ball tree优化的自动驾驶仿真测试场景生成方法

基于场景的仿真测试方法可以有效加速自动驾驶汽车的测试进程,但是传统的采样方法面对高维度采样空间时无法维持高效性,提出了一种ball tree优化的仿真测试场景采样方法,并基于Carla模拟器构建了仿真测试场景自动化生成框架验证算法的有效性。分别使用随机采样方法、基于KD tree结构的最近邻采样方法与基于ball tree结构的最近邻采样方法进行场景参数采样,并生成不同天气要素下的仿真测试场景进行验证。最后将仿真过程与人工方法进行对比。结果表明,提出方法相对于人工方法具有11.38倍场景制作速度的提升,且相对于KD tree结构的采样方法的场景生成速度提升了27.97%。

800 km客运班线事故特征及情景研究

为降低800 km以上客运班线事故潜在发生性,提高企业安全防控能力,研究分析了800 km以上客运班线事故典型特征,构建事故发生重要情景。基于2014—2020年800 km以上客运班线道路交通事故数据展开致因分析及事故易发情景研究。以人、路、环境为依据,选取关键特征构建了事故特征指标体系。利用决策树模型构建了安全风险模型,探索了运行时段、人因、天气状况、季度、事故发生地区、道路线形、路面状况、节假日情况、春运情况、公路技术等级和公路行政等系统关键因子与翻车、刮擦、碰撞、撞击固定物、追尾、坠车等事故形态间的潜在关系。剖析了事故发生时交通系统内人、路及环境等因素特征及形态,以此构建了800 km以上客运班线的事故易发情景。结果表明:运行时段、人因、天气状况是影响800 km以上客运班线事故发生的关键因子,且与季度、事故发生地区、道路线形、路面状况等因子存在多重耦合关系;节假日情况、春运情况、公路技术等级和公路行政等级不是影响800 km以上客运班线事故发生的关键因子。研究为降低800 km以上客运班线的事故潜在发生性及企业安全防控提供理论依据。未来,道路运输管理部门与道路运输企业应强化安全管理,规范驾驶员安全驾驶行为,普及事故易发情景下的防御性驾驶知识。

航天发射场测试发射任务桌面推演系统研究

提出采用桌面推演系统开展航天发射场测试发射任务仿真推演,以实现测试发射任务流程效果评价和流程优化设计,进而提升任务实施能力的解决方案。在总结桌面推演系统主要技术方法和航天发射任务特点的基础上,分析了航天发射任务的桌面推演能力需求和关键技术需求,给出了情景构建方法和航天发射任务桌面推演系统总体架构,并针对真实数据驱动、桌面智能化推演等方面提出建议,可为航天发射任务桌面推演系统的研究与开发提供参考。

基于面向新型配电网系统的虚拟电厂协同运行研究

虚拟电厂对于提高配电网的运行效率并增加配电网对于分布式发电及储能设备的管理能力具有重要作用。当配电网内含有多个虚拟电厂时,针对各虚拟电厂独立运行时对新能源电力和储能设备利用效率较低的问题,文章研究了配电网含多个虚拟电厂时的协同运行问题。论述了含多个虚拟电厂时的配电网系统结构,然后在虚拟电厂独立运行模式的基础上考虑光伏发电和蓄电池电力的相互调用构建了多虚拟电厂协同运行模型,之后利用场景树方法和线性化方法将原运行优化问题转化为线性混合整数规划进行求解,,通过实验分析验证了虚拟电厂协同运行时整体的经济性要优于各虚拟电厂独立运行时的情况。

机器学习在医疗与健康应用场景下的恶意流量检测

目的 基于机器学习方法中的随机森林和决策树模型,实现在医疗与健康应用场景下的恶意流量检测。方法 以CICIDS2017样本集作为模型的训练集与验证集,对将该样本集通过Python预处理后的共1708979条数据进行模型训练。预处理后的样本集中训练集占比80%(1367183条),验证集占比20%(341795条),在sklearn中进行随机森林和决策树模型参数调整训练,再将在医疗与健康应用场景下捕获到的500条网络流量作为测试集进行模型泛化能力评估。结果 由决策树和随机森林混淆矩阵图可知,决策树模型对于慢速拒绝服务攻击以及跨站脚本攻击的预测准确率为95%,尤其是决策树模型对慢速拒绝服务攻击进行预测时,会将其与跨站脚本攻击混淆。随机森林模型对于慢速拒绝服务攻击预测准确率为99%,能够正确预测大多数慢速拒绝服务攻击。随机森林模型在医疗与健康应用场景下整体表现良好。结论 两种模型对于在医疗与健康应用场景下的恶意流量检测准确率效果较好,但传统的决策树模型准确率低于随机森林模型。随机森林模型更适合在医疗健康场景下的恶意流量检测,可为医疗健康应用场景中的网络安全研究提供参考。

