基于多通道态势图的自动驾驶场景表征方法

开展自动驾驶测试场景研究能够大幅减少自动驾驶汽车的测试周期与开发成本，是未来评价和提升自动驾驶技术的重要基础。为此，联合基于本体论的场景解构方法，提出了一种基于多通道态势图的自动驾驶场景表征方法，并对多通道态势图的场景聚类与场景复杂度进行研究。首先，对目前的自动驾驶测试方法进行分析，论述道路测试的不足之处以及基于场景的自动驾驶虚拟测试的优点，并对当前的场景解构与表征方法进行了总结；然后，运用本体论解构场景中的信息，并建立场景的本体模型，对模型中的数据属性进行参数化；接着，对真实场景、场景中的语义信息和多通道态势图场景进行对比分析，定义表征场景的多通道态势图的数据格式，将解构出的场景信息重组到多通道态势图的不同层中；之后，以汉明距离为基础设计了多通道态势图的对象层相似度计算方法，采用K均值聚类算法对驾驶场景对象层进行聚类分析，并借助层次分析法对基于多通道态势图的驾驶场景复杂度计算进行研究；最后，以KITTI数据集的一些真实场景为例，绘制场景开始时刻的多通道态势图，分析聚类出的9种对象分布类型。研究结果验证了多通道态势图场景复杂度计算方法的有效性。     

交通流时间序列的复杂度测量

为了定量分析交通流系统的复杂性,引入算法复杂度和近似熵,通过速度时间序列的算法复杂度估计系统周期性成分的比率,在重构序列时通过取多个划分区间来提高算法复杂度的估计能力.计算近似熵时,先由速度序列得到速度变化率序列以去除趋势,然后通过速度变化率序列的近似熵估计系统在结构变化上的复杂性.对实测交通流数据序列的计算表明:在序列长度超过600时可以得到算法复杂度,序列长超过300时可以得到近似熵;交通流的算法复杂度和近似熵在同步状态时较低,拥挤状态时增大,在自由状态时最大.因此,不同的算法复杂度和近似熵对应不同状态下的交通流,算法复杂度能分析较长的交通流序列,近似熵可以分析较短的交通流序列.     

三边原理加速的聚类分析方法处理航运信息

为了从大量的航运信息中挖掘有用的信息,进行了基于聚类分析的数据挖掘方法的研究.针对k-means聚类分析中聚类精度不高和时间复杂度高的问题,在k-means++的基础上结合了三角形三边原理加速聚类的方法,提出了一种三边原理加速的k-means++聚类算法,并对k-means++聚类及改进算法进行实例测试,说明了改进的聚类方法具有较高聚类的精度,同时减少了聚类算法计算量,并将其应用到航运信息处理中,这对于航运智能信息化有重要的意义.     

车载信息系统操作对驾驶员动作分神的影响

车载信息系统的使用,在为驾驶员提供较为舒适车内驾驶环境的同时,还给驾驶员带来了不可忽视的分神问题.以多资源理论为基础,对驾驶员动作分神进行界定,选择车载收音机、CD、MP3 和导航仪作为车载信息系统研究对象,基于实验测试,定量分析车载信息系统操作对引起的驾驶员动作分神规律,并对导致驾驶动作分神的因素进行显著性分析.结果表明,交通环境和车载信息系统操作对驾驶人动作分神具有显著影响,车载收音机操作对动作分神影响不大,MP3 调节时手离开方向盘时间增加超过8.56%,冲突或差错率增加9.72%,导航仪路径输入时手离开方向盘时间显著增加,冲突或差错率增加 28.17%,语音路径诱导时刹车操作差错增加.     

MOPSO中精英保持策略和最佳解选择方法的改进

为提高多目标微粒群优化(MOPSO)算法处理高维目标优化问题的性能,降低计算复杂度,改善算法的收敛性,对MOPSO算法进行了改进.该改进算法利用扩展E支配 (E-dominance) 方法确定解之间的优胜关系,采用随机方式确定当代最佳解,考虑了算法的收敛性和解的多样性.此外,采用外部种群档案保存精英解,利用非线性函数将优化问题的目标空间映射到有限区域,并在该有限区域内考虑解的优胜关系和分布情况.通过对一系列典型测试问题的仿真研究,结果表明:对于3个以上的多目标优化问题,改进算法的收敛性和计算复杂度都优于原始MOPSO和NSGA2.     

密度峰值聚类算法研究综述

密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法，由于其原理简单，无需迭代和能处理形状数据集等优点，正在数据挖掘领域得到广泛应用。但DPC算法也有着一定的缺陷，如：对截断距离参数敏感，初始聚类中心的选择非自动化，后续标签分配存在链式问题，时间复杂度较高等。文章对DPC算法的研究现状进行了总结与整理，首先介绍了DPC的算法原理和流程；其次，针对DPC算法的不足对DPC算法的优化进行概括和分析，指出了优化算法的核心技术以及优缺点；最后，对DPC算法未来可能面对的挑战和发展趋势进行展望。     

预期功能安全场景库复杂度量化方法研究

基于Pegasus场景分层体系,提出了一种关于场景复杂度的量化方法,以此来评定场景数据的质量。该方法确定了每层要素的决定因素,根据决定因素确定每层要素的复杂度,通过求出各层要素复杂度之和,得到场景数据的总复杂度。此外,为了防止"过复杂"现象,提出了"母子库"法和"系统场景概率"法,将场景要素的复杂度乘以该要素的出现概率,得到修正后的复杂度。研究结果显示,通过该方法可以构建合理可用的场景库。     

大型船舶会船区碰撞风险的灰色评判模型

为提高大型船舶会船区的航行安全，减少大型船舶在会船区内的碰撞风险，提出一种基于水上交通冲突和枢纽复杂度的灰色变权聚类模型，对大型船舶会船区的碰撞风险进行评价，并对容量不足的会船区进行扩展提供合理化措施。结合会船区交通流和水上交通冲突状况，选取交通冲突率和交通冲突点作为会船区碰撞风险的评价指标，并考虑评价指标的意义、量纲和数值上差距较大及会船区附近的锚地环境等因素，综合利用交通枢纽复杂度与初值化算子灰色变权聚类算法，对会船区的碰撞风险进行评价。以湛江港南三岛西航道4号会船区(分为东段、中段和西段3段)为例进行验证，评价结果与实际调查情况基本相符，较好地解决了海上通航环境中数据信息不足和定性分析对碰撞风险评价的影响，为会船区的碰撞风险评价提供新的研究方法，并在此基础上结合湛江港大型船舶会船区的客观情况提出对会船区进行扩展的建议，从而满足湛江港对于大型船舶会遇的实际需求，为航道设计和科学制定水上交通管理措施提供参考依据。