对策论帮你稳操胜券——漫谈对策论的原理及其应用

对策论是为人类竞争活动提供对象的理论,它所研究的典型问题是二个或二个以上的参加者在某种对抗性或竞争性场合下,使用数学方法进行分析和比较,从而做出自己最优决策。使自己的一方得到尽可能最有利的结果,对策论是运筹学一个重要分支。美国约翰斯·霍普金斯大学的经济学教授佩顿·杨为对策论下了一个精辟的定义:即一方在采取行动的时候考虑对方将如何做出反应的理论。对策论在当今的人类活动中应用越来越广泛,有关对策论的研究也在不断深入发展,这一切说明对策论的理论和实践在现代生活中的意义是多么的重要。     

无线传感器网络基于信号到达角度的节点定位算法研究

提出了一种基于锚节点的信号到达角度值并利用节点之间的位置关系实现传感器网络中未知节点的定位算法。通过仿真实验,分析了锚节点数目、节点通信距离、测量角度误差等因素对算法的定位精度和定位覆盖率的影响。     

盾构始发与到达设计与施工决策分析系统研制

为了控制盾构施工的风险和提高盾构设计与施工的决策效率,采用资料分析、理论计算和软件开发的方法,对盾构始发与到达施工决策相关基础与应用问题进行了全面研究。得到以下研究成果:1)提出盾构始发和到达的风险分类,并以此为基础,研究了不同加固方案下盾构始发与到达施工存在的风险问题;2)通过对端头地层稳定性的研究,提出端头地层稳定性分析与判别方法,构建始发与到达加固方案知识库;3)建立一个包含100个工程的案例数据库,为决策系统提供了数据库支撑;4)基于工程案例数据库,研制具有地层稳定性判别、加固方法选择、加固范围确定、反力架支撑验算、风险分析、施组设计标准化等功能的盾构始发与到达设计与施工决策辅助系统,有助于工程设计与施工方案的科学分析与决策。     

盾构始发与到达端头地层加固方法选择与稳定性评价

盾构法作为当前城市软土隧道最常用的修建方法之一,相关工程事故却屡见不鲜,究其原因,多是由于端头地层的稳定性未能得到有效控制所致,因此,端头地层失稳成为盾构始发和到达施工的一个主要风险点。为降低该风险,保证盾构工程的顺利进行,基于相关工程资料和研究成果的总结分析,结合作者的工程设计经验,针对盾构始发与到达的端头地层稳定性加固控制问题,通过研究得到以下成果:1)提出了一个盾构始发与到达的加固方案库,并以此为基础,通过程序构建了一套盾构始发与到达加固方案的自动推理方法;2)考虑有水和无水2种情况,根据各类土的类型特性和关键参数指标,对盾构始发与到达工程中的各单一类型土层分别进行了稳定性分析与判别;3)根据各类土的地层稳定性分析与判断结果,提出了盾构始发与到达地层的综合稳定性判别方法。     

智能网联环境下的城市路网容量可靠性分析

网联自动驾驶车辆（CAVs）与人工驾驶车辆（HDVs）混行的交通发展模式会促进城市路网容量发生变化，为解析混合交通流对城市路网容量可靠性的影响，构建了智能网联环境下城市路网容量可靠性双层规划模型。为表征CAVs信息获取与自动驾驶的能力，假定CAVs遵循系统最优原则选择路径，而HDVs则根据自身经验选择路径，基于二者路径选择的差异建立描述混合交通分配的下层模型，刻画智能网联环境下的混合交通流分配特性。并且，为了快速求解大型路网交通分配，将下层混合交通分配模型转换为非线性互补下问题进行求解。考虑到实际路网的随机性，以及路网道路通行能力并非固定值，运用具有多种相关性的均匀随机分布理论，建立了的描述城市路网容量可靠性的上层模型。通过蒙特卡洛仿真分析不同CAVs渗透率下的路网容量可靠性，并进一步解析各路段对路网容量可靠性的敏感度。结果表明:当需求水平d > 0.5时，路网容量可靠性开始降低；当d > 0.7且CAVs渗透率λ＝0时，可靠性小于0.4；当d > 0.7而λ＝1时，可靠性接近1，说明CAVs可增强路网容量可靠性。研究还发现，当需求水平处于0.7~1区间时，渗透率的变化对路网容量可靠性有显著的影响，但随着需求的增大，路网处于超负荷状态，渗透率对路网容量可靠性影响较小。此外，CAVs渗透率从0增加至1的过程中，路网中存在“道路容量悖论”现象的道路从19条下降至3条，且当λ＝1时路网中仅有1条道路出现了显著的“道路容量悖论”现象，拥堵严重。表明CAVs渗透率的增大可以显著改善路网中的“道路容量悖论”现象，减少路网容量可靠性的波动，提高路网运行稳定性。      

