基于固定型检测器和浮动车的路段行程时间获取技术

在深入分析交通流诱导系统信息需求的基础上,提出了一种新的路段行程时间获取技术。首先分别利用固定型检测器和浮动车计算路段平均行程时间,进而应用自适应指数平滑法进行短时预测,最后开发了不同可靠度下基于固定型检测器和浮动车的路段行程时间快速融合算法。试验结果表明,该技术能够准确、高效地获取路段行程时间,为交通流诱导系统提供高质量的输入数据,满足出行者的信息需求。     

分对数模型在城市快速路交通状态预测中的应用

在分析相邻检测器截面间交通流的高度非线性和时空耦合性特点的基础上,结合上海市某一快速路段环型线圈检测器数据和浮动车GPS数据,采用数据挖掘技术提取检测器截面间的交通流时空数据.运用多项式分对数模型对所提取的时空数据进行统计分类分析,依托特征参数建立交通状态多项K-Logit指数模型.结合快速路匝道控制措施,采用VISSIM COM与VC++6.0为仿真平台,对实验数据进行仿真,结果表明:分对数模型对交通状态的预测精度能达到93.65%,行程时间平均缩减了17.1%,车辆延误降低了11.9%,行车速度提高了14.6%.     

基于手机浮动车的高速公路平均路段行程速度提取技术

提出了一种新的高速公路路段行程速度提取技术。因为在提取过程中路段划分是高速公路手机浮动车数据提取的基础和前提,首先提出了基于Fisher聚类分析法的手机浮动车高速公路路段长度划分方法,并基于此方法建立了高速公路平均行程速度参数提取模型,最后利用SPSS软件对相关数据进行了聚类分析,并采用VISSIM仿真软件对高速公路手机浮动车进行了模拟。模拟结果表明,模型在交通数据采集时有很好的精度,具有一定的应用价值。     

基于浮动车数据的行程速度估计算法及优化

依托重点实验室构建的浮动车采集处理实验系统,从行程速度的交通工程学定义出发,利用实时上传的浮动车数据,构建了以浮动车的驻留时间和路段长度为基础的行程速度估计算法．通过对比现场跟车实验测得的行程速度与算法计算结果,验证了该算法的行程速度结果精度达到90％以上,从而为交通信息服务系统提供了简单、准确的区间速度计算方法．最后,对算法进行了优化,有效地提高了算法效率,为满足大规模应用奠定了基础．     

基于混沌搜索的AMPSO-BPNN在光伏功率预测中的应用研究

以光伏发电系统的输出功率为研究对象,通过分析光伏发电功率的影响因素,利用相似日原理生成训练样本,将混沌搜索和自适应变异思想引入粒子群算法中,提出混沌搜索的自适应变异粒子群优化BP神经网络的预测模型。该模型较好地克服了BP网络初始化的随机性问题,提高了模型的泛化能力、收敛速度与预测精度。利用光伏电站与气象观测站的数据进行仿真分析与验证,结果表明:优化后模型的预测精度高于优化前,且混沌搜索的AMPSO的优化效果好于单纯PSO的优化效果。     

基于双层模型网格的变结构多模型估计

提出了一种双层网格变结构多模型（DLG VSMM）算法用于复杂系统的状态估计. DLG VSMM算法中的全体模型集由一个拓扑结构自适应调整的基础模型网格M和一个能在系统模式空间自由滑动的修正模型网格C组成. 首先利用可能模型集技术实时对基础模型网格结构进行调整;然后利用自适应网格技术产生修正模型网格的区域中心并生成自适应修正模型网格;最后利用最优融合原理得到系统的整体估计. 仿真结果表明,DLG VSMM算法在计算量增加不大的情况下提高了算法的跟踪精度.     

基于TransModeler仿真的浮动车比例取值方法研究

浮动车比例的确定在路网覆盖性与数据可靠性方面尤其重要,需通过适当方法确定合理的浮动车比例.以平均行程车速相对误差作为评价指标,提出一种基于TransModeler仿真的浮动车比例取值方法.取值方法共包含4个步骤:首先,对相对误差和浮动车比例建立函数关系;其次,确定路网条件及各变量取值,进行仿真实验;再次,对仿真数据整理分析;最后,确定最佳效用值.为验证取值方法的实用性与准确性,设置Florian路网对取值方法进行数值分析.结果 表明:基于TransModeler仿真的浮动车比例取值方法可以准确直观地反映浮动车比例对浮动车检测数据的影响,确定适用于路网的浮动车比例,本模型的车速相对误差均低于路网覆盖率法和浮动车分布法.     