基于贝叶斯网络的高校突发传染病疫情情景演化分析

针对高校如何科学有效地应对突发传染病疫情的问题,从湖北省武汉市各高校官方网站筛选100份文本资料,运用扎根理论将其整理为193个概念和117个范畴,构建高校突发传染病疫情的情景要素。建立高校突发传染病疫情的事故树,梳理情景演化逻辑。结合专家打分法和数据分析法,建立包含19个节点的高校突发传染病疫情的情景演化贝叶斯网络。结果表明:疫区管控,大规模接种疫苗和病患统一管理是新增病例数量下降的关键因素;提供充足物资与宣传防控知识对人员心理问题有较大影响;在病毒突变的情况下,未采取任何措施新增病例数量下降概率仅21%,而采取常态化疫情防控情况下可达86.7%。

基于大数据挖掘的卷烟设备参数优化与模拟仿真

卷烟质量的好坏是衡量消费者满意度的关键度量因素。对于空头这种卷烟过程中出现的A类质量问题,如何在生产过程中实时控制,降低其缺陷率一直是卷烟企业高度关注的焦点问题。该文站在卷烟厂实际生产的角度,利用W市卷烟厂提供的实际生产数据,先后建立基于决策树的最优参数模型,BP神经网络预测模型以及情景分析模拟仿真,对该卷烟厂的空头剔除量过高且生产不稳定的问题进行机台参数控制区间寻优以及多情景计算机模拟仿真,并给出相应的解决方案。

一种基于威胁模型的安全测试用例生成框架和工具

近年来,软件系统安全问题正引发越来越多的关注,系统存在的安全威胁容易被攻击者所利用,攻击者通常采用各种攻击技术诸如口令暴力破解、网络钓鱼、SQL注入等对系统进行攻击.威胁建模是一种结构化分析、识别并处理威胁的方法,传统的测试主要集中在测试代码缺陷,处于软件开发后期,不能很好地对接前期威胁建模分析成果以构建安全的软件,业界威胁建模工具缺少进一步生成安全测试的功能.为了应对此问题,提出一种从威胁模型生成安全测试用例的框架,并设计和实现工具原型.为了便于测试,对传统的攻击树模型进行改进,对构建的模型进行规范性检查,从该模型中可以自动生成测试线索.根据攻击节点发生概率对测试线索进行评估,优先检测概率较高的威胁的测试线索.对防御节点进行评估,选择收益性较高的防御方案缓解威胁,以改进系统安全设计.通过为攻击节点设置参数可以将测试线索转换成具体的测试用例.在软件开发早期阶段以威胁建模识别出的威胁作为输入,通过框架和工具可以生成测试,指导后续的安全开发和安全测试设计,将安全技术更好地嵌入到软件设计和开发之中.案例研究部分将该框架和工具运用于极高危风险的安全测试生成,并说明了其有效性.

基于Bow-Tie的复杂场景保护层分析方法研究

为解决复杂场景保护层分析中采用最大值法或加和法存在的问题,将Bow-Tie融入LOPA分析中,建立复杂场景的Bow-Tie计算模型。通过采用事故树分析方法,计算Bow-Tie模型中顶上事件发生的概率,确定预防类保护层及减缓类保护层的失效概率,给出了复杂场景事故发生概率合理的计算方法;通过计算Bow-Tie模型中事故树底事件的概率重要度和临界重要度,提出了判断复杂场景保护层重要度的方法。运用上述方法对某LNG储罐超压损坏的复杂场景进行了计算。研究表明,本方法能实现包含多重初始事件的复杂事故场景后果风险更合理的计算及保护层重要度的判定,从而为提高系统安全性及风险决策提供依据。

