香港公共交通考察感想录

编者按:2007年1月11-14日,中国国际民间组织合作促进会和美国环保协会(Environmental Defense)率内地民间环保组织赴香港考察学习公共交通管理经验.考察团的成员组成从民间组织的环保人士到交通、环保专家再到媒体记者,不同的职业给了每个人不同的感受和洞察力,现将这些感想与大家一起分享.     

基于深度强化学习的船舶航线自动规划

为解决传统船舶航线规划算法缺少对经验航线的参考及不适用于真实航行需求的问题,提出一种基于深度Q网络(Deep Q Network,DQN)船舶航线自动规划算法,用以在电子海图中提供拟合航道,生成适宜真实航行情况的自动规划航线.这种算法采用当前神经网络和目标神经网络2个二层神经网络结构,达到打乱数据相关性的目的,将智能体...     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...     

基于语料库的航海英语自主学习

以航海英语教学为例,分析了语料库的三种类型及其在航海类学生自主学习上所起的作用,着重指出利用语料库进行英语教学是外语教学的发展趋势。     

认知心理分析对英语语言学习的影响

从心理学的角度分析英语学习的习得过程,并提出一种以大脑注意为中心的学习模式,说明认知心理分析对英语语言学习的重要影响。     

基于互联网的在线测试课促进大学英语自主学习的实践研究

对华北电力大学采用互联网在线英语测试课的手段促进大学英语自主学习的可行性进行了跟踪调查与研究,证明这一教学手段可以帮助解决监控和促进学生自主上机学习的问题,有助于反馈教学信息和指导教学方向,从而保证教学质量和学生的自学效果.     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限,导致雾天跟驰模型精度不佳,为此在长短时记忆神经网络（long short-term memory,LSTM）跟驰模型的基础上,采用迁移学习（transfer learning,TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验,获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution,LCSS）的迁移样本选择方法,从源域中选出100个样本迁移至目标域中,通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力,得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用,将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比,LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%,比LSTM-T模型...     

双电机耦合驱动电动汽车驱动模式划分与优化

为充分发挥一款双电机耦合驱动系统电动汽车(DMCP-EV)多驱动模式的节能优势,制定了基于系统效率最优的驱动模式控制策略。根据该双电机耦合驱动系统的结构特点,定义了电机4种驱动模式并分别建立其动力学驱动模型和系统效率模型。在满足动力性要求的前提下,分析并划分了各驱动模式的工作范围,以系统效率为优化目标,采用粒子群优化算法进行优化,获得最佳的驱动模式切换控制和转矩分配策略。开展了Matlab/Simulink仿真和硬件在环试验验证。结果表明,经系统效率优化的驱动模式在满足动力性要求的前提下,有效提高了双电机耦合驱动系统的经济性,能耗降低11%。