基于混合A*和可变半径RS曲线的自动泊车路径优化方法

路径规划是自动泊车系统的重要组成部分,是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战,同时搜索曲线半径固定容易导致路径接点处曲率不连续,增大了路径跟随控制难度和轮胎磨损程度,这些都提升了泊车路径规划的研究难度。针对以上问题,设计可变半径的Reeds-Shepp曲线,提出基于混合A^*和该曲线的自动泊车路径规划方法,通过调整曲线半径,提升其在复杂场景下路径的搜索能力和灵活性。随后,设计基于分段贝塞尔曲线和梯度下降的路径优化方法,利用其多阶导数连续的优势优化已搜索的路径曲率,并采用梯度下降来保证路径曲率大小和对障碍的规避,解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后,基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境,针对多种自动泊车工况测试验证提出的方法。研究结果表明：调整Reeds-Shepp曲线的搜索半径进行全局路径搜索,可获得更短和更易跟随的路径,具有良好的灵活性;基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。     

FPSO全生命周期风险管理

简述了FPSO风险管理的目的和意义，结合FPSO风险特点和FPSO管理经验，采用风险分析方法指出FPSO全生命周期面临的安全风险；针对FPSO全生命周期内的设计、建造、生产、废弃等不同阶段的不同风险探索相应的风险管理方法和控制措施，旨在有效降低FPSO全生命周期内的健康安全环保风险。     

智慧交通与智慧物流

智慧交通和智慧物流是智慧城市建设的重要内容.智慧交通技术的创新和发展，促进了智能交通升级.解决大规模数据计算问题是物流智能化的基础.本次论坛以“智慧交通和智慧物流”为主题，介绍了安全驾驶统一集理论、实践及成果，探讨了新一代信息技术对智能交通发展与创新的推动作用，介绍了无人驾驶技术的总体框架、发展与应用，探讨了智慧物流所面临的大规模数据计算问题及解决方案.     

Human driving data-based design of a vehicle adaptive cruise control algorithm

This paper presents a vehicle adaptive cruise control algorithm design with human factors considerations. Adaptive cruise control (ACC) systems should be acceptable to drivers. In order to be acceptable to drivers, the ACC systems need to be designed based on the analysis of human driver driving behaviour. Manual driving characteristics are investigated using real-world driving test data. The goal of the control algorithm is to achieve naturalistic behaviour of the controlled vehicle that would feel natural to the human driver in normal driving situations and to achieve safe vehicle behaviour in severe braking situations in which large decelerations are necessary. A non-dimensional warning index and inverse time-to-collision are used to evaluate driving situations. A confusion matrix method based on natural driving data sets was used to tune control parameters in the proposed ACC system. Using a simulation and a validated vehicle simulator, vehicle following characteristics of the controlled vehicle are compared with real-world manual driving radar sensor data. It is shown that the proposed control strategy can provide with natural following performance similar to human manual driving in both high speed driving and low speed stop-and-go situations and can prevent the vehicle-to-vehicle distance from dropping to an unsafe level in a variety of driving conditions.     

面向传染病疫情防控的公共交通运行管理决策支持研究

近年来全球新发重大传染病疫情不断出现，已成为人类社会必须防范应对的重大风险。公共交通在传染病疫情防控过程中承担着阻断病毒传播和保障复工复产的功能，疫情期间公共交通运行管理的决策需求和技术支撑体系与日常情况有显著差异。现有研究多针对公交日常运行决策需求展开，虽有少量针对突发公共事件的应急管理决策支持的研究，但多针对自然灾害和事故灾难场景，无法迁移应用于传染病疫情防控。基于此，以新型冠状病毒肺炎（COVID-19）疫情为例，综合考虑突发公共卫生事件应急管理流程和疫情防控实际情况，系统梳理疫情不同阶段的防控目标和决策需求，提出一种面向传染病疫情防控的公共交通运行管理决策支持系统框架，建立基于公共卫生事件案例库、多源数据融合库、公交数据分析技术库和公交防疫策略库的功能架构，并设计不同功能模块的算法模型。研究以厦门为例，对提出的决策支持系统的功能架构和算法模型进行验证。研究结果表明，构建公交乘客出行链的成功率为89.7%，并可应用于疫情不同阶段的关联客流分析、感染者同乘人员的追溯分析、医护人员等防疫人员的通勤出行识别、公交运行满载率监控等方面。研究成果不仅对传染病疫情防控有实用价值，而且对突发公共事件应急管理决策支持方法亦有理论贡献。     

