基于条件生成对抗网络的扇区复杂度评估

扇区复杂度作为管制员工作负荷和动态空域配置的重要参考依据，需要事先准确地对其 进行评估。本文针对有监督复杂度数据集存在的小样本问题，提出基于条件生成对抗网络的扇 区复杂度评估框架。首先，构建交通流量、航空器性能和潜在冲突这3类复杂度指标，并结合主观 复杂度等级得到标定样本；其次，利用条件生成对抗网络设计有标记样本生成算法，获得增广数 据集；最后，分别采用逻辑回归、支持向量机和随机森林算法建立复杂度评估模型。以中南区域 扇区为例，从定性和定量的视角验证生成样本的有效性，并在多种训练集配置下对比各模型评估 结果。研究结果表明：条件生成对抗网络在200次迭代后逐步收敛至稳定；生成样本与真实样本 的绝大多数指标在均值上的相对误差小于5%，在标准差上的相对误差大于5%；在多分类评价指 标下，增广数据集对3种模型整体评估精度分别提升11.77%、11.04%和8.34%。本文提出的评估 框架可以在有限数据条件下提高样本多样性，是解决扇区复杂度评估问题的一种有效方法。     

基于秩最小化矩阵去噪的船舶轨迹重构方法

针对船舶自动识别系统(Automatic Identification System，AIS)在实际应用中存在错误数据频发、数据丢包等问题，本文提出一种基于秩最小化矩阵去噪的船舶轨迹重构方法，利用去噪实现轨迹重构，同时，实现对轨迹的去噪和缺失补全。该方法通过线性插值实现经度对齐，将轨迹数据转化为轨迹矩阵，从而补全轨迹中的缺失值。由于补全结果存在非常大的误差，因此，引入 PLR(Patch-Based Low-Rank Minimization)算法去噪，消除误差。同时，为进一步提升补全效果，通 过2D-VMD(Two-Dimensional Variational Mode Decomposition)算法将矩阵分解为不同频率的IMF (Intrinsic Mode Function)，并分别进行PLR去噪，合并去噪结果，得到最终重构后轨迹。本文以长江武汉段水域船舶AIS轨迹为研究对象，通过实验证明该方法在不同缺失比例以及随机缺失和连续缺失两种情境下具有鲁棒性和较强的稳定性；并与 HALRTC(High-Accuracy Low-Rank Tensor Completion)、TRMF(Temporal Regularized Matrix Factorization)等方法进行比较，结果表明， 该方法相较于HALRTC等方法具有更高的精度，并在高损失率下表现出较好的重构效果。     

A generalized partite-graph method for transportation data association

There are many problems in transportation which involve reconstructing the associations between different entities. For example, data points related to a vehicle from different sensors could be matched to reconstruct the trajectories of vehicles. Or, in population synthesis for microsimulation, lists of persons, dwellings, and vehicles could be generated individually from source data and then matched into synthetic households. There are numerous other examples. The unifying theme is a desire to construct realistic unit-level associations from aggregate or anonymized data. The problem demands a method that is behaviorally consistent and operationally efficient to handle large datasets. We adapt concepts from graph theory to formulate this class of problems as a k-partite graph. This approach is generic and can incorporate expectations of behavior in the form of edge weights. A Dijkstra algorithm based solution is proposed for a subset of k-partite graphs which permits a direct comparison with pair-wise matching and applied to a case study of bicycle tracklets. We then propose an iterative improvement algorithm as a generic method and apply it to a complete k-partite graph in a population synthesis case study. The first case study shows that the k-partite algorithm outperforms the previously used pair-wise matching algorithms. The second case study demonstrates the generality of the proposed algorithm to all k-partite graphs and shows that the generic method is fast and scalable to large problems. As a whole, this paper aims to show that k-partite methods are behaviorally consistent, efficient, and potentially applicable to a wide variety of transportation data association problems.     

