模式类及其上的知识表示和推理

指出知识之间的关系广泛存在，这些关系正是插值推理所需要的。然而还没有一种容纳知识之间的关系的知识表示的方法，模糊推理方法隐含了这些知识但没有明确地表示出来。文中还建立了一种表示不确定知识的框架－模式类，此框架用于表示知识之间的关系，并且建立了在此框架上进行知识推理的方法，该方法可以应用到传统模糊推理能够应用的地方，且应用范围更广。     

铁路救援指挥系统中IDSS的构建方法研究

提出基于案例推理技术、粗糙集技术、相似度量理论与专家知识相结合的铁路救援指挥系统(RCS)中智能决策的构建方法。在构建铁路事故救援指挥系统时,以铁路事故救援案例为基础,建立基于粗糙集理论的案例索引推理机制,有效地进行知识约简并从中发现规律,对于新案例通过相似度量理论实现相似范例的检索,同时结合专家知识和救援规则得出最终的事故紧急救援方案。通过模拟试验表明,该智能决策方法优于传统的基于规则的救援指挥方法。同时展望了在理论模型不完备、领域知识不完全、主要依靠经验知识的铁路事故救援指挥系统构建中的应用价值。     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D—S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D—S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

基于模型预测控制的CACC系统通信延时补偿方法

为确保通信延时条件下协同式自适应巡航控制(CACC)系统的弦稳定性,利用模型预测控制(MPC)和长短期记忆(LSTM)预测方法,研究CACC系统中车辆协同控制下的通信延时补偿方法;基于车辆队列四元素架构理论,构建了包括车辆动力学模型、间距策略、网络拓扑和MPC纵向控制器的系统模型,并综合考虑2范数和无穷范数弦稳定性条件,提出了CACC车辆队列混合范数弦稳定性量化指标,最终形成协同式车辆队列建模与评价体系;设计了一种利用前车加速度轨迹(PVAT)作为开环优化参考轨迹的MPC方法,即MPC-PVAT,通过综合考虑队列的跟驰、安全、通行效率和燃油消耗等性能指标,使目标函数趋于最小代价,从而得到当前时刻的最优控制量,并利用庞特里亚金最大值原理对所设计的优化问题进行快速求解;在MPC-PVAT基础上,提出一种基于长短期记忆(LSTM)网络的通信延时补偿方法,即MPC-LSTM,将跟驰车辆的传感器信息输入LSTM网络来预测其前车的运动状态,从而缓解短暂通信延时对车辆队列稳定性的影响。仿真测试结果表明：MPC-LSTM可容忍的通信延时上界大于1.5 s,比MPC-PVAT提升了0.8 s,比线性控制器提升了1.1 s;在基于实车数据测试中,当通信延时增加到1.2 s时,MPC-LSTM的弦稳定性指标相比MPC-PVAT提升了20.33%,与线性控制器相比稳定性提升了39.35%。可见,在通信延时较大的情况下,MPC-LSTM对通信延时具有很好的容忍性,从而有效地保证了CACC车辆队列的弦稳定性。     

�Ǽʸ��ٹ�·�Զ�����������Ӱ�죺���ڻ�Ϸ��������о�

自动货车车道（ATL）是一项缓解城际高速公路货车比例偏高问题的下一代物流技术. 本文提出了一种微观-中观混合交通仿真器,用于精确评估在大规模公路网上引入自动货车车道所引起的交通流变化,并设计集成框架以确保路径选择与微观-中观仿真器校核的一致性,使用扩展后的微观车辆跟驰模型和车道变换模型反映轿车与货车之间的相互作用. 通过3个仿真案例评价自动货车车道对交通流、货车比例、旅行时间及总旅行时间节省的影响. 最后,使用混合仿真器分析道路的安全性和交通事故对旅行时间的影响. 仿真结果表明：引入自动货车车道改变了New Tomei-Meishin高速公路及该路网中其它高速公路的交通量,缩短了旅行时间,提高了安全性. 应在大范围公路网络中分析自动货车车道系统,从而获得更精确的评价.     

