基于ArcIMS的智能交通信息系统研究

ArcIMS的智能交通系统,要研究和解决的是基于车流流量分析最优路径方法,该方法的思路是来源于车流的高峰与时间有一定的关系,通过模拟车流量随时间的变化来预测车流量,进而提供最优路径选择的依据,方便客户对道路的选择,能有效的避免堵车,同时能增加道路的使用效率,为道路建设和规划提供帮助。     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

途径节点不确定的MTSP路轨规划模型及其遗传算法研究

一般的路径规划问题假设道路网络是确定的,并且采用实时优化的方法建立优化路径,这种方法的结果不具有实用性。在高速发展的中国,道路网络实际上变化很快,而路网的电子地图往往无法实时更新;即使实时规划的路径本身是可行的,各配送点也会因为对新道路缺少经验而导致实际行驶时间大大超出预计,尤其对多个司机的情况。根据途径节点,考虑不同途径节点的不确定性,阶段性地产生稳定线路,是可行的方案。能够在路径成本和时间取得综合的平衡,多配送点工作量的相对均衡。利用MTSP问题的解决,提出了具有不确定途径节点的多目标路径规划模型,并且设计了随机遗传算法。仿真研究表明,该模型是有效的,该算法具有良好的求解性能。该成果有望集成在配送或运输决策支持系统中,为阶段性路径规划提供支持。     

科学研究中的“问题”及“问题”转移机制

科学活动是一种富有创造性的认识活动。它并不是消极地等待着自然界“显露”出其自身奥秘——自然界的规律性和因界性,而是积极地探索自然界的秘密。这集中表现为提出问题和对问题的解答。可以说,科学理论的发现过程就是在实践活动的基础上从问题到答案的过程。因此,问题在科学活动中具有举足轻重的作用。对科学研究中的问题的规律性进行研究,是揭示科学研究规律性和科学发现的逻辑的“手筋”。     

可替换路径选择的研究

动态路径诱导（DRGS）是智能运输系统ITS研究的一个重要方面，它的核心在于如何利用实时的交通信息，找出一条考虑司机路径选择行为的“最优道路”，减少车辆在道路上的逗留时间，进而改善城市交通。但这仅仅给出了一条基于单目标的“最优”路径供司机采用。采用改进后的K-最短路算法，提供多条具有不同属性的路径供司机选择，从而更符合实际情况。     

基于电子地图的路径规划的分析解决方案

路径规划问题被广泛应用于汽车导航系统、交通监控系统及各种应急系统中．在已有的基于ShapeFile格式的电子地图上，需增添路径规划的功能；并且提出如有较多道路附属信息，能设计出最优路径．同时提出一种存储道路数据的数据结构，然后采用启发式算法，实现信息可扩展的路径解决方案．将代码加入到已有系统中，经过验证，能准确高效地将路径展示Ⅲ来．     

基于改进蚁群算法的二维码移动机器人路径规划方法

针对在结构化栅格工作环境下,基于蚁群算法的路径规划存在停滞和收敛速度慢的问题,提出了一种基于改进蚁群算法的二维码移动机器人路径规划方法.通过限制蚂蚁的搜索方向,即将机器人置于结构化栅格工作环境下,使其只能在水平和垂直方向上移动,进而提高算法的搜索效率.引入自适应期望函数和启发因子,动态调整状态转移概率,避免算法陷入停滞状态,提高算法的收敛速度.针对机器人在转弯过程中耗费时间较长的问题,通过引入转弯影响因子得到扩展路径长度,进而根据扩展路径长度选取最优路径.实验结果表明,提出的方法可以为二维码移动机器人规划出最优路径.     

基于最短路径Dijkstra算法多尺度道路网中优化路径规划方法的研究

针对路径规划问题,论述了道路层次划分模型和多尺度道路网数据库的建立,提出了构建多级道路网拓扑结构的方法,在研究道路网络特征上,通过建立道路网模型,综合各路段的权值,应用一种改进的Dijkstra算法对道路进行最短路径分析;并给出了道路网络中多源最优路径的选取问题,得到了所要解决的多源最优路径问题.     

采用极点配置的自动驾驶汽车换道路径规划与跟踪控制

针对自动驾驶汽车高速行驶过程中切换道路避让障碍物工况,提出了一种基于三次多项式曲线的路径规划算法和一种基于线性矩阵不等式区域极点配置方法的路径跟踪控制策略。首先,将汽车换道避让路径分解成几何形状相同的4段路径,采用三次多项式曲线规划出满足汽车运动学和动力学约束的第一段路径,并通过对第一段路径进行平移、翻转和旋转操作得到后3段路径,以及实现4段路径的平滑连接;然后,基于线性二自由度汽车动力学模型建立能够充分表征轮胎侧偏刚度不确定性的汽车换道避让路径跟踪控制模型,并采用线性矩阵不等式区域极点配置方法设计具有"前馈+反馈"控制结构的汽车换道避让路径跟踪控制策略,使闭环系统的极点配置在期望的位置上,保证闭环系统具有良好的动态和稳态性能。仿真实验结果表明:所提出的方法可将汽车驶离本车道时的纵向延迟距离由4.3m减小到2.3m,并且将汽车靠近目标车道时的最大侧向超调量由0.21m减小到0.004m,呈现出更好的动态和稳态性能。     

模型不确定下无人艇编队鲁棒自适应循迹控制

针对存在外界环境干扰和模型中不确定性的编队问题,设计了鲁棒自适应控制.通过计算预定路径上的期望点与船舶当前位置之间的偏差,使用反步法设计路径跟随子控制器,保证每艘无人艇在水平面中沿着参考路径行驶.编队协调子控制器采用鲁棒自适应控制方法设计,通过调整跟随艇的速度以实现设定的编队队形,同时自适应地估计出外界环境力和由模型参数不确定导致的系统不确定项的界值.仿真结果验证了所提出的路径跟随编队控制方法的有效性.