基于潜在特征的时空图卷积网络轨迹预测方法

为提高车辆轨迹预测精度,提出一种基于潜在特征的时空图卷积网络轨迹预测方法CRSTGCN。首先,该方法特别添加了一个时间上更早、更长的历史轨迹作为输入,并基于该输入建立了潜在特征编码层。然后,CR-STGCN将该潜在特征编码层编码的潜在特征与时空图卷积编码的机动性与动力性特征拼接融合,并采用两层门控循环单元(Gate Recurrent Unit,GRU)解码出预测轨迹。最后,将采用时空图卷积编码和两层GRU解码的预测轨迹模型STGCN与CR-STGCN在NGSIM数据集上进行对比。结果表明,CR-STGCN在不同机动类型、交通密度场景下的预测精度均优于STGCN,证明了这一方法应用于车辆轨迹预测的有效性,为轨迹预测特征选取提供了新思路。

面向巡检车与无人机协同电力巡检的车辆路径规划方法

为解决电力巡检无人机续航时间短、远距离机动性弱等问题,电力企业试点推广了无人机与巡检车协同巡检的新型作业模式,即车机协同巡检。这种模式实现了无人机和巡检车的优势互补,可用于大面积输电线路巡检作业。车机协同电力巡检作业过程中,巡检车的行驶路径直接影响无人机任务杆塔分配方案和巡检效率。考虑到车机协同电力巡检作业特性,将驻车点选址、驻车点处无人机任务分配及巡检车路径规划问题相结合,提出了一种面向大面积巡检区域的巡检车路径规划方法。本文以最小化巡检车完成整片运维区域巡检任务的总作业时间为优化目标,在考虑每个驻车点处无人机巡检任务分配的基础上构建了车机协同巡检车辆路径模型,设计了一种多层嵌套的启发式算法进行求解,可根据运维区域杆塔分布求解近似全局最优的驻车点选址方案及该方案下巡检车的近似最优行驶路径。最后,基于真实杆塔数据进行的实例分析展示了算法的求解效果,得出了巡检车在每个工作日访问的驻车点序列及行驶路径,可为电力企业编排车机协同巡检作业排班计划提供参考。