基于CTM-RH的城市交通信号线控制

采用细胞传输模型(cell-transmission model,CTM)对城市干道交通流进行建模,并运用滚动区域法(rolling horizon,RH)对信号周期、绿信比和相位差进行优化.仿真结果令人较为满意.

基于细胞模型及多目标优化的交叉口信号控制(英文)

建立了城市平面十字路口交通流的细胞传输模型,该模型适合各种交通流状态.同时,在对信号灯配时进行优化的过程中,采用了两个控制目标,以最小延误为主要控制目标,以最大通行能力作为次要控制目标.模型采用多目标遗传算法对信号周期和绿信比进行优化.仿真结果令人较为满意.

MAS技术在交通仿真中的应用(英文)

运用MAS技术,构建了交通系统的MAS功能仿真模型,并在Visual C++对象类的基础上设计了agent类.仿真结显示,这一技术能较大地提高交通仿真的精度.

基于OpenGL的智能三维交通仿真软件的开发

计算机交通仿真是研究交通问题的一种有效手段。目前的交通仿真软件主要局限于二维平面内,因此无法描述各仿真要素的高度信息;同时面向对象仿真是目前的交通仿真软件所采用的主要仿真形式,它无法处理交通系统中具有智能的对象。交通模型的建立及仿真软件的开发是它的两个核心问题。论文主要从交通仿真软件开发的角度出发,设计了智能Agent,并借助OpenGL这一软件接口,开发出了智能三维交通仿真软件。仿真结果表明,智能Agent技术的应用提高了交通仿真的效果。

一种基于回归分析的空间划分方法

针对子空间连通性约束情况下空间对象的局部回归分析问题,本文提出基于最小拟合误差平方和准则的空间划分方法,从一个空间的初始划分开始,按照拟合误差平方和下降的原则调整子空间边界,获得新的空间划分和对应的回归模型,不断迭代直到准则函数收敛。

非确定环境下基于分层理论多无人机动态协同设计

针对非确定环境下多无人机自主协同控制这一多约束、强耦合非线性优化问题,采用分层理论将其分解成三个相对独立子层,即协同感知层、环境态势理解层和协同全局重规划层.协同感知层借助"层协作感知"算子来进行多模信息融合,解决非确定环境下目标(包括静态确定目标和动态非确定目标)的感知与识别;环境态势理解层则是解决动态非确定环境更新,以及基于窗口势场法的障碍物(威胁目标)规避问题;而协同全局重规划层则是利用"层场景引擎"来实现多机非确定环境下的自主协同、路径快速寻优及状态决策.模拟结果显示构建的多机自主协同模型能较好地解决非确定环境下的路径寻优和状态决策问题.