多网联范围下的智能网联车换道决策组合模型研究

为提升不同网联范围下智能网联车(Intelligent Connected Vehicles, ICV)的换道效率,结合深度强化学习和分子动力学理论,提出一种融合掩码机制和注意力机制的双深度Q网络(MaskAttention-DDQN, MAQ)换道决策模型。首先,在SUMO (Simulation of Urban Mobility)仿真环境中采集网联范围内ICV及人工驾驶车辆(Human Drive Vehicles, HDV)的行驶状态信息。其次,搭建MAQ模型,采用掩码机制和注意力机制方法,实现固定模型输入大小,以及实现置换不变性。第三,为实现车辆间影响程度的数值化,以车辆间相对速度和相对位置为参数,使用分子动力学理论为网联范围内HDV信息赋予权重。最后,分别在不同交通密度仿真环境中对不同换道决策模型和赋权方法进行对比,并测试ICV在不同网联范围(80~330 m,以50 m为间隔)下的换道决策效果。仿真结果表明,以40辆HDV、100m网联范围为例,MAQ模型比DeepSet-Q模型拟合精度提高了90.2%;分子动力学赋权方法相比线性权重赋权方法总奖励值提高了5.5%,ICV平均车速提高了4.8%;ICV平均车速随着网联范围的扩大,呈现出先增大、再减小、后趋于平稳的变化规律。     

船体分段智能车间发展趋势

通过梳理国内船体分段制造车间存在问题,确定船体分段智能车间建设蓝图.以信息化及软硬件发展水平为基础,制订船体分段智能车间智能制造实施路径:开展2.0补课,推进3.0普及,实施4.0试点.提出船体分段智能车间建设思路,重点针对车间架构进行分析设计,旨在推进船企信息化生产管理.     

交通拥堵智能监测的车联网环境构建

车联网是互联网以及物联网通讯技术引入交通领域而发展出来的一类智能交通应用技术。本文在解析车联网基本架构体系的前提下,围绕交通拥堵智能监测的优化实现,基于V2V模型,构建一种智能监测的车联网典型应用环境,并参考车联网基本特征,探讨定义智能监测条件下的交通拥堵评价基准。     

基于视觉识别的城市区域限时停车系统研究

针对社会服务机构附近车流量大,车位需求大,而部分车辆长时间滞留导致交通堵塞及路侧临时停车位使用效率不高的问题,提出了在城市部分区域建立基于视觉识别的限时停车系统。本文分析了系统构建模式,通过对限时区域功能分类,分别建立了相应的最优车辆停留时间模型,并以武汉市某小学周边区域为例进行了分析。区域限时停车系统的建立对于解决城市局部交通拥堵及停车困难问题具有重要的意义。     

基于余弦窗FFT算法的智能轮胎实时不平衡量振动信号处理系统研究

目前智能轮胎实时侦测技术的研发已成为汽车技术发展的主要方向之一,智能轮胎实时信号处理系统是实现智能轮胎实时侦测功能的关键。本文提出一种基于余弦窗FFT算法的智能轮胎实时不平衡量振动信号处理系统,通过传感器、信号放大器、滤波板、数据采集卡、计算系统等实现行驶车辆智能轮胎振动信号的采集、放大、调理、预处理和处理,其中,计算系统采用余弦窗FFT算法,结合电子地图路面信息系统,有效获取智能轮胎实时不平衡量振动信号的幅值与相位。该系统能有效处理异步采样信号,满足智能轮胎在线监测快速、准确的测量需求。     

光纤光栅传感和光电成像技术在地铁深基坑中的应用

为实时掌握基坑开挖过程中支护结构的变形情况,以宁波某地铁深基坑为依托,建立一套基于光纤光栅传感和光电成像技术的实时监测系统。介绍光纤光栅测量应变、光电式双向位移计测试墙顶水平位移和沉降的原理,并推导利用光纤光栅实测应变计算水平位移的公式。基坑开挖过程中,不同位移测试计算方法的成果对比分析结果表明： 光纤光栅传感技术测量墙体应变数据准确、可靠,计算的水平位移与测斜仪测得的水平位移一致,光电式双向位移计测试墙顶水平位移和沉降精度高于全站仪,可推广应用于基坑工程安全监测。     

基于短时交通流预测的广域动态交通路径诱导方法

为提升车辆通行效率,以预测型诱导策略为基础,以排队长度作为交通诱导的约束条件,利用小波神经网络短时交通量预测预知路段堵死事件发生路段,通过广域诱导时空边界条件对事件路段进行节点分级和诱导周期长度界定,进而建立广域诱导模型;对事件区域路网进行分区,进一步确定该模型诱导起点位置,引入基于路径尺度的Logit 路径选择模型作为诱导路径选择方法,通过流量迭代分配方法实现路网负载均衡. 通过实例验证,该诱导方法能有效地缓解道路交通拥堵,提高路网通行效率.     

基于GMM-CHMM 的城市道路换道行为识别

高级驾驶辅助系统(ADAS)是提高车内乘员安全性的主动安全系统之一,将车载参数和车辆位置参数相结合,提出一种能够应用到ADAS的城市道路换道行为识别模型. 在西安城市道路环境中进行实验,采集18 位驾驶员的9 个车载实时参数数据,以及前后车辆间的相对速度、相对距离、相对角度,提取412 个换道行为单元和824 个车道保持行为单元,共 88 992 条数据. 运用数理统计方法分析表明,方向盘转角、转向角速度、相对安全距离比在换道行为和车道保持行为之间有显著性差异,在这3 个特征参数的基础上,建立混合了高斯混合模型(GMM)和连续型隐马尔可夫模型(CHMM)的识别模型,用部分样本对模型效能评价. 结果表明,混合模型对换道行为的识别精度为93.6%,具有良好的识别效果,可以很好地应用到 ADAS.     

城市快速路分层分布式优化控制方法研究

针对城市快速路控制系统对实时道路交通状况不能及时、有效地响应问题,利用时变的交通状态估计与OD矩阵预测信息,基于智能交通控制及分层分布式思想,提出一个新颖的城市快速路匝道控制方法. 采用基于多项式趋势模型的滤波方法对路段总的交通需求进行估计与预测,提前确定道路将来排队长度的上界;对快速路网未来的交通状态进行预测,基于全局最优的思想,提前为路网中各个匝道建立协调约束,为匝道调节率的制定提供依据. 仿真结果表明,分层分布式的快速路控制系统通过协调各个匝道之间的利益,能够有效缓解高峰出行时的拥堵现象,对实现城市快速路网整体性能优化具有现实意义.     

考虑博弈的多智能体强化学习分布式信号控制

交通需求的不均衡和波动会增加分布式信号控制优化的难度. 由于现有独立动作的多智能体强化学习(IA-MARL)仅基于自身的历史经验做出决策,基于IA-MARL的分布式信号控制难以及时缓解交通需求不均衡和波动的影响. 本文融入博弈论的混合策略纳什均衡概念,改进IA-MARL的决策过程,提出考虑博弈的多智能体强化学习(G-MARL)框架. 在采用带有泊松到达率的道路网络流量不均衡输入的格子网络中,分别对基于IA-MARL 和GMARL 的分布式控制方法进行数值模拟,获取单位行程时间和单位车均延误曲线. 结果显示,与IA-MARL相比,G-MARL在单位行程时间和单位车均延误方面分别改善59.94%和81.45%. 证明G-MARL适用于不饱和且交通需求不均衡和波动的分布式信号控制.