Human-like autonomous car-following model with deep reinforcement learning

This study proposes a framework for human-like autonomous car-following planning based on deep reinforcement learning (deep RL). Historical driving data are fed into a simulation environment where an RL agent learns from trial and error interactions based on a reward function that signals how much the agent deviates from the empirical data. Through these interactions, an optimal policy, or car-following model that maps in a human-like way from speed, relative speed between a lead and following vehicle, and inter-vehicle spacing to acceleration of a following vehicle is finally obtained. The model can be continuously updated when more data are fed in. Two thousand car-following periods extracted from the 2015 Shanghai Naturalistic Driving Study were used to train the model and compare its performance with that of traditional and recent data-driven car-following models. As shown by this study’s results, a deep deterministic policy gradient car-following model that uses disparity between simulated and observed speed as the reward function and considers a reaction delay of 1 s, denoted as DDPGvRT, can reproduce human-like car-following behavior with higher accuracy than traditional and recent data-driven car-following models. Specifically, the DDPGvRT model has a spacing validation error of 18% and speed validation error of 5%, which are less than those of other models, including the intelligent driver model, models based on locally weighted regression, and conventional neural network-based models. Moreover, the DDPGvRT demonstrates good capability of generalization to various driving situations and can adapt to different drivers by continuously learning. This study demonstrates that reinforcement learning methodology can offer insight into driver behavior and can contribute to the development of human-like autonomous driving algorithms and traffic-flow models.     

采用变化基本体的授课方法以提高教学效果

在《机械（工程）制图》教学中,学生对基本体的变化及其在实际中的应用难以理解,文中介绍提高基本体教学效果的方法。     

也论柴油轿车在国内市场的发展前景

研究了世界范围内柴油机在乘用车领域内的应用现状,阐述了柴油机作为车用动力的优势。根据国内的政策环境与市场环境,分析了排放法规、柴油品质对市场的影响。根据对柴油轿车的性能要求,包括振动和噪声、排放等,分析了更适合我国轿车柴油机发展的技术路线,并重点对若干关键技术和难点进行了剖析。柴油机技术进步和市场化应用表明,柴油轿车在我国具有广阔的应用前景,政府和企业应做好政策和技术上的准备。     

不锈钢地铁车辆侧墙焊缝缺陷率分析

由于非熔透型激光叠焊工艺的局限性,侧墙焊缝处会产生内外钢板局部未焊透的现象即焊缝缺陷.为研究这种焊缝在不同缺陷率下的拉剪强度及其对车体静强度的影响,结合某不锈钢地铁车辆激光焊车体,通过建立不同焊缝缺陷率的车体有限元模型,分析各个工况下不同焊缝缺陷率的车体侧墙焊缝剪应力的变化,以此确定在静载工况下不锈钢激光焊车体侧墙焊缝缺陷率的限值.     

深圳市交通需求管理政策的法治思考

深圳市制定和实施了若干小汽车交通需求管理政策,完善相关政策的法制保障成为政策实施的关键问题。首先结合深圳市交通需求管理实践经验,梳理小汽车增量调控、停车收费政策的制定与实施情况。指出交通需求管理政策的制定与实施面临经济杠杆存在法理争议、行政手段法律依据不足和程序合法性存疑等法治障碍。进而提出在国家层面构建交通管理法治体系、在地方层面完善法律法规以及规范交通需求管理政策出台程序等完善路径。     

新型沙漏式FPSO的浮体外形参数对水动力性能的影响

为了解决传统船型和已有圆柱筒状FPSO的性能局限,论文提出了一种具有沙漏型浮式主体的新概念FPSO。根据所研发的新型沙漏式浮体模型,确定了能够反映浮体几何形状、FPSO基本功能和水动力性能的5个相互独立的外形参数。然后,采用基于频域势流理论的边界元数值模拟方法研究了新型沙漏式浮体在波浪中的运动响应,并且定性分析了不同浮体外形参数(下倾角、水线面半径等)对浮体水动力性能的影响,得到一些有意义的结论,以期能够为新型沙漏式FPSO的主浮体外形设计提供参考依据和准则。     

DC01型电动列车牵引控制单元及其插件板微机检测装置

介绍了上海轨道交通DC01型电动列车牵引控制单元及其插件板微机检测装置的检测原理和软硬件结构。阐述了工控主机、电气控制箱等硬件设计,以及检测装置软件的主程序模块设计、插件板检测程序设计、静态程序设计等软硬件方面所需要解决的关键技术及其实现方法。该装置的研制运用提高了牵引控制单元系统及其插件板的检修质量和检修效率。     

高速磁浮车辆垂直动力学仿真与平稳性研究

通过建立高速磁浮车辆的动力学模型,研究输入线路激励后车辆的运行平稳性和舒适度。通过对高速磁浮车辆的悬挂参数分析研究并优化,来评价车辆在不同速度下的运行平稳性和舒适度。在这些研究分析的基础上,对现有上海磁浮车辆的悬挂参数进行更为合理的优化设计,以实现磁浮车辆良好的平稳性和舒适度。     

地铁列车中可燃物热释放速率的测定

介绍了目前常用的室内火灾模拟方法——区域模拟与场模拟,并对其各自的特点和局限性进行对比讨论;同时还介绍了基于质量损失速率的热释放速率测试方法,给出了部分实验数据和结果分析。火源热释放速率的大小对于火灾的温度分布及烟气流动的影响较大。     

基于联合调度优化模型的共享汽车分析

共享汽车行业曾在几年前广为繁荣,但由于其所具有的重模式、高成本、难以盈利等弊端,造成企业难以持续融资,行业难以持续繁荣的困境.如今,随着汽车车型更新换代日益迅速,加之疫情影响经济发展,消费者更倾向于轻便的用车模式,使得具有"分时租赁"特点的共享汽车获得很大发展机遇.本文综合利用Excel、Python软件,先以经纬度为...