和内部干扰扩展为一个新的状态变量,并进行精确估计。采用遗传算法对扩张状态观测器的参数进行优化。最后,在国产CMC芯片的硬件环境下进行测试。测试结果表明,基于扩张状态观测器的控制策略比现有广泛使用的PID算法具有更好的跟踪性能。得出以下结论:所设计控制算法通过补偿各种干扰的影响达到列车位置和速度的精确追踪,具有较强的抗干扰性。     

考虑禁行路线路网的最优路径求解

为了解决含有禁行路线路网中的最优路径求解问题．研究了含有装行路线路网的特点．建立了数学模型。通过路网转化法把含有禁行路线的路网转化为不含禁行路线的路网．降低了最优路径求解的难度。采用邻接结点关系矩阵和邻接结点权矩阵表达路网中结点和路段的拓扑关系，减少了路网的存储空间。用动态邻接结点关系矩阵和邻接结点权矩阵对经典的Dijkstra算法进行了改进，节省了计算机存储空间、提高了计算效率．并给出了基本算法。将所研究的路网转化方法和改进的Dijkstra算法应用于所研发的车辆诱导系统软件，并进行了实际测试。测试结果表明．府用该方法能够在含有禁行路线的路网中求解最优路径．且运算效率较高。     

智能网联汽车运动规划方法研究综述（双语出版）

分析了近年来智能网联汽车（Intelligent Connected Vehicle，ICV）运动规划方法的研究，根据规划时空尺度和任务目标，将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务，回顾了各级子任务中智能网联技术的研究和应用现状；探讨了ICV中驾驶人行为特性及其对运动规划结果的影响；从技术背景、研究场景、算法流程和应用理论4个方面，提出ICV运动规划方法研究的未来发展方向。结果表明：由于ICV主要依赖车辆网联信息规划运动路径，而路网中同时存在不同网联等级的ICV，这将增加路径规划问题的求解难度；现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况，将现有算法与微观交通流模型相结合有助于解决此问题；ICV中人机协同及任务切换领域已出现诸多研究热点，如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题；借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识，但是车-车、车-路网联信息在此领域的应用仍然有限；采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略；根据具体规划任务特点选择构建ICV运动规划模型的基础理论，有助于发挥各类理论的优势，提升规划算法的灵活性和适用性。     

基于扩展TAM的车路协同系统驾驶人接受度研究

车路协同系统（Cooperative Vehicle Infrastructure System，CVIS）已成为智能交通领域的前沿技术和研究热点。世界各国都在致力于CVIS的研发、试验、示范应用和效用评估。然而CVIS的服务对象是驾驶人，在其正式投入使用之前研究驾驶人对CVIS的主观接受度及其影响因素非常重要。基于此，以基础的技术接受模型（Technology Acceptance Model，TAM）为理论框架，在基础变量（感知有用性、感知易用性、态度和使用意图）的基础上，引入预警服务质量、分心感知、个人创新和信任度4个扩展变量，建立扩展TAM，分析驾驶人对CVIS的主观接受度及其影响因素。首先，通过在线调查收集392名驾驶人对CVIS的技术接受问卷；然后，使用Cronbach's α和验证性因子分析检验问卷的信效度；最后，采用路径分析探究驾驶人对CVIS的接受度及其影响因素。研究结果表明：基础TAM变量之间的关系与基础模型假设一致；CVIS的预警服务质量通过感知有用性、感知易用性和态度间接影响使用意图；驾驶人对CVIS的分心感知对其态度和使用意图没有负向影响；驾驶人的个人创新不仅直接影响使用意图，而且通过态度间接影响使用意图；驾驶人对CVIS的信任度是使用意图的直接影响因素，也通过其他变量间接影响使用意图。研究结果有助于了解驾驶人对CVIS的接受度及其影响因素，并为CVIS的设计提供理论依据。