无人驾驶汽车路径规划算法研究综述

无人驾驶汽车是目前汽车发展的一个大方向,无人驾驶的实现依靠于汽车的感知、决策和控制功能。路径规划属于决策中重要的一环。目前,无人驾驶汽车的路径规划算法存在受环境影响较大,无法适用于复杂的道路环境的问题,基于此文章对无人驾驶汽车轨迹规划算法进行归纳。其在广义上可分成全局路径规划和局部路径规划两种,文章对上述两种规划进行细分并介绍了各种路径规划方法的原理,分析了各个方法的优劣,为无人驾驶汽车路径规划算法的研究提供参考。     

智能网联重型商用车应用场景分析

近年来,汽车产业逐渐向智能化、网联化发展,关系到多领域、多行业的跨界组合。通过分析智能网联重型商用车发展特点及技术路径,重点对开放道路、干线高速道路、港口内港、封闭矿区以及城市环卫等特定场景进行讨论,提出了我国重型商用车智能网联化技术发展的侧重点,并综合考虑商业价值、市场规模、技术成熟度、资源投入对场景落地优先级进行预判,实现对未来发展趋势的研究并提出相应建议。     

一种改进的蚁群算法及其在TSP中的应用

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法,算法中参数的设置一直是依靠经验和试验来确定的,造成试验工作量大而且收敛速度慢;研究中提出了一种基于自适应调整信息素的改进蚁群算法,从路径的实际信息出发,动态地分配信息素,从而使算法能较快地收敛到最优解;通过仿真试验结果表明:改进的蚁群算法在收敛速度和收敛精度方面相对于原算法都具有较好的改进效果.     

客车车内轰鸣声优化改进

基于传递路径分析和模态分离方法,优化响应点振动和传递路径,减少各中间环节响应,有效降低客车行驶轰鸣声,并提出降低客车行驶轰鸣声的设计思路.     

基于遗传-粒子群优化算法的USV路径规划方法

为解决传统粒子群优化算法(particle swarm optimization algorithm, PSO)应用于无人水面舰艇(unmanned surface vessel, USV)路径规划时存在的早熟收敛问题,提出一种结合遗传思想的PSO,在传统的PSO中引入遗传算法(genetic algorithm, GA)中的交叉、变异操作,避免算法进入局部最优解,对惯性权重进行自适应调整,加速算法收敛。采用MATLAB软件对USV巡检水域环境进行建模,应用改进的PSO进行路径规划。仿真结果表明:相对于传统的PSO和GA,该算法有效减少路径交叉点,大幅缩短路径总长和算法收敛时间。     

路网不发达地区混合式灵活型公交路径优化研究

为解决路网不发达地区出行难问题,提出一种多车型多线路混合运行的灵活公交服务模式,以最小化总行程时间和乘客等待时间为目标,建立混合式灵活公交路径优化模型。首先,利用一种基于引力搜索算法的K均值聚类规划大车临时停靠站点;然后,分阶段求解最优路径,第一阶段采用粒子群遗传混合算法求解大车最优路径,第二阶段采用基于引力模型的粒子群遗传混合算法分阶段求解与大车协同运行的小车最优路径。最后,实例结果表明,混合式灵活公交系统和单一模式灵活公交相比,总线路行程时间减少25.03%,乘客等待时间减少7.39%,车辆数减少5辆。     

绿色交通主导的街道更新实践与思考——以北京市平安大街(西城段)改造为例

践行绿色交通主导的街道更新和整治,是城市更新的重点任务。现状街道更新实践存在绿色交通主导不明确、多专业协同程度低、一体化设计考虑不全面等问题。依托北京市平安大街(西城段)环境整治提升项目,总结和梳理街道更新面临的重点和难点。从交通调查、主动探测技术、健康街道和公众参与四个层面,建立多维度的街道更新评估方法,从而更加全面地了解街道的特征与问题。提出街道更新的实施路径,包括绿色交通主导的街道更新技术路线制定、分步实施完整林荫街道、多专业协调设计、慢行空间品质一体化提升、设计和施工任务及流程梳理,将街道的服务重心由机动车转向人,进而塑造高品质的街道空间。     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

公铁联运背景下内河港与无水港竞合博弈研究

公铁联运背景下,无水港依托公转铁优势得到快速发展,对内河港造成严重冲击,两者无序竞争造成的资源浪费问题日益突出。为促进内陆港口之间的协调有序发展,考虑托运人对多式联运路径的选择偏好,构建基于Logit的内河港与无水港竞争合作博弈模型。在该决策模型中,港口基于利润最大化确定其相应的定价及联盟决策,而托运人则基于自身效用最优选择运输服务路径,在此基础上,设定不同情景,进一步研究内河港开通铁路专用线、内河港与无水港之间合作模式对港口竞合决策及托运人需求水平的影响。运用逆向归纳法求解Bertrand价格博弈模型,获得其相应的价格反应函数,并通过多次迭代得到博弈的均衡解。以岳阳港、长沙新港、阳逻港作为多式联运的中转节点,上海港作为国内多式联运的终点为例进行实证研究。研究结果表明：在港口利润最大的目标下,内河港与无水港合作优于竞争,但各自利润最高时的情景不完全相同。内河港无论是开通铁路专用线还是通过合作利用无水港的铁路线,其利润均能增加。内河港与无水港的路径互通合作模式不仅有利于提升港口联盟总体收益,也有利于提升托运人剩余价值。研究结果为不同情景下内河港与无水港的竞争与合作决策提供了参考依据。     

基于多准则粒子滤波算法的车辆轨迹重构

完整的车辆轨迹数据为高效交通管控提供数据支撑。为从城市车牌识别数据(ALPR:Automatic license plate recognition)中提取完整车辆轨迹信息,提出一种粒子滤波框架下的多准则车辆轨迹重构方法。首先,对提取到的初始车辆轨迹进行断点识别,确认车辆轨迹中需重构部分的位置和数量,并结合k则最短路算法对这些部分搜索生成轨迹集。然后,将轨迹集中的每条轨迹视作初始粒子输入到改进的粒子滤波器中,新粒子滤波器的5个重采样过程与5个时空校正因子一一对应,即：行程时间一致性因子、可测性准则因子、路径尺寸因子、转弯次数因子和距离准则因子。新粒子滤波器对含有主观因素的校正因子重采样过程加入了一定的随机性,以模拟车辆在行驶时的主观行为,粒子滤波器最终输出的轨迹为重构后的完整轨迹。最后,以长沙市天心区实测车牌识别数据为例,对比本文算法与传统算法轨迹重构的准确性。结果表明,本文算法考虑了车辆行驶时的随机性,在重构准确率方面具有一定优势,重构平均准确率达到94.8%。综上,提出的算法在传统方法基础上进行了多方面的改进,有利于提升轨迹重构的可靠性和精度,为城市路网车辆轨迹分析提供高质量的数据...