混合动力客车能量管理设计及硬件在环试验验证

构建了混合动力客车的仿真模型,利用Cruise的实时仿真模块下载车辆模型至dSAPCE/Simulator作为整车的底层仿真平台。构建了基于stateflow的多模式整车能量管理控制策略,通过算法优化得到各模式最佳工作区域,从而确定多模式之间切换规则;利用自动代码生成技术生成代码并将其下载至TTC200控制器中,进行TTC200控制器与Simulator实时的硬件在环试验。试验结果与离线的仿真结果对比表明:整车控制策略的实时性较好,CAN总线通讯良好,减少了后续的实车调试周期。     

基于自适应Kalman滤波的网联车系统数据攻击检测

针对车联网环境下车辆自适应巡航系统的数据攻击检测问题,提出一种基于自适应卡尔曼滤波的网联车巡航系统数据攻击检测方法。首先,结合网联车自适应巡航控制系统模型,建立随机数据攻击、隐蔽虚假数据攻击和拒绝服务（Denial of service,DoS）数据攻击的数学模型,考虑网联车巡航系统存在不可测的未知测量噪声场景,设计测量噪声自适应动态估计的巡航系统卡尔曼滤波算法;其次,针对常规卡方检测器对隐蔽虚假数据攻击检测的不足,提出基于自适应卡尔曼滤波的网联车巡航系统数据攻击检测方法;最后,以网联车变速巡航工况为测试场景,通过对比仿真实验,分别针对随机数据攻击、隐蔽虚假数据攻击和DoS数据攻击,验证了该方法的有效性。     

基于CFD和网格自适应的流量系数计算方法

针对某100%开度的蝶阀进行流场和流量系数的仿真计算,综合运用了y+自适应和速度梯度自适应技术对阀门内流场的网格模型进行不同程度的优化。参照国家标准实验测量了该阀门的流量系数,以该系数为标准来评价仿真方法的准确性。结果表明,基于网格自适应的CFD仿真方法能准确地预测阀门的流量系数,网格自适应技术的运用可以有效地提高计算精度,并减少人工优化网格的难度和工作量。     

基于悉尼协调自适应交通控制系统线圈数据的交通事件自动检测算法

为了克服目前悉尼自适应交通控制系统(Sydney coordinated traffic system,SCATS)获取的动态交通数据仅用于交通信号控制的局限性,从信息共享的角度,将SCATS中感应线圈获取的动态交通数据应用于交通事件自动检测。在详细分析了SCATS中感应线圈获取的交通数据特性的基础上,设计了一种新的交通事件自动检测算法,并采用实测数据进行了验证和对比分析。结果表明,所设计的新算法在检测率、误警率方面均优于经典的对比算法,可为改善SCATS覆盖道路在交通信号控制、交通信息引导和交通指挥等方面的协调性提供技术支持。     

基于综合绿波带最宽的交叉口信号协调控制优化方法

针对传统绿波协调控制时只考虑公共绿波带最宽所存在的局限性,提出了一种优化相位差时兼顾协调范围内不同数量连续路口间的绿波带宽,进而使控制范围内绿波协调的综合带宽最大化的方法。设计了相应的控制目标函数,给出了应用图形法和试探法相结合的绿波带宽获取方法及优化流程。实例分析表明,虽然本文方法的公共绿波带宽相比传统控制方法有少量下降,但控制效果更优。     

基于车队D-Q模型的交通信号控制算法

用D-Q模型对单交叉口的车队形成、消散进行了描述,D(discharging)代表车队的消散过程、Q(queuing)代表车队的形成过程.在交通信号控制中,设计了一种以车队总延误时间为优化目标的实时的onestep控制算法.编制交通仿真系统平台,对该方法的控制效果与定时控制进行了模拟比较,仿真试验的结果说明该方法的控制效果明显优于传统的控制方式.     

基于SCATS及GPS信息的路段行程时间估计

由于SCATS控制系统的检测信息不提供速度信息,很少用其估计城市道路的路段行程时间。鉴于SCATS应用的广泛性及其采集信息的丰富性,提出了一种基于SCATS信息的路段行程时间估计方法。对基于SCATS信息估计结果进行误差分析,并分析了浮动车样本量对GPS估计结果的影响,明确了两种估计方法在不同条件下估计结果的特性。根据估计结果的准确性和稳定性对实验样本进行分类。在分类的基础上,分析了以上两种估计结果的互补性,并选择合适的融合方法对二者进行了融合处理,融合前后的估计误差对比结果表明,提出的基于SCATS估计方法有效,经SCATS及GPS信息融合后的估计结果更可靠。     

Research on optimized GA-SVM vehicle speed prediction model based on driver-vehicle-road-traffic system

