可变速智能车辆车道变换控制研究

提出了一种能够兼顾横向控制和纵向控制的可变速自动换道控制方法。首先建立了可变速的车辆运动方程,并采用基于动态目标位置概念的控制机制,以模糊逻辑为控制策略,以T-S模糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种兼顾智能车辆横向控制和纵向控制的运动控制器。仿真结果表明,提出的控制方法是可行的、有效的,并且较为理想地模拟实际交通环境中车辆换道的行为特性。     

基于云模型的动态交通数据流软划分算法

提出了一种交通数据流软划分算法,该算法利用STREAM算法对交通数据流进行了聚类分析,得到了能够反映交通状况不同特征的聚类结果,然后对聚类结果进行了数据挖掘和交通数据流趋势预测。最后在数据流值预测结果的基础上,采用基于云模型划分的算法对交通的预测流值进行分析,得到了更加灵活的控制策略。     

分层云不确定推理系统及其逼近性能分析

为了解决目前基于云模型的智能控制和预测中规则数目随系统变量的个数呈指数增长的问题,设计分层云不确定性推理系统,并证明该系统的逼近性能。采用基于云理论的新的不确定性推理模型来设计分层云不确定性推理系统并给出解析表达式。证明分层云不确定性推理系统对致密集上函数的逼近能力。结果表明：分层云不确定性推理系统的输出结果计算式满足Stone-Weirstrass定理的3个假设条件,具有万能逼近性质。     

集成智能自适应货运量预测算法研究

在深入分析各种货运量预测模型的基础上,首先提出了基于云理论的新的不确定性推理模型——T-S-C-Y模型;然后基于灰色关联理论对货运量及其相关因素进行了灰关联分析,并确定影响货运量诸多因素的灰关联序;在此基础上结合一维T-S-C-Y模型和径向基函数神经网络建立了货运量预测模型对河南省1997~2002年的货运量进行预测。该预测模型既能很好地集成概念的模糊性和随机性,同时又具有自学习、自组织、自适应和强的容错能力,而且预测输出结果为置信区间值,能够很好地适应货运量的高度不确定性。结果表明模型的预测值基本上与实际值吻合,是一更加科学、合理的预测模型。     

基于一维云模型的交通信息预测算法

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述，它用期望值、熵和超熵表征定性概念，将概念的模糊性和随机性集成在一起，能够实现定量与定性之间的相互转换，因而对交通信息的高度不确定性具有很强的鲁棒性．基于云模型提出的预测机制在一定程度上有效地解决了交通信息存在的模糊性和随机性问题，为交通信息预测提供了一种新的方法．检验结果表明预测值基本上与实际值吻合．     

基于分层模糊控制的智能车辆的横向控制模型

车辆的横向控制是智能交通中智能车辆自主导航技术的关键技术。在总结以往研究成果的基础上,提出了动态目标位置概念,以便更加真实地描述车道变换的特性;为了减少模糊控制器的规则数量,实现实时控制的目的,采用了分层模糊控制的控制器设计方案;在车辆的横向控制中,以三次样条曲线作为车道变换的路径拟合曲线,较为灵活地表现了车道变换的特性。仿真结果表明,被控车辆能够沿着虚拟的路线平滑地变换车道,较为理想地模拟实际交通环境中车辆横向运动的特性。     

车辆与无人机组合配送研究综述

随着无人机技术的成熟,无人机配送已成为近几年工业界和学术界共同关注的热点.由于无人机仍存在续航能力不足、空中管制等限制,车辆与无人机组合配送具有较大的发展空间.对此,研究车辆与无人机组合配送问题的5种运行模式,包括车辆与无人机协同配送、车辆与无人机并行配送、车辆支持无人机配送、无人机支持车辆配送,以及混合模式配送.根据...     

广义随机价格着色Petri网下不确定市场环境供应链建模问题

针对随机需求市场环境下企业利润变化分析的需要,在PCPN的基础上,与GSPN进行有机结合,本文提出广义随机价格着色Petri网,讨论了广义随机价格着色Petri网(GSPCPN)的变迁步规则,给出了不确定市场环境下供应链的模型。以一个不确定市场条件下供应链流程为实例演示了其应用,结论表明:广义随机价格着色Petri网对于解决供应链不确定市场环境下的利润和库存变化分析问题是有效的。     

基于动态目标位置的智能车辆控制研究

为了真实地模拟驾驶员在动态环境中变换车道、避让静态和动态障碍物的行为方式,提出了动 态目标位置概念,并采用三次样条曲线作为车道变换的路径拟合曲线．本文以模糊逻辑为控制策略,以T-S 模 糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种智能车辆横向运动控制器, 并通过计算机仿真实现．结果表明,基于动态目标位置概念的控制器设计具有较好的控制性能,能够较为理 想地模拟实际交通环境中车辆横向运动的特性．     

利用通行能力余量的智能网联车队生态驾驶模型

针对非饱和城乡交通干道上存在通行能力余量和高燃油消耗的问题, 提出一种利用通行能力余量的智能网联车队生态驾驶模型, 该模型兼顾燃油经济性和通行能力两个目标, 通过优化求解获取最优速度曲线, 引导一系列小型车队平滑地通过非饱和城乡交通干道。提出近似的速度优化模型并采用遗传算法对其求解。定义3种控制方案对模型进行测试, 仿真结果表明: 与方案1相比, 方案2燃油消耗量减少49.4%, 通行能力增加200%, 绿灯剩余时间减少14.7%;方案3燃油消耗量减少59.5%, 通行能力增加200%, 绿灯剩余时间减少23.5%。与方案2相比, 方案3可以在不影响通行能力的前提下, 通过绿灯剩余时间缩短10.3%和平均速度降低5.2%, 燃油消耗量可以减少20%。结果表明, 当信号交叉口存在通行能力余量时, 可以通过调整车辆的行驶速度曲线以充分利用通行能力余量, 明显改善燃油经济性。