典型高速公路路网的清分路径算法

清分路径信息是高速公路联网收费清分的关键参数,传统清分计算采用预先计算设定最短路径的数据表,但清分计算的效率随着路网规模的扩大和车流量的增长而不断降低,为此,提出并实现了基于图论、结合路网结构优化的快速算法。应用结果表明,日清分耗时降低为原来的1/3,有效提高了清分效率。该算法同样适用于相似路网结构的收费清分系统。     

基于合理路径的拥挤路网交通状态分析方法

为防止路网交通拥堵的扩散,考虑路段状态指标饱和度和行程时间的影响,建立了基于合理路径集的路网分析模型.将非拥挤区域从内到外分为控制层、诱导控制层、诱导层和无关层4个层次,反映了路网状态的空间分布和潜在演化趋势.基于交通分配得到的流量,对本文的状态分析模型进行了数值验证,仿真结果表明:各层次路段在路网中的比例随流量的增大而变化,且拥堵区域呈现扩张趋势;高峰时段各层次路段的比例为20%、5%、10%、10%和56%;同层次中饱和度越大的路段对拥堵区域的影响越大.     

基于AFC数据的城市轨道交通乘客出行路径推算

旅行时间是影响乘客路径选择的因素,然而,也是路径选择的结果。轨道交通自动售检票系统详细记录了与出行相关的时间信息,因此可以用来推算路径。首先将一次出行划分为若干阶段,并且分析各阶段涉及的随机性因素;在考虑现场实际的基础上,完成对系统运行和乘客出行的建模。然后,基于出行阶段的相互独立性,设计了用以推算乘客出行路径的方法,并且设计了双盲实验对方法进行验证。最后,案例分析显示,利用票卡交易数据、列车运行图和辅助的步行调查,该方法可以方便而有效地推算乘客路径,进而有助于客流分配和票务清分。     

2020年世界技术展望：海事可持续发展方向与路径

7月1日,全球领先的挪威船级社（DNV）在沪发布《2020年世界技术展望》（简称《技术展望》）,预测未来10年全球将发生和形成“七大趋势”和“四种变化”,着重展望分析了航运、石化能源、可再生能源及核能,以及动力系统“四大领域”新技术的发展和应用。并提出了“可持续的海滨社区”的构想。     

软件测试中基路径获取方法的研究

软件测试是软件质量保证的重要手段,基路径测试是结构测试的一种重要方法.主要分析生成线性独立路径集合时,前后判定节点使用变量存在数据依赖关系的情况.借鉴程序切片技术中的转化理论,对数据控制依赖的判定节点在控制流图中进行修改;对一般的基路径获取步骤进行改进,可避免选择的路径不可达,提高基路径获取速率.实例表明它是有效的.     

基于MATLAB的发动机功率计算优化方法研究

发动机功率决定汽车动力性能,在分析发动机功率确定方法的基础上,介绍发动机功率计算优化方法,根据转速的动态确定和拟合相关变量,分析发动机功率计算的影响因素和动态路径,建立基于MATLAB的可以实时求解发动机功率的模型,利用MATLAB的运算工具和强大运算能力,对汽车的动力性设计提供有力的实践计算方法。     

戴维森与先验论证问题

戴维森是后分析哲学时代最为重要的哲学家之一,他应用了一种语言学版本的先验论证。一般而言,先验论证力图阐明一般性的经验条件和经验命题或事件之间的先天关系,它往往以图式/内容二元论为基础。戴维森的先验论证则建立在一个完全不同的基础之上,它诉诸于其解释理论,以消除这种二元论为己任,力图在一致性论题(主观性)与真(客观性)、一致与符合之间建立先天连结。戴维森的先验论证同样也可以是一种驳斥怀疑论的方法,例如其著名的全知解释者论证。     

基于改进免疫遗传机理的动态路径诱导算法研究

针对传统算法存在的不足,提出基于改进的免疫遗传机理的动态路径诱导算法。通过引入单点交叉算子配合控制策略的改进思想,在宏观上控制交叉过程以及构造优化简单的目标函数,较好地弥补了传统遗传算法早熟收敛、陷入局部最优解、运算效率较低等问题。最后采用此算法进行路网实例计算,结果表明该算法能较大程度地提高路网利用率,减少交通拥堵。     

交通信息对驾驶员逐日路径选择行为影响研究

在无信息、发布历史信息和发布预测信息3种信息条件下,分别建立了驾驶员的路径理解行程时间期望值的更新模型.通过建立一个含有2条平行路径的简单路网,对3种交通信息条件下驾驶员逐日路径选择进行了仿真,结果表明:交通信息对驾驶员的作用与驾驶员路径选择的随机程度和对信息依赖程度有关;在3种交通信息条件下,路网均不能达到用户均衡平衡状态;交通信息的预测方法不同,预测信息对驾驶员路径选择的影响有差异.     

智能分布式驱动汽车路径跟踪/制动能量回收协同控制策略研究

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题,充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势,设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数,以综合优化各工况下的控制目标。高附路面下,制定满足最大能量回收值的全局参考车速,在线优化路径跟踪指令,实现最优能量回收的同时减小系统运算负荷;低附路面下,优先考虑车辆的路径跟踪性能和行驶稳定性,在多目标代价函数中取消对全局参考车速的跟随要求,增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解,得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配,最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件,搭建控制器在环仿真平台,并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明：高附路面下,所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间;低附路面下,与使用高附控制策略相比,能够保证车辆的路径跟踪准确性与行驶稳定性,同时可提升7.8%的能量回收值;控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。