基于蒙特卡洛树搜索的视频异常场景监测方法

通过视频监控可以更快速地发现异常场景,并尽快制止违法暴力行动。为保证监测精度,文中设计一种基于蒙特卡洛树搜索的视频异常场景监测方法。首先对行人轨迹特征进行提取,计算目标预测位置与实际位置的空间距离,判定二者的相对位置,建立三级异常图像;再基于蒙特卡洛树搜索算法设计行人行为判别方法,构建不确定判别网络,标记残差函数,对数据进行归一化处理,同时获得激活函数以及函数的输出值;最后,设计视频异常场景监测算法,基于协方差矩阵将多个判别结果汇总成一个整体,并以此得到监控视频内异常场景的监测结果。该方法能够通过目标提取得到视频内的异常目标。目标识别精度的测试结果表明,所提方法在简单场景与复杂场景内的AUC值分别为0.952和0.886,说明其监测精度较高,在简单场景与复杂场景下均可正常使用。

基于场景迭代的数字孪生城市构建逻辑

数字孪生概念自被提出以来便不断发展,从在航天器、工业产品、电力等领域的应用到城市学领域,并在各国逐渐上升到国家战略层次。随着相关实践工作推进,数字孪生模型在理论和技术上也不断发展和成熟,随着数字孪生在城市方面认识的深入,实践者和学者们逐渐意识到仅通过数据构建数字孪生城市是不够的,城市本身的复杂特性决定了基于数据的模型建构及其交互机制更为重要。因此,面向可操作性的数字孪生城市建设,应针对有限对象、有限目标、有限能力,从城市中人、财、物等不同方面的需求入手,探索多时间和空间维度的“场景体系”,以场景中的“业务流程决策树”搭建与数据、模型的关系,形成以场景为核心的“数据—模型生态系统”,借助多模态的大模型技术,建构起城市超复杂系统的孪生演进机制。同时,以上海数字孪生城市标识系统、苏州城市信息基础平台(CIM)建设为例,展示“业务流程”与“数据”和“模型”的互动而形成的场景迭代机制探索,展现以场景自主迭代为驱动力的城市发展过程,最终演化为全要素、全周期、全开放的数字孪生城市。

基于随机规划的多期投资组合决策研究

最优投资决策是投资者从长远角度出发,在复杂多变的环境中对风险资产进行合理配置,以获得最大的期望效用。研究了在多期投资时收益率不确定条件下的投资决策问题。首先,根据风险资产的历史数据建立ARMA-GARCH模型对资产的未来收益率预测,使用蒙特卡罗模拟法模拟收益率未来可能发生的情形,利用随机取样法搭建情景树。其次,在情景树的基础上,根据随机规划理论将Markowitz提出的均值–方差模型推广到多期。最后,选取中国证券市场上六只股票数据对模型进行实证研究。研究结果发现:情景树在描述不确定性问题上是有效的,提出的模型适用于多期投资,并能够给激进型、稳健型和保守型的投资者提供直观、明确的投资决策指导。

单机场进离场流量动态模型研究

随着我国民航业的发展,单机场已很难满足空中交通持续增长的需求,单机场资源长期受限导致容量不均衡。为了有效减少航班延误、缓解空中交通拥塞、优化调度进离场航班以提高可用容量的利用率。针对单机场实时机场容量不易确定,提出了机场容量情景树概念,通过研究单机场飞机进离场的流量动态分配策略,提出针对单机场实时容量不确定性问题的解决方案,从而减少空管部门作业压力,减少航班延误成本。最后提出了针对单机场的进离场流量动态模型,通过算例实例验证了该动态模型的有效性和实用性。

多场景机载LiDAR点云单木提取

机载激光雷达(LiDAR)测量技术点云数据采集效率高、覆盖范围大,在树木三维空间采集方面具有显著的优势。本文在城市绿化林地、农村果树林地、山区经济林地这三种典型场景中各选取了一块实验区,采用多级分类的思路,通过粗差点检测、点云滤波、高度阈值分割、平面生长等处理步骤,对整个区域的点云数据进行语义标号,相关的语义类别包括:粗差、地面、植被和建筑物,再使用谱聚类算法对植被类点云进行单木提取。实验结果表明,城市绿化林地树木分布规整,树冠彼此相对独立,检测率最高(83.6%);而农村果树林地存在植被点与房屋点更难区分,低矮树木漏识别多于城市场景,检测率略低于城市场景(81.2%);山区经济林地树木密度最高,树冠相互粘连、遮盖,检测率最低(76.8%)。

