高速公路常发性交通拥挤路段实时判定与跟踪研究

提出的自动判定和实时跟踪高速公路常发性拥挤路段的方法包含3个算法：①路段平均车速算法；②交通流区段类型判定算法；③排队类型判定算法。考虑采用两个前后相邻车辆检测站之间的路段平均车速来实时判定和跟踪常发性交通拥挤路段的情况，使得模型所提供的信息更能反映路段的真实交通状况。采用路段平均车速的方法克服了目前采用点速度来跟踪车队方法的局限性，并且采用“客观”标定临界车速作为基于现场数据判定车队状态的一种方法。     

基于视觉的前方车辆探测技术研究方法综述

对国内外关于车道上本车前方车辆检测方法进行了综述。根据探测车辆所采用的传感器不同,分别对采用单目视觉、双目视觉、视觉与其他传感器融合以及非视觉传感器的几种探测方法进行了比较与分析。同时,针对每种探测方法,进一步阐述了目前车辆识别的一些具体算法。最后,指出了每种方法存在的优点和一些不足。     

基于虚拟现实技术的船舶航向自动跟踪控制方法

为解决传统船舶航向自动跟踪控制方法受外界因素影响大、控制效果差的问题,设计基于虚拟现实技术的船舶航向自动跟踪控制方法。为避免外界因素产生的影响、减小跟踪控制误差,考虑采用PID控制器,依据其控制原理引入早期修正信号;在此基础上,使用虚拟现实技术对航向节点集合进行预估,并剔除其中的不相干节点;通过虚拟现实规则中的加权因子寻找最优航向参数,结合PID控制器保证船舶实际航向与期望值一致,根据控制流程实现对船舶航向的自动跟踪控制。由实验结果可知,尽管存在外界因素的影响,但所提自动跟踪方法的控制控制精确度始终较高,能够有效为保障船舶稳定运行提供数据支持。     

考虑横向漂移的船舶路径跟踪自抗扰控制

针对船舶运动系统中内部动态不确定和外部干扰等问题,进行了欠驱动船舶路径跟踪的自抗扰方法研究。利用Backstepping设计参考航向角,并通过线性扩张状态观测器对流干扰和横向运动引起的横向漂移进行估计。其次,根据自抗扰算法对航向进行控制,采用线性扩张状态观测器对外界干扰及内部不确定项进行估计。最后仿真结果表明,在风流干扰下所设计的控制器仍能使船准确地跟踪上参考路径,验证了所提控制方案的有效性。     

利用无线传感器的动态分簇结构实现船舶跟踪

本文针对船舶运输中需要对船舶的航线进行跟踪监测,提出一种利用无线传感器的动态分簇结构实现船舶的跟踪,对船舶的无线定位跟踪技术进行介绍。在传统的分簇基础上提出一种新的分簇方法,并对本文提出的方法进行仿真。仿真结果表明这种方法具有较好的精度以及较低能耗,具有一定现实意义。     

船舶自动识别系统中的计算机视觉技术应用

船舶自动识别系统(AIS)是一种新型的数字助航系统。AIS的发展和应用可有效地解决海损事故,避免生命和财产的损失。计算机视觉是近年来迅猛发展起来的技术,将计算机视觉技术应用到AIS中,可以弥补AIS不可使用时的不足,完善AIS的功能。本文主要介绍计算机视觉技术在AIS中船舶识别和船舶跟踪的2个重要应用。     

船舶航迹多变量间的流形依赖关系研究

船舶航迹多变量是反应船舶有效航行路线的数据之一,常规航迹多变量间的关系主要体现形式以二维平面为主,无法通过数据形式进行关系衡量,为此提出船舶航迹多变量间的流形依赖关系研究。构建线性流形关系模型,利用几何概念,将数据形式的航迹多变量进行实体化,推导出理论关系,使用变量条件约束,实现模型构建;通过模型计算得到船舶航迹角多变量间流形依赖关系,利用模型理论推导,分析出船舶迹多变量间流形依赖关系。实验数据表明,提出的流形依赖关系真实有效。     

审计推动完善建设项目管理的路径选择

基本建设投资依然是国家经济转型发展的主要支柱,建设项目的管理水平直接影响投资效益。从剖析当前建设项目管理中普遍存在的问题为切入点,探讨审计在推动完善建设项目管理的可行性,总结审计实践在其中的保障和促进作用,提出了审计推动完善建设项目管理的路径选择。     

卡尔曼滤波在船舶跟踪预测中的研究应用

利用卡尔曼滤波算法的自回归性,将其应用到船舶动态跟踪预测中,建立船舶运动的状态方程,通过当前状态进行下一时刻的位置和速度预测,然后利用Matlab对采集到的10帧图像进行实验仿真。通过对测量值、估计值和最优值的对比可知,本文算法能够较高精度的对船舶进行跟踪预测。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。