摘要：The traffic equilibrium assignment problem under tradable credit scheme(TCS) in a bi-modal stochastic transportation network is investigated in this paper. To describe traveler’s risk-taking behaviors under uncertainty, the cumulative prospect theory(CPT) is adopted. Travelers are assumed to choose the paths with the minimum perceived generalized path costs, consisting of time prospect value(PV) and monetary cost. At equilibrium with a given TCS, the endogenous reference points and credit price remain constant, and are consistent with the equilibrium flow pattern and the corresponding travel time distributions of road sub-network. To describe such an equilibrium state, the CPT-based stochastic user equilibrium(SUE) conditions can be formulated under TCS. An equivalent variational inequality(VI) model embedding a parameterized fixed point(FP) model is then established, with its properties analyzed theoretically. A heuristic solution algorithm is developed to solve the model, which contains two-layer iterations. The outer iteration is a bisection-based contraction method to find the equilibrium credit price, and the inner iteration is essentially the method of successive averages(MSA) to determine the corresponding CPT-based SUE network flow pattern. Numerical experiments are provided to validate the model and algorithm.

摘要：针对协同设计中如何提高任务执行的并行度和平稳性,确保任务管理的质量和可靠性等问题,提出了基于模糊集理论的任务管理方法,以及表示与验证的对象化模糊Petri网。通过分析对象化模糊Petri网结构网的可达图,验证任务间的依赖关系,采用改进的对象化模糊Petri网模糊推理算法,分别验证任务项被确定和被完成的可信度。实例表明了基于对象化模糊Petri网的任务管理表示及验证方法的有效性。

摘要：针对自动驾驶虚拟测试中危险变道场景构建问题,提出一种数据−模型驱动的自动驾驶测试危险变道场景泛化生成方法.基于NGSIM US101数据集中的紧急变道数据,提出一种紧急变道轨迹对抗生成方法(BN-AM-SeqGAN),构建基于安全距离的两车变道状态约束模型,设计危险变道测试场景泛化生成方法,生成危险变道测试场景库.实验结果显示:生成的5万条紧急变道轨迹变道完成时间分布的均方根误差为0.63,生成的5万个危险变道场景中,99.54%的场景被测自动驾驶车辆与变道背景车辆的碰撞时间小于1 s,表明该方法能够有效生成自动驾驶测试危险变道场景.

摘要：为了解决智能车动态组合定位过程中,因动力学模型与实际模型之间存在偏差导致滤波精度下降的问题,针对智能车全球导航卫星系统(GNSS)/惯性测量单元(IMU)组合定位系统,结合非线性预测滤波(NPF)和自适应滤波的优点,提出了一种考虑动力学模型系统误差实时估计和补偿的自适应非线性预测滤波(ANPF)算法。首先,根据NPF算法原理,通过最小化预测观测残差与系统误差的加权平方和,估计动力学模型系统误差;其次,结合自适应滤波原理,利用状态预测残差向量构造自适应因子,设计了一种自适应扩展卡尔曼滤波(AEKF)算法,用于估计系统状态向量,并通过自适应因子抑制动力学模型系统误差和线性化误差对系统状态估计精度的影响,克服NPF对系统状态估计精度有限的缺陷;再次,对动力学模型系统误差的估计误差和由动力学模型系统误差引起的系统噪声的等效协方差阵进行了分析和推导,以补偿动力学模型系统误差对系统状态估计的影响;最后,通过车载GNSS/IMU组合定位系统试验,从算法精度、鲁棒性和实时性方面对提出的算法和其他滤波算法的性能进行了验证和对比分析。研究结果表明:提出的自适应算法继承了NPF算法简易性和高实时性的优点,同时克服了NPF算法估计精度有限的缺陷,具有较好的滤波解算精度,水平定位精度小于1.0 m,算法单次平均执行时间约为0.013 9 ms,在精度和实时性的平衡方面显著优于其他滤波方法。

摘要：为实现不同光照与气候条件下的沥青路面积水区域自动分割,在现有全分辨率残差网络(FRRN)的上采样层设计了一种注意力监督机制,加入积水区域注意力模块(PAAM)与深度监督模块,建立了一种含积水区域注意力监督模型(PAAM-FRRN),利用最大池化与上采样构建编码器-解码器结构,在全局尺度下捕获了积水的视觉特征,在上采样层引入了注意力监督机制,针对积水区域进行上采样并融合不同网络层之间的特征,最小化网络各层损失函数,优化网络总体最终损失,采集不同光照与气候条件下的1 770个(弱光750个、强光740个、雨天280个)沥青路面积水图像进行五折交叉验证试验,获得了积水区域分割结果,以人工标注结果作为真值,利用Dice相似系数(DSC)、Jaccard相似系数(JSC)、精确率、召回率与豪斯多夫距离(HD95)作为量化评价指标,将提出的模型分别与FRRN和其他7种有代表性的传统模型进行了分割效果对比。研究结果表明:提出的模型在DSC、JSC、精确率与召回率所取得的均值分别为0.91、0.86、0.92和0.93,相比FRRN分别提高了3.41%、6.17%、2.22%和4.49%,且均高于传统7种对比模型,在DSC、JSC、精确率以及召回率所取得的标准差分别为0.12、0.15、0.11和0.12,与FRRN相比分别降低了20.00%、16.67%、21.43%和25.00%,且均低于传统7种对比模型,其HD95为38.56,均低于其他对比模型,提出的模型能够实现对不同光照与气候条件下的沥青路面积水区域的准确、有效分割。

