摘要：个人快速交通(PRT)是一种新型的公共交通工具。由于此系统中的车辆仅在乘客需要时移动,因此这种特殊的按需特性会造成运输能力的高度浪费。个人快速交通系统优化的目标是制定一个力求为所有行程请求提供服务的任务分配策略,在满足每辆车的电池容量的前提下,找到里程利用率和乘客等待时间之间的最佳权衡。首先基于NetLogo平台建立了以里程利用率和乘客等待时间为优化目标的PRT系统多智能体模型,提出了一种基于淘汰机制的粒子群算法(EBPSO)求解系统中的动态任务分配问题。所提算法在不损失里程利用率的前提下,相比标准粒子群算法使平均等待时间和最长平均等待时间分别降低了47.95%和41.31%;相比仅改进适应度函数的粒子群算法使平均等待时间和最长平均等待时间分别降低了11.17%和14.85%。仿真结果表明,该算法在解决PRT车辆动态任务分配问题上与标准粒子群算法相比使系统效能大大提高。

摘要：在电动自行车广泛使用背景下,探究电动自行车出行者的安全风险认知特性对制定相关管理策略和道路设计优化具有重要意义。通过分析电动自行车使用者风险行驶形式和相关影响因素,设计正交试验进行情景式调查,并从风险行驶认知、风险行驶意向及风险行驶原因三个角度进行详细的分析。结果表明:当道路等级及机动车流量越高时,电动自行车使用者的安全风险认知水平越高,风险意识越强;电动自行车车流量越大,风险行驶意向越强;“不方便”是风险行驶的主要原因。

摘要：针对大多数视觉注意模型都采用简单加权线性融合的方式获取显著图,提出了一个更符合生物学机制的基于贝叶斯推理的多线索视觉注意模型,模拟视觉系统腹侧通路与背侧通路中的视觉注意过程,采用贝叶斯推理的方式集成自顶向下与自底向上的信息,同时还集成了多种视觉线索,包括形状、颜色和上下文等。利用该模型进行遥感影像中的目标检测与定位的结果表明,该模型能有效的检测出目标并给出目标所在的位置。