陡峭岩面双壁钢围堰稳定性分析及风险评估

根据某长江大桥索塔基础工程施工的主要特点,综合考虑4种水中基础围堰方案的优缺点,确定该索塔基础采用锚固柱桩方案;分析现有的钢围堰计算理论,基于钢围堰的施工工艺,研究该长江大桥索塔基础的钢围堰在封底混凝土对围堰侧压力、混凝土及钢围堰重力、钢围堰刃脚摩擦力、抗滑桩及封底混凝土抗剪承载力、流水压力作用下的力学特点,基于各工况的受力特点分别建立力学模型计算公式,构建综合考虑抗滑安全系数及风险后果影响的钢围堰整体抗滑风险模型。研究结果表明:根据《建筑基坑支护技术规程》(JGJ 120-2012)要求,钢围堰在第1,2,3工况时的抗滑安全系数分别为1.607,1.716,4.684,大于规范中1.3要求;该长江大桥在钢围堰施工阶段的总体风险水平为5.6381,风险等级为3级。     

交通流特征深度认知的车队运行参数优化方法

为提升车队对周围交通流环境的认知能力，获取车队周围多车的运行模式，同时通过改变车队运行参数实现车队群体对周围多车群体运行模式的诱导变化，为提升车队及交通流整体运行效率提供优化策略，提出了基于狄利克雷混和高斯过程的车队周围多车运行模式获取算法，将车队周围多车车辆的复杂运行模式视为混和高斯过程，利用狄利克雷分布作为高斯混和权重的先验分布，建立车队周围多车运行模式速度场，从而获取车队周围多车运行模式并分类；通过比较不同多车运行模式下车队的运行效率，提升车队对所处运行环境的认知能力。研究结果表明：利用非参数贝叶斯算法将复杂的多车运行状态进行分类，获取的车队周围多车运行模式可表现为对车队运行效率产生不同影响的速度场；通过将车队周围的多车运行仿真数据分成多个运行模式，可获取不同多车运行模式下车队及交通流整体运行特性；通过更改车队运行参数，观察不同多车运行模式的占比变化，可获取车队运行参数对所处运行环境改变的影响趋势；车队周围多车运行模式的获取，不仅可以提升车队对周围运行环境的认知能力，使得车队能够选取有利路径行驶，同时能够为车队运行策略的优化提供有效的信息。     

用于智能驾驶系统评价的乘员损伤模型

只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型，致使所得到的模型精度差。为此，提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析，论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量，通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R²约为0.9，证明了该模型的正确性。为进一步验证，以此模型为基础，评价智能驾驶系统的有效性。以自动紧急制动系统为例，对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明：2组结果的平均误差不超过1%，验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息，能够获得更多的事故数据支持，从而可以更好地适应于不同类别智能驾驶系统的评价需求。     

Transportation of hazardous materials on Arizona's low volume roads

This paper attempts to address the issue of transporting hazardous materials and the question whether this activity constitutes a significant problem on Arizona's low volume roads. Problems related to lack of data required for most of existing risk assessment models are discussed. A preliminary risk assessment, conducted by the use of a screening model, attested that of the total state low volume road mileage, only 30% may need further, and more detailed, hazardous materials transportation risk analysis. The remaining 70% is currently free of any significant risk.     

基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。