摘要：目的研究由中值滤波器推广得到的一类重要的滤波器形式及其优化设计方法。方法分析加权顺序统计滤波器的优化算法,由此导出秩选择滤波器的自适应优化算法。结果模拟实验显示,导出的自适应算法能够很好收敛。结论算法可以很好地用于图像处理中的秩选择滤波器设计。

摘要：提出了一个基于硬件抽象机的流水线微处理器设计框架,创造性地使用了一种基于标签结构的模拟执行技术.基于这一框架,描述了一个堆栈抽象机的工作原理,实现了一个Java指令级并行处理器.利用堆栈硬件抽象机和堆栈指令折叠技术的组合解决了Java处理器中的堆栈依赖瓶颈问题.软件模拟证明了该处理器能够最大限度地挖掘出Java程序中的指令级并行,并且拥有更高的处理能力.

摘要：高速公路环境下,相邻车道前方车辆变道切入是常见的高风险场景。基于场景的虚拟仿真测试,是验证无人车应对其他车辆变道切入时控制算法安全性与可靠性的有效方法。基于蒙特卡洛模拟方法,提出一种无人车高速公路变道虚拟测试场景自动生成算法,实现测试场景中变道车与测试车的运动轨迹生成。利用高速公路真实交通数据集highD提取真实变道场景,分析场景的4个特征参数。基于马尔科夫链设计变道轨迹模型。针对场景特征,构建两车轨迹约束关系模型和测试车轨迹模型。运用蒙特卡洛模拟生成变道轨迹和测试车变道切入时刻前运行轨迹。通过计算生成变道轨迹与真实轨迹缓冲区重合度,验证生成变道轨迹与真实轨迹的相似性。统计生成有效变道轨迹数量,检验场景生成对场景覆盖度的提升效果。验证结果显示:(1)随机生成的2万条变道轨迹中,落在最相似真实轨迹缓冲区的轨迹超过85.6%,表明基于蒙特卡洛模拟的场景生成算法能够保证生成场景中变道轨迹与真实轨迹的相似性;(2)通过在变道车各速度区间内随机生成50万条变道轨迹,可使生成测试场景中有效轨迹数量,相比真实场景平均增加2320倍,提高测试场景覆盖度;(3)场景自动生成中,通过调整变道场景的4个特征参数,可以控制轨迹生成结果,增强测试场景的针对性。

摘要：利用演化博弈的有限理智特性执行网络选择,以实现车载异构网络系统中网络资源的均衡分配;利用双层博弈对演化博弈方法进行优化,保证极端拥堵中部分车辆消息传输的同时,维持系统公平;设计了专用短程通信、长期演进和无线局域网融合的车载异构网络仿真场景,对比了基于多准则决策的传统方法、基于演化博弈的网络选择方法和基于双层博弈的网络选择方法。仿真结果表明:采用基于演化博弈和双层博弈的车载异构网络选择方法首次解决了动态网络环境中车载异构网络切换时出现的大规模乒乓效应,利用双层博弈能够实现拥堵抑制和系统公平;采用基于双层博弈的网络选择方法能够驱动异构网络系统在2~3个切换周期内实现网络系统状态的稳定;在预设的动态网络评价条件下与80个终端的一般场景中,双层博弈终端平均网络评价指标高于演化博弈19.5%,为3种网络协同工作提供可靠服务;在190个终端极端拥堵场景中,终端合理分配,共享专用短程通信网络资源,双层博弈终端平均网络评价指标高于演化博弈10.3%,双层博弈专用短程通信网络评价指标为演化博弈的2.18倍,可以保证车联网基本安全信息的广播、系统的公平并维系基本车联网服务。

摘要：出租车运营中空车与乘客的相互搜索是一个动态、随机的复杂交互过程,解析方法难以刻画这类行为.采用多主体技术设计城市出租车运营仿真架构,模拟出租车与乘客在路网上相互搜索的动态过程.出租车主体采用慎思结构实现,乘客决策依据随机效用理论,路网分解为道路、交叉口和站场三类Agent.模型能够描述出租车运营中常见的路边随机上下车行为,并考虑了出租车运营的动态交通环境,可以为解决我国出租车问题提供理论支持.