The accurate prediction of vehicle speed plays an important role in vehicle’s real-time energy management and online optimization control. However, the current forecast methods are mostly based on traffic conditions to predict the speed, while ignoring the impact of the driver-vehicle-road system on the actual speed profile. In this paper, the correlation of velocity and its effect factors under various driving conditions were firstly analyzed based on driver-vehicle-road-traffic data records for a more accurate prediction model. With the modeling time and prediction time considered separately, the effectiveness and accuracy of several typical artificial-intelligence speed prediction algorithms were analyzed. The results show that the combination of niche immunegenetic algorithm-support vector machine (NIGA-SVM) prediction algorithm on the city roads with genetic algorithm-support vector machine (GA-SVM) prediction algorithm on the suburb roads and on the freeway can sharply improve the accuracy and timeliness of vehicle speed forecasting. Afterwards, the optimized GA-SVM vehicle speed prediction model was established in accordance with the optimized GA-SVM prediction algorithm at different times. And the test results verified its validity and rationality of the prediction algorithm.     

结合光流法的车辆运动估计优化方法

针对车辆自主定位实时准确的要求,提出一种结合光流法的车辆运动估计优化方法.采用改进的Lucas-Kanade算法跟踪FAST特征点计算其光流;进而对图像间偏移量进行坐标系转换,获得初始坐标系下车辆的运动估计值;基于偏移量与旋转角度误差服从正态分布的假设,优化更新采用光流法的车辆运动结果,最终映射到世界坐标系中获得车辆运行轨迹.通过测试多组不同车辆行驶轨迹,结果表明:该优化方法突出了光流法的实时性并且克服了其精度差的缺点,有效解决了由累积误差引起的轨迹漂移情况,能够提供车辆准确实时的定位输出.相较于基于特征点匹配的车辆定位其计算时间短,与常用的光流法比较,轨迹更加精确、光滑.     

基于模糊逻辑交通信号优化控制算法

提出了基于模糊逻辑单交叉口信号变相位控制算法，并实现了仿真．传统的信号控制方法，仅考虑了相位时间的优化，而忽略了对相位组合的优化，以现实中常用的4相位信号控制为例，通过研究发现，在不改变原来4相位相序的前提下，通过灵活的相位组合，可以获得更好的控制效果．与传统交叉路口信号模糊控制的方法相比，交通信号变相位控制的相位组合、相位时间更加灵活，更适应城市交叉口实时变化的交通状况．以典型的十字路口为对象，选用不同时段的交通流状况进行仿真实验，研究结果表明，对于交通流量不平衡的交叉口来说，信号变相位模糊控制的效果要优于传统的模糊控制，能够减少车辆延误时间，是进行城市交叉口信号控制的一种实用和有效的算法．     

悉尼自适应交通控制系统线圈数据短时多步预测双层模型

为了进一步改善悉尼自适应交通控制系统(Sydney coordinated adaptive traffic system,SCATS)线圈数据短时多步预测的效果,在对SCATS线圈数据进行预处理的基础上,设计了一种基于动态神经网络的短时多步预测双层模型,包括基于NARX(Nonlinear autoregressive model with exogenous inputs)神经网络的多步预测方法以及基于FTD(Focused time-delay)神经网络的可预测步数在线估计方法,并采用某特大城市SCATS线圈实测数据进行了验证和对比分析。结果表明:本文方法能够进一步降低SCATS线圈数据短时多步预测的误差。     

行星式混合动力客车的模型预测动态协调控制

行星式混合动力客车在驱动模式切换时会产生较大冲击度,以往基于PID的控制器在模式切换过程中无法有效保证车辆驾驶平顺性.基于此问题,利用模型预测控制(Model Predictive Control,MPC)可以在线滚动优化获得最优控制序列的特点,提出了一种基于MPC的动态协调控制方法,实现发动机的启动控制.依据整车动力学方程和实车历史数据,在Matlab/Simulink平台中搭建基于数据驱动的发动机模型和车辆闭环仿真模型,并将发动机启动过程视为受约束的多目标优化问题,根据系统状态空间方程和优化问题设计基于数据驱动的模型预测控制器,在纯电动模式向混合动力模式切换过程中,与传统基于PID的控制方法以及被动切换展开对比.仿真结果表明,在保证车辆动力性的前提下,相比于PID控制方法和被动切换,在模式切换过程中,基于MPC的动态协调控制方法不仅可以实现发动机的正常启动,还能大幅度降低峰值冲击度,同时使车辆良好地跟随目标车速.本文提出的模型预测控制器可以降低整车冲击度,保证车辆模式切换时的平顺性.     

BP和RBF网络的结构动力响应预测对比

主动控制中存在时滞效应,在线实时预测结构响应,可以解决这个问题。不同的神经网络对结构响应的预测效果是不同的,针对BP网络和RBF网络的不同特点,对它们的预测效果做了对比研究。仿真结果表明,RBF神经网络训练速度快、精度高,可及时为主动控制建筑结构响应提供较为准确的优化性能指标,从而为实现在线实时控制结构响应提供优良的保证。