中国智能交通协会理事长吴忠泽:解读《中国智能交通协会科学技术奖管理办法》

记者:设立中国智能交通协会科学技术奖有何重要意义? 吴忠泽:为奖励在中国智能交通科学技术发展中做出突出贡献的个人和单位,加速智能交通科学技术事业的发展,经国家科技主管部门中华人民共和国科学技术部和国家科学技术奖励工作办公室批准,中国智能交通协会面向全国智能交通行业设立中国智能交通协会科学技术奖.中国智能交通协会科学技术奖每年评审、奖励一次.     

无人驾驶汽车横向滑模控制仿真研究

使用2自由度车辆模型将基于视觉预瞄的无人驾驶汽车横向运动模型简化。对简化后的模型,引入滑模控制的方法,通过控制输入量(前轮转角)使预瞄点处的航向偏差和横向距离偏差最小。同时考虑到滑模控制存在的抖振现象会影响整个控制的稳定性,使用具有连续变化特性的双曲正切函数代替符号函数。最后通过CarSim和Simulink联合仿真验证方法的可行性。     

斜壁结构的水动力收敛方法研究

在分析波浪中的船舶运动或者计算大型结构的水动力系数时,往往采用时域格林函数方法。时域格林函数的一个重要局限性在于它在计算具有倾斜壁面的水动力系数时,结果很容易发散。时域格林函数本身的奇异性以及高频振动特性显然是水动力发散的一个重要原因。但即使该奇异性通过增加粘性以及表面张力的方式使之消失,计算具有斜壁结构的水动力时,发散现象依然存在。因此,该文提出一种滤波方法,除去时域格林函数的高频部分,留下其低频部分,并定义滤波系数,从而使作用于斜壁结构上的水动力值收敛。通过文中结果与频域兴波格林函数法的比较来确定最优滤波系数。结果表明：最优滤波系数几乎与运动幅值无关,但会受到运动频率以及物面形状的影响。     

一种改进的快速压缩跟踪算法

为研究目标跟踪问题,构造多种不同尺度的滤波器对目标进行滤波,生成目标高维特征;利用符合有限等距性质要求的稀疏矩阵对高维特征进行采样,获得目标低维特征.采用朴素贝叶斯分类器输出与Bhattacharyya系数乘积的形式作为目标与候选目标之间的相似性度量,并选择最大值所对应的候选目标作为下一帧中的目标.文中提出了一种改进的快速压缩跟踪算法.实验表明,该改进的算法能够对目标进行有效跟踪.     

材料单调退化原理下的颗粒料骨架抗冻性试验研究

研究依托雄安新区荣乌高速项目,开展高性能纤维混凝土的抗冻试验研究,定量分析不同水胶比和矿物掺合料掺量对抗冻质量损失和相对动弹性模量等表征参数的影响,并借助Wiener函数对混凝土的抗冻性进行可靠度评价。结果表明,在抗冻性中,随着冻融循环次数的增加,抗冻质量损失率和相对动弹性模量损失率逐渐升高;水胶比的增大使其抗冻质量损失率和相对动弹性模量损失逐渐变大,而矿物掺合料掺量的增大会使其抗冻质量损失率和相对动弹性模量损失逐渐变小;借助Wiener随机过程的退化理论分析,在抗冻质量损失中,水胶比与抗冻性成反比,矿物掺合料掺量与抗冻性成正比。上述研究成果对荣乌高速的装配式梁板体系混凝土应用提供了科学的理论支撑和技术指导。     

CABOSFV算法中集合稀疏差异度阈值确定方法

在实际应用中,CABOSFV算法初始参数———集合稀疏差异度阈值b的确定是否合理,对聚类结果是否有效起决定作用。本文针对如何科学方便地确定集合稀疏差异度阈值b进行了深入研究,给出了集合稀疏差异度阈值确定方法,并通过该方法进行了实例计算。计算结果表明,由于该方法能够确定聚类结果中类的对象组成最小数量,聚类结果的粗糙与精细程度可以人为控制,对聚类结果的准确及高效提供了很好的保证,能够为CABOSFV算法进行聚类提供合理的阈值。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

权重完全未知犹豫模糊混合集成算子的群决策方法及应用

在犹豫模糊环境下,针对评价属性权重和专家权重信息完全未知的情形,结合犹豫模糊混合加权集成算子,提出一种合理有效的群决策方法.首先,依据改进的犹豫模糊熵结合均熵求得决策者的客观权重,利用熵最小化原则和犹豫模糊指数熵确定评价属性的权重;接着,分别利用犹豫模糊加权算术平均算子和犹豫模糊混合加权算术平均算子对个体及群体犹豫模糊决策矩阵进行集结;然后,通过犹豫模糊得分函数实现方案的排序和择优;最后,把该方法应用在应急救援路径选择问题上,进而验证了所提群决策方法的有效性和实用性.     

基于同方差的递增时间序列自回归预测的改善方法

提出了"利用反双曲正弦函数变换提高数据列光滑程度"的新结论,获得了递增时间序列改善的自回归预测新方法。     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.