盾构机纠偏线路设计

为了控制盾构机按照隧道设计轴线掘进,当盾构机实际位置与设计轴线偏差过大时,需要进行纠偏。为防止纠偏过度产生蛇形掘进,就要设计最优的纠偏曲线。对纠偏曲线设计的约束条件进行分析,通过推导建立了纠偏曲线模型。     

基于轨迹数据的共享电动自行车逆行风险行为影响因素研究

为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明：CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素,主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等;从出行时段来看,工作日、早晚高峰时段更容易发生逆行;从公共交通设施与土地利用性质来看,道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系,在一定范围内设施数量与逆行行为存在正影响作用;从道路条件来看,过街通道间距在50~400 m时不易发生逆行,在非机动车道无物理隔离设施或过街通道间距在400~600 m时容易发生逆行,间距大于600 m时作用不稳定;从路段机非分隔形式来看,护栏分隔的逆行概率较低,绿化带分隔的逆行概率较高;从交通状态来看,当骑行速度、加速度较低或较高时与逆行行为负相关,当骑行速度在6~16 km·h^-1及加速度在0.3~1.0 m·s^-2时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。     

基于OILMAP的中国舟山港溢油管理系统

介绍了基于美国ASA（Applied Science Associates,Inc.）公司的用于预测海水或淡水中溢油的轨迹和归宿的软件OILMAP建立的“中国舟山港溢油模拟信息系统”的组成、功能和特点，并用实例说明了其使用方法。     

江津四面山风景旅游区红岩山危岩初步研究

对江津四面山红岩山危岩进行稳定性验算,计算结果表明红岩山危岩存在进一步发生崩塌的可能性.危岩治理十分必要.对此,提出了该地区危岩灾害防治措施,建议综合采用主被动联合方法进行危岩防治工作.用运动学方法进行落石冲击力检算、腾越计算及弹跳计算,以此结果再结合观测落石的运动轨迹和弹跳高度,以确定拦截防治工程结构物的设计尺寸和材料强度参数.     

内河船舶避碰路径优化研究

内河船舶碰撞事故导致重大生命及财产损失，已经引起人们的高度关注．提出一种内河船舶自动避碰路径优化的研究方法，建立了内河船舶操纵运动数学模型，将遗传算法运用到内河船舶避碰路径选优中，提出内河船舶避碰路径优化准则，并构建一种考虑内河航道中运动船舶及障碍物的适应度函数．优化结果表明了本方法的可行性。     

利用激光点云的城市无人驾驶路径规划算法

为了解决随机采样算法受感知环境不确定性影响下的弱鲁棒性以及弱可靠性问题，采用一种基于激光空间势场的渐优随机采样算法框架来设计符合无人驾驶需要的规划算法。针对感知环境的不确定性，首先基于势场原理与激光障碍物点云构建一个融入了斥力场的规划空间，解决激光障碍物提取中的过分割等问题。其次，利用规划空间来处理随机采样算法中的采样策略、最优母节点选取策略、修剪策略以及最终路径选择策略。再次，在算法中加入了Anytime策略来提高优化解的利用率，使得算法的计算效率满足无人驾驶实时性的要求。同时，为了保证无人驾驶中规划路径的鲁棒性与可靠性，创建了一个综合5重因素的代价函数来选择最优路径，并根据不同的无人驾驶场景来调整相对应的参数；最后在城市测试道路上进行了实地测试。结果表明：设计的算法框架能够适应最高时速40 km·h^-1的城区驾驶环境，并能完成跟驰、换道、融入以及静动态障碍物的避障决策。在与SST算法的对比试验中，所提出的算法在各个试验中的轨迹、方向盘转角以及速度的平滑性都优于SST算法，其轨迹与障碍物的距离也优于SST算法。     

A new methodology for vehicle trajectory reconstruction based on wavelet analysis

Vehicle trajectories with high spatial and temporal resolution are known as the most ideal source of data for developing innovative microscopic traffic models. Aside from the method applied for collecting the vehicle trajectories, such data are more or less error-infected. The ever-increasing noise amplitude during the process of deriving the data (such as speed and acceleration) required for developing models, might change or even hide the structure of data and lead to useful information being overlooked. This highlights the importance of presenting the efficient methods which are adequate to remove noise and enhance the quality of vehicle trajectory data. Accordingly, in this paper a simple two-step technique based on wavelet analysis has been recommended for filtering errors and reconstructing trajectory data. Primarily, by using wavelet transform a special treatment was employed to identify and modify the outliers. Next, the noise in trajectory data was eliminated by applying the wavelet-based filter. The results of applying the proposed method to the synthetic noise-infected trajectory and the NGSIM dataset reveal how appropriate its performance is compared with other methodologies in terms of quantitative criteria.