基于轨迹预测的驾驶意图识别

驾驶意图识别对于确保交通安全和提升交通效率至关重要。为实现对未来车辆驾驶意图的预测,本研究基于轨迹预测与驾驶意图识别方法,选用Argoverse公开数据集作为训练和测试数据集,并提出了一种结合VectorNet轨迹预测模型和随机森林分类模型的驾驶意图识别方法,实现对未来3s的驾驶意图识别。为验证该方法的有效性,本文将新提出的VectorNet-随机森林模型与LSTM-随机森林模型进行了对比,结果表明本文方法的效果更佳。这一方法为未来自动驾驶和智能交通系统的发展提供了参考和借鉴。

考虑风浪影响下的船舶节能航线优化

随着世界能源危机的加剧,节能减排已成为当今时代的重要课题。原油贸易对国民经济的发展至关重要,航运是原油的主要运输方式。其中,VLCC船(Very Large Crude Carrier)应用广泛,但VLCC船体型庞大,容易受到以风浪为首的气象条件影响。本文考虑气象环境、安全转角、时间约束和避障等因素限制,以总油耗最小为目标,构建两种VLCC节能航线优化模型,并设计基于人工势场原理的改进蚁群算法进行求解。通过算例实验发现,本文提出的方法能有效降低油耗。此外,通过对比不同预计到达时间约束下的油耗发现,放宽船舶预计到达时间可以有效降低油耗,但当船舶预计到达时间放宽到一定程度时,油耗降低程度较小。因此,在实际的营运过程中,船公司需要基于实际场景,并权衡船舶油耗和预计到达时间制定方案,以实现节能减排的目标。

基于多期搜索蚁群算法的多区型仓库拣货路径优化

在分析多区型仓库拣货问题的基础上,构建以拣货路径最短为目标函数的数学模型,为了避免传统蚁群算法陷入局部最优,采用改进的多期搜索蚁群算法对模型进行求解。将传统蚁群算法、自适应动态搜索蚁群算法和改进的多期搜索蚁群算法的优化结果从拣货成本、收敛代数、运行时间3个维度进行比较,结果表明,多期搜索蚁群算法具有一定的优越性。