基于制动轨迹的汽车制动性能检测技术研究

为了提高汽车制动性能检测结果的客观性,解决对同一辆汽车进行台试与路试的检测结果不一致的问题,而提出的基于制动轨迹的汽车制动性能检测技术,可以对汽车各个车轮的制动轨迹同时进行检测,从而对汽车制动距离、横向位移、航向角等参数进行实时检测。     

基于网络连接的轨迹数据时空查询条件

补充当前针对车辆轨迹数据中提取交通信息的查询语言的研究。通过对构成数据查询语言的重要组成部分——查询条件的探讨,定义了一种基于网络连接的、能满足轨迹数据应用需求的时空查询条件。     

钢管混凝土核心短柱轴压承载力影响参数分析

基于假定的合理的钢管混凝土核心短柱各部分材料本构模型,依据力的平衡和变形协调两个条件,建立了组合柱轴压承载力分析力学模型;据此分析了位置系数、钢管含钢率、配箍特征值及混凝土强度等参数对其柱轴压承载力提高百分率的影响,并建议了较为经济的组合柱参数范围,其结论可为工程应用提供依据。     

基于车辆身份感知数据的路段轨迹重构方法研究

车辆轨迹蕴含着大量丰富的交通流时空信息,对于全面解构城市交通路网运行具有至关重要的意义.传统车辆轨迹重构模型大多基于定点线圈检测数据或者浮动车轨迹数据作为输入数据,并且普遍未考虑过饱和交通状态.本文提出了一种基于车辆身份感知数据的车辆路段轨迹重构方法,通过构建一种绿灯相位回溯框架,基于交通流激波理论分段重构车辆行程轨迹,每次回溯过程包含两个主要步骤,即估计车辆状态和分状态重构车辆行程轨迹;然后在Paramics 微观交通仿真平台上对本方法模型的准确性进行了验证.结果表明,该方法在各种饱和状态下均能达到令人满意的应用效果.     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤,一是压缩 AIS 数据,二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法,只考虑船舶轨迹的压缩形状,忽视了船舶航行中其他重要信息。为解决此问题,把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面,传统谱聚类方法只对船舶轨迹的位置进行相似性度量,没有考虑船舶轨迹的其他维度,针对此问题,提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量,引入Calinski-Harabasz指标评价谱聚类算法,实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究,并与传统谱聚类算法做比较实验。实验结果表明,利用该方法提取到的典型轨迹符合真实水域的交通情况,相较于传统谱聚类方法具有更高的聚类质量。     

龄期对桥梁上部结构机制砂混凝土弹性模量的影响

目前机制砂已广泛应用于桥梁结构预应力混凝土中,为研究机制砂混凝土弹性模量随龄期的变化情况,制作C50机制砂混凝土试件,标准养护3 d、5 d、7 d、28 d和56 d五个龄期,测试分析了轴心抗压强度和弹性模量随龄期的变化情况,并拟合了关系式,可为机制砂混凝土在公路桥梁上部结构预应力混凝土中的应用提供试验依据。     

基于秩最小化矩阵去噪的船舶轨迹重构方法

针对船舶自动识别系统(Automatic Identification System，AIS)在实际应用中存在错误数据频发、数据丢包等问题，本文提出一种基于秩最小化矩阵去噪的船舶轨迹重构方法，利用去噪实现轨迹重构，同时，实现对轨迹的去噪和缺失补全。该方法通过线性插值实现经度对齐，将轨迹数据转化为轨迹矩阵，从而补全轨迹中的缺失值。由于补全结果存在非常大的误差，因此，引入 PLR(Patch-Based Low-Rank Minimization)算法去噪，消除误差。同时，为进一步提升补全效果，通 过2D-VMD(Two-Dimensional Variational Mode Decomposition)算法将矩阵分解为不同频率的IMF (Intrinsic Mode Function)，并分别进行PLR去噪，合并去噪结果，得到最终重构后轨迹。本文以长江武汉段水域船舶AIS轨迹为研究对象，通过实验证明该方法在不同缺失比例以及随机缺失和连续缺失两种情境下具有鲁棒性和较强的稳定性；并与 HALRTC(High-Accuracy Low-Rank Tensor Completion)、TRMF(Temporal Regularized Matrix Factorization)等方法进行比较，结果表明， 该方法相较于HALRTC等方法具有更高的精度，并在高损失率下表现出较好的重构效果。     

三轴半挂汽车列车预瞄驾驶员模型设计

以三轴半挂汽车列车为研究对象,以混合型模糊PID为控制器,建立适应于三轴半挂车辆的两点预瞄驾驶员模型。基于序关系分析法建立目标函数,确定不同车速下的最优牵引车及挂车预瞄距离。结果表明:在车速为30 km·h-1时,牵引车和挂车的预瞄距离分别为4 m和2 m,牵引车权重为0.9;在车速为70 km·h-1时,牵引车和挂车的预瞄距离分别为10 m和8 m,牵引车权重为0.75,目标函数最小,控制效果最佳。基于最优预瞄距离、权重的两点预瞄驾驶员模型较自建的单点预瞄驾驶员模型和Trucksim自带的单点预瞄驾驶员模型相比,在超调量、稳定性、转向轻便性方面综合控制效果明显,可在中高速车速下应用,提高安全性。     

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。