面向亚轨道解体事故的碎片扩散分布建模研究

针对未来愈发频繁的商业亚轨道发射活动, 为降低亚轨道突发解体事故给民航客机带来的运行风险, 提高空管监视系统对危险情况的应急响应能力, 利用协方差传播算法对亚轨道解体事故碎片落点进行快速预测。该算法围绕线性化的标称轨迹, 将碎片落点预测的随机过程建模为高斯-马尔可夫过程。同时, 通过概率密度函数构造高斯-马尔可夫过程在一定置信度下的概率椭球, 量化碎片落点在标称轨迹附近的位置。在此基础上, 参照航天器标准解体模型, 对影响碎片传播轨迹的弹道系数进行推导计算。仿真结果表明, 该方法可有效提高碎片危险区的预测准确度。     

基于模糊认知图的通用航空事故机理分析

随着通用航空业迅猛发展,通用航空事故数逐年增多,为了更有效地预测和防止事故发生,减少生命财产的损失,对事故原因预测显得尤为重要。通过对2006—2015年10年间通用航空事故原因的统计与分类,建立起模糊认知图预测模型,依据模糊认知图的计算方法得到系统达到稳定之后各个影响因素的状态值,通过关联度的计算,得到通用航空事故影响因素的排序,最终得到导致通用航空事故的主要因素。使用实例进行验证对比分析后发现该方法对于通用航空事故原因预测是可行的,通过该方法可以成功地预测通用航空事故发生的主要原因。     

基于深度学习的交通路口自动识别

基于车辆轨迹数据提取道路信息已经成为数字地图更新的一种有效而廉价的方法，引起了广泛的研究。交通路口是道路信息的重要组成，如何快速而准确提取交通路口具有一定的挑战。深度学习的快速发展为解决这一问题提供了一种新的思路。本文针对轨迹数据在交通路口的分布特性，首先提出一种基于LSTM深度学习的转弯轨迹模式自动提取方法，通过统计航向变化规律对路口转弯轨迹进行建模分类，然后采用LSTM深度模型学习轨迹时间序列，从而实现转弯轨迹模式的自动识别，训练好的模型可以对新的未知轨迹数据实现自动快速地提取转弯轨迹。其次，针对因路口转弯点的稀疏性而影响准确定位路口中心这一难点，本文提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点，然后通过聚类路口候选点识别道路交叉口。为验证和评估该方法的有效性，采用福州市鼓楼区出租车实际轨迹数据进行测试。结果表明，该方法道路交叉口识别准确率达到96.7%，为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持，同时我们开放该方法源代码和实验数据，以便于其他研究者开展相关研究。     

动态交通状态微观仿真技术初探

阐述了动态交通仿真的原理及关键技术。同时，作为该研究工作的初步尝试，开发了单点十字交叉口动态交通仿真软件。