基于CNN-GRU的船舶轨迹预测

针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题,提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)和门控循环单元(Gated Recurrent Unit, GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基于船舶AIS信息的船舶轨迹特征表达方法,以目标船舶连续4个时刻的轨迹特征值作为输入,以第5个时刻轨迹特征值作为输出,训练构建的CNN-GRU轨迹预测网络,对未来船舶轨迹进行预测,并与现有模型进行对比.实例验证表明：CNN-GRU模型的预测精度显著提升,经度误差不超过3×10^-5(°),纬度误差不超过5.5×10^-4(°),相较于CNN-LSTM模型,预测效率显著提高,运行时间减少19.1 s.     

基于MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

基于LQR双PID的智能电动汽车轨迹跟踪横纵向协同控制

为提高智能电动汽车(IEV)轨迹跟踪精度和稳定性,提出了一种考虑前馈控制和转角补偿的线性二次调节器 (LQR) —双比例-积分-微分 (PID)横纵向协同控制方法.设计了LQR横向控制器、前轮转角补偿控制、纵向双PID控制器,得到驱动或制动力输出到车辆模型.在Carsim和Matlab/Simulink环境下搭建了系统...     

基于车辆动力学混合模型的智能汽车轨迹跟踪控制方法

基于机理分析的车辆动力学建模过程通常进行简化及假设,无法准确计算实际车辆在不同道路条件下的动力学变化,进而导致智能汽车轨迹跟踪控制精度低、不稳定等问题。鉴于此,本文中提出了一种基于混合建模技术的非线性建模与控制方法,构建机理分析-数据驱动的车辆动力学串联混合模型,车辆状态与控制数据经机理模型实现计算处理,级联合并后作为数据驱动模块的输入,长短时记忆网络作为主干网络实现时序数据的非线性关联特征提取和最终的模型输出计算。测试结果表明,该模型可以补充计算机理模型中的部分未建模动态并提高模型计算精度,且具有隐式理解不同路面附着条件的能力。其次,使用Euler积分完成对预测模型的离散化并设计模型预测控制轨迹跟踪算法,设计前馈反馈控制算法在实现车辆的纵向控制的同时提供横向控制中预测模型所需的外部输入,最终实现更符合实际行驶环境且更精准的轨迹跟踪控制效果。CarSim/Simulink联合仿真结果表明,该方法实现了不同道路附着系数下控制量精确输出,同步提升了智能汽车轨迹跟踪控制精度和稳定性,具有良好的横纵向协调控制效果。     

现代汽车制造企业供应物流方式的选择分析

通过研究现代汽车制造企业供应方式的选择,提出设置集货中心新的供货方式,可为现代汽车制造企业的物流供应管理提供依据和参考。     

考虑航艏向与数据变化差异的船舶轨迹预测

船舶自动识别系统(Automatic Identify System,AIS)数据可以实时体现船舶当前时刻的具体动态,采用传统BP(Back Propagation)神经网络模型的船舶轨迹分析预测方法,在计算中直接将航艏向数据纳入模型,没有考虑船舶航艏向在零度附近变动时带来的实际方向变动幅度与数据变化幅度存在较大偏差问...     

基于自适应模型预测控制的智能车轨迹跟踪

针对传统模型预测算法在智能车辆轨迹跟踪的局限性,引入随道路曲率变化的速度自适应调节算法,设计轨迹跟踪控制器.设计目标函数及添加约束条件,通过Matlab/Simulink软件,在不同车速下与传统算法进行比较,仿真结果表明:不同的纵向车速对传统算法的轨迹跟踪有一定的影响,而对改进后的算法影响较小.尤其当车速较高时,改进后...     

山区公路回头曲线的车道偏移行为与自由行驶轨迹模型

为揭示山区公路回头曲线路段的车道偏移行为和轨迹特征,建立了自由行驶轨迹模型;在一条山区复杂线形公路上开展了实车驾驶试验,使用高精度车载设备收集自然驾驶状态下的车辆行驶轨迹、速度和偏移数据;基于轨迹相对位置曲线定义了回头曲线路段左右转车辆的自由行驶轨迹模式;以曲线转角180°为界,建立了回头曲线路段车辆相对位置拟合模型,设计了基于偏移量的自由行驶轨迹计算方法,并以其他道路的回头曲线作为算例进行模型验证。研究结果表明:回头曲线左转车辆呈现出4种轨迹模式,右转车辆呈现出3种轨迹模式;车辆轨迹在回头曲线的入弯、弯中和出弯阶段均出现了较大的偏移,偏移量大于40%,此时车身侵占对向车道,不同的轨迹模式具有不同的偏移特征;不同位置所对应的速度与偏移量的分布较离散,当速度折减小于6.5 km·h-1时,驾驶人可以通过占用对向车道来降低回头曲线行驶时的速度折损;基于横向偏移量建立的不同曲线转角下的轨迹拟合模型中,当回头曲线转角约为180°时,拟合模型的精度最大,左转拟合精度介于0.90~0.97,右转拟合精度介于0.65~0.97;当回头曲线转角大于180°时,拟合模型最大拟合精度0.97发生在右转,当回头曲线转角小于180°时,拟合模型最大拟合精度0.89发生在左转。可见,本文建立的轨迹模型具有较强的适用性,可为山区公路回头曲线的行驶轨迹预测提供手段和方法。      

浙江省高速公路交通事故特点及防治措施研究

随着经济的快速发展,高速公路通车里程得到快速增长,道路客、货运量及周转量不断高速发展,但高速公路的交通安全问题已经成为一个重要的研究课题。本文首先分析了浙江省高速公路交通事故的特点,然后运用轨迹交叉论进行交通事故的原因分析,识别浙江省高速公路危险源,最后有针对性地提出了浙江省高速公路交通事故防治措施。