水下机器人科学考察技术应用

水下机器人是重要的水下装备移动载体,可搭载操作机械、样本采集装置和环境传感器等装备以实现多样化的海洋科考任务.本文从水下机器人的类型、导航控制、环境感知、数据采集和样本采样等方面进行概括,分析水下机器人在海洋科考领域的应用技术,展望水下机器人的发展.     

USV复杂水域环境综合感知技术

从无人水面艇（Unmanned Surface Vessel,USV）所处的工作环境,分析单目摄像头、双目摄像头、海事雷达、激光雷达等传感器的组成原理、优缺点、性能测试。介绍多传感器数据在USV上的融合原理、融合流程及其应用情况。经过实船海上试验,多传感器数据融合指标良好,较好地解决USV在复杂水域安全航行的感知技术问题。所描述的感知技术,对设计和研发搭载不同任务的USV,识别不同工作场景环境,具有积极的参考价值。     

通过音乐感知提升旅客运输的乘客满意度和服务质量

随着旅客运输和公共交通的快速发展,乘客对服务质量的需求不断增强。本文认为音乐感知对于改善乘客对服务满意度和提升服务质量具有重要促进作用,分析了旅客运输和公交服务乘客满意度的影响因素,提出了音乐感知及个性化音乐服务提升旅客运输乘客满意度和服务质量的基本途径。     

基于虚拟点云的二阶段多模态融合网络

针对点云的稀疏性和无序性对目标检测准确率的影响,本文提出了一种基于虚拟点云的二阶段多模态融合网络VPC-VoxelNet。首先,利用图像检测目标信息构造虚拟点云,增加点云的密集程度,从而提高目标特征的表现;其次,增加点云特征维度以区分真实和虚拟点云,并使用含置信度编码的体素,增强点云的相关性;最后,采用虚拟点云的比例系数设计损失函数,增加图像检测有监督训练,提高二阶段网络训练效率,避免二阶段端到端网络模型存在的模型误差累计问题。该目标检测网络VPC-VoxelNet在KITTI数据集上进行了测试,检测精度优于经典三维点云检测网络和某些多传感器信息融合网络,车辆检测精度达到了86.9%。     

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.     

公交运行服务质量评价指标体系探讨

为了从服务学的视角准确考量公交系统运行服务的质量,本文基于交通调查和系统采集数据,通过统计分析解析了公交系统运行服务的过程和出行者出行的内在特性;基于对出行策略的定义,分析了出行者出行对时间、成本与体能消耗三方面的预算对其出行决策的影响;探讨了公交运行服务质量评价的系统边界,以价值、能耗与信息为基本维度,提出了评价公交运行服务质量的三维体系架构;最后分析提出三大预算对于从公交出行生理因素和心理过程两个基础层面揭示出行行为机理,是从乘客对服务感知视角对公交运行服务质量进行评价的更为客观有效的手段.     

智慧公路毫米波雷达感知精度分析与验证

毫米波雷达是当前智慧公路中路侧感知系统的重要组成部分,在交通流运行态势感知与智能管控、车路协同与自动驾驶中广泛应用。然而,车辆与毫米波雷达之间的相对位置、相对姿态的变化会对雷达信号回波及点云分布产生影响,导致雷达对车辆的感知结果出现偏差,进而影响交通系统的管控决策。分析毫米波雷达感知精度的空间特征,对于指导毫米波雷达在智慧公路中的应用至关重要。为此,基于毫米波雷达的感知原理,综合考虑毫米波雷达信号处理与点云数据处理2个阶段中的感知误差来源,通过数值仿真与实测试验相结合的方式对目标在不同位置与姿态下毫米波雷达的感知精度特征进行分析与验证。研究表明：雷达纵向感知精度主要受到与车辆相对位置的影响,当车辆与雷达纵向距离小于30 m或大于200 m时,车辆位置感知结果会向车头或车尾方向显著偏移,相应产生的纵向感知误差通常超过0.5 m;雷达横向感知精度主要受到车辆横向位置及相对姿态的影响,当车辆横向位置偏离雷达中心光束超过5 m或车辆行驶的航向角超过40°时,车辆位置感知结果会向车身侧向偏移,相应产生的横向感知误差通常超过0.5 m。得到的影响因素分析结果,可进一步为智慧公路场景中毫米波雷达感知...     

基于卡尔曼滤波的快时变稀疏信道估计新技术

针对高铁以及山区环境下正交频分复用（orthogonal frequency division multiplexing,OFDM）通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型（basic expansion model,BEM）,应用压缩感知（compressed sensing,CS）理论进行稀疏时延估计,并应用卡尔曼滤波（Kalman filter,KF）技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比（signal to noise ratio,SNR）条件下,随着归一化多普勒频移（frequency-normalized Doppler shift,FND）增大,新方法的信道估计均方差（mean square error,MSE）性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.      

基于感知能力的微观交通流动力学建模与仿真

基于驾驶员驾驶行为感知能力，提出了一种新的微观交通流动力学模型. 通过理论分析和数值模拟，对新模型的性能进行了详细的研究分析. 通过理论分析，基于线性稳定性理论，得到了新模型的稳定性条件. 通过数值模拟，深入分析了各参数对密度波和迟滞环的影响，进而对交通流稳定性的影响. 仿真算例结果表明：驾驶员感知能力对交通流稳定性有显著影响，车头距离变化信息可有效增强交通流的稳定性，对stop-and-go 交通拥堵有显著抑制作用，但不可避免的感知缓冲时间会破坏交通稳定性，进而产生严重的stop-and-go 交通拥堵；密度波和迟滞环的数值仿真结果与理论分析结果吻合得很好，验证了理论分析结果.