基于SDN的两级大象流负载均衡策略

以SDN网络为基础,提出一种解决数据中心网络拥塞的大象流负载均衡策略,完善了负载均衡整体框架.第一阶段使用sFlow收集网络状态,通过降低大象流误检率,采用突出大象流漏检率并设置阈值以判定可疑大象流;第二阶段应用基于流持续时间判定真正大象流,剔除已变质大象流,并将两阶段的大象流检测方法嵌入整体负载均衡架构中;最后在ubuntu系统环境下利用Mininet搭建胖树网络拓扑,以Ryu为控制器进行仿真模拟测试,通过控制流量负载验证大象流负载均衡策略.试验结果表明,提出的大象流负载均衡策略可提高数据中心网络中大象流与老鼠流的检测效率和网络链路利用率,并可减小网络传输时延.     

基于遗传算法的道路车辆自组织网络源路由机制

在当前基于交叉路口的城市车辆自组织网络(VANETs)路由协议中，道路上数据包传输大多采用基于地理位置的贪婪转发策略，当数据量较大时，个别节点负载较重，极易引起传输延迟增大乃至丢包的情况.本文提出了一种基于遗传算法的源路由机制，通过记录单体车辆的驾驶信息而非传统方法中的车流均值数据，来预测道路上车辆网络的连通情况，并借助遗传算法，首次基于道路连通性、节点负载和连接跳数这3 点综合考虑，计算得出道路上最佳的源路由节点序列.仿真实验结果表明，在传输率与延迟时间上，性能均优于传统的贪婪路由机制，尤其在车流量为250 veh· lane-1· h-1时，传输率提升约13%.该研究可为智能交通信息通讯提供可靠助力.     

雾天道路下智能车视觉图像实时快速去雾研究

针对智能驾驶视觉感知领域中去雾算法处理时间过长的问题，提出了一种基于大气散射模型的视频图像快速去雾算法。在暗通道先验去雾的基础上，计算大气光值的自适应参数，提高去雾速度，并优化设计去雾系数，获取半去雾图像，将单幅图像去雾应用到视频实时去雾中；进一步利用限制对比度自适应直方图均衡（CLAHE）算法抑制去雾残余噪声，增强图像道路交通特征。验证结果表明：提出的算法有效提高了图像质量，且视频去雾速度较传统算法大幅提升；图像边缘强度提升近2倍，极大提高了道路能见度。     

冰雪条件下中国驾驶员跟驰行为及模型研究

分析驾驶员在冰雪条件下的驾驶行为特性，建立考虑驾驶员行为特性的跟驰模型，有助于丰富现有交通流理论.通过招募驾驶员开展实车跟驰试验，对比分析正常条件与冰雪条件下的驾驶行为差异.进而基于任务难度均衡理论构建包含人类因素参数的任务难度模块，引入改进后的智能驾驶员模型，并采用车辆轨迹数据对模型进行标定和有效性验证.研究表明：驾驶员在跟驰行驶过程中受外界刺激及自身驾驶能力影响时会对车辆行驶状态进行动态调整，试图保持期望间距，且速度与前车一致的状态；冰雪条件下驾驶员采取风险补偿行为，其车头时距波动幅度较正常条件收窄，模型引入人类因素参数可以较好地描述其差异性. 模型有效性验证表明，新模型在6个仿真场景中的表现都优于传统智能驾驶员模型，且表现出更好的鲁棒性.研究结果可为冰雪条件下的交通管理措施制定提供理论支持.     

不确定条件下机场群系统均衡配流模型研究

为探索客流在机场群的分布规律，以整个航空出行链为视角，综合考虑空中交通、地面交通和旅客出行选择偏好，构建机场群系统均衡配流模型.以路径时间、机场停留时间、出行票价和旅客类型为主要参考属性，提出机场群系统旅客出行成本模型.由于路径时间与流量相关且存在不确定性，基于预算超出时间对路径时间的均值与方差进行统一度量.综合路径时间、出行票价、机场停留时间与旅客类型，基于Logit模型建立旅客对航空出行路径的选择模型，将机场群系统的客流均衡条件转换为变分不等式.基于投影收缩算法对变分不等式求解，从而得出客流在机场群间的均衡分布状态.算例结果表明，机场群系统均衡配流模型有效建立了客流分布状态，调整路径时间、机场服务水平、票价等因素均可促进客流在机场群间的均衡分布.