自动化集装箱码头智能闸口布置

在总结国外自动化集装箱码头闸口布置经验的基础上,提出自动化码头新型多级闸口布置形式,以提高进港集卡通过能力及闸口运作效率。多级闸口在洋山四期工程中被采用,其优越性得以体现,该方案可行性得到检验。     

桥梁智能CAD系统中的类比技术研究

首先分析了工程设计的实现,然后以工程设计过程的理论模型－规划控制下的二阶段设计模型为理论依据,讨论了桥梁数据结构的设计方法,并制定了相应的类比推理模型。     

基于车联网BSM数据与路侧视频融合的港口集装箱卡车碰撞危险辨识方法

大型港口集装箱码头运输车辆调度频繁,堆场过道和交换区等区域视距狭窄,容易导致港口集装箱卡车与设施、作业人员和车辆发生擦碰事故。为提高智能集装箱卡车在港口密集区域的轨迹跟踪精度和行车安全感知能力,提出了一种车联网条件下融合车载终端基本安全消息（Basic Safety Messages,BSM）数据和路侧视频数据的集装箱卡车碰撞风险辨识方法。采用YOLOv5s算法提取视频监控范围内的目标车辆和作业人员,根据目标集卡大尺寸特点设计非极大值抑制锚框来提高目标识别准确度。运用透视变换原理将目标像素坐标转换成地理坐标,并应用Deep-SORT算法匹配每帧图像的车辆轨迹信息。应用交互式多模型方法（interactive multi-model,IMM）融合视频轨迹信息和车载单元（on-board units,OBU）定位数据,减小了目标机动过程中的观测误差。基于集卡融合轨迹结果,提出了1种新型的轨迹冲突风险评估模型,能够根据目标集卡与周围目标轨迹的相对运动状态实时感知车辆碰撞危险,该碰撞危险检测结果在实际场景中可通过路侧设备对车载终端和作业人员终端实时播发预警信息。针对集卡跟踪误差的实验结果表明：IMM自适应跟踪轨迹的平均均方根误差为0.29 m,比集卡自主跟踪轨迹误差提升81.05%;融合路侧监控视频与车载终端定位数据能够克服车辆自主定位系统在密集堆场环境下的误差增大问题。集卡碰撞危险辨识的结果表明：车辆碰撞危险识别结果（预设ETTC阈值为2 s）的召回率、精确度和准确度相对集卡自主感知分别提升了7.39%,4.27%,2.50%,更准确地辨识出了视线遮挡情况下的轨迹冲突风险。     

隧道坍方突发事件风险原因统计及范例推理

为了解浏阳河隧道某地段的坍方风险,对已有坍方隧道实例的原因进行统计分析,并对主要原因进行力学解释,进一步应用范例推理评估浏阳河隧道坍方的风险.研究结果表明:隧道坍方的主要诱因是围岩破碎和降雨,这与断层破碎带处的围岩力学性能差、降水恶化围岩力学性质和降低围岩有效应力等有关,从而更易屈服失稳;浏阳河隧道范例推理的坍方风险为很有可能发生坍方,建议在该地段施工中应注重监测信息的反馈并做好超前地质预报.     

Truck platooning on uphill grades under cooperative adaptive cruise control (CACC)

This paper examines CACC truck platooning on uphill grades. It was found that the design of CT policy should consider the effects of low crawl speeds on significant upgrades. Three simple solutions, which have different impacts on traffic flow efficiency, are proposed. Furthermore, truck platoons, controlled by a state-of-the-art CACC model, become asymptotically unstable beyond some critical grade. The errors are permanent, suggesting that trucks fail to re-engage after the upgrade. This occurs by complex interactions between the CACC control and the bounded acceleration capabilities of trucks. New control concepts are developed to complement the existing control model and achieve asymptotic (and string) stability. The instability mechanisms and new control concepts are not specific to the control model used.