基于场景树和机会约束规划的含风电场电力系统机组组合

为了解决风电的随机波动性给含大规模风电场电力系统机组组合问题求解带来的影响,采用马尔科夫链原理描述风速变化的规律,并将它与场景树技术相结合,对风电的不确定性进行数学建模。同时基于机会约束规划建立了含风电场机组组合问题的随机数学模型,包含外层机组启停状态优化和内层机组间负荷经济分配两层优化子问题。在求解模型时,将离散粒子群算法(DPSO)与等微增率准则相结合,对两层优化问题进行交替迭代求解;同时提出开停机调整策略改善解的特性。对一个含风电场的10常规机组系统进行算例分析,验证了所提出数学模型和求解方法的合理性和有效性。

基于随机规划的水电站中长期合约电量优化策略

在电力市场环境下,由于径流和日前市场电价的随机性对水电站收益有显著影响,水电站愈加关注考虑其收益随机性的中长期合约电量优化策略问题,因此提出一种基于随机线性规划的水电站中长期合约电量决策模型。该模型以基于不同场景构建方法得到的场景树模型表示径流和电价的随机性,将远期合约决策与日前市场交易决策视为随机规划框架下的不同阶段决策。通过与预测值模型的比较分析,随机线性规划模型由于充分考虑了随机性的影响而保证了其收益的优越性。此外,通过与不同决策模式下的随机规划模型进行比较分析,2种模型对水电站远期合约决策及收益影响的相似性进一步验证了随机线性规划模型的有效性,为随机线性规划在水电站中长期合约电量优化决策问题中的应用提供参考。

基于故障树的IMS网络运维场景异常检测算法

由于导致网络运维场景异常的因素较为复杂,直接利用表观数据对异常状态进行检测,误差相对较大,为此,提出基于故障树的IMS网络运维场景异常检测算法。利用Fusell-Vesely算法,以运维场景的比特率为参数,按照逐级向下分解的方式计算故障树的最小割集,通过顶事件下属事件之间的逻辑关系实现对网络运维场景异常因素的全覆盖,在获取待检测场景的比特率数据后,借助故障树逐级判断数据对应的事件,并得到最终的状态判定结果。测试结果中,设计算法对不同程度的IMS网络运维场景异常检测结果误差稳定在1.0%以内。

基于LS-SVM算法的多场景风功率预测研究

为了减少风力发电的不确定性和随机性对电力系统的影响,解决风电并网困难和风电机组预测复杂度高等问题,提出一种基于聚合批的最小二乘支持向量机(LS-SVM)预测模型用于风功率预测。在此基础上,利用改进的差分进化算法解决参数对于最小二乘支持向量机建模的影响。同时,本文提出利用场景树的思想对LSSVM的预测结果进行进一步修正。用某风电场的实际数据进行功率预测试验,结果表明批建模在保证计算时间的基础上预测精度高于传统预测方法,且加入场景数后能对LS-SVM的预测结果起到很好的修正作用,本文提出的建模方法及改进策略与其它方法相比预测精度更高,能更有效地用于风功率预测。

随机多阶段分销网络设计模型

为了更合理的设计分销网络,本文提出了一种随机多阶段的联合选址-库存模型。在该模型中,不仅考虑了经济规模和分摊效益的影响。同时通过情景规划,考虑了在多阶段的分销网络设计中,对未来市场环境的不确定性。该模型的目标是使整个战略周期内的总期望成本(包括库存、运输、选址成本与损失的收益)最小。本文将该模型建立成为了一个非线性的整数规划模型,同时提出了一种基于拉格朗日松弛的求解算法。最后,本文使用该算法求解了三组不同规模的算例,得到的计算结果证明了拉格朗日算法是求解该模型的有效算法。

基于情景树的多期模糊层次资产配置

利用模糊层次分析法,将金融资产中的基本面因素纳入投资分析框架。采用因素因子之间的绝对偏差和相对偏差,构造出模糊判断矩阵,计算出基本面因素影响下的三角形模糊收益综合评价值和模糊风险综合评价值,进而构建出模糊环境下的单期资产配置规划。将概率框架下的多期情景树模型引入模糊不确定性环境,采用市场状态之间的模糊逻辑关系出现的概率,计算相应的贝叶斯概率,拓展单期规划为多期资产配置规划。通过对沪深300行业指数的实证检验,发现:单期最优资产配置规划最优组合优于市场组合的表现,表明所构建的组合优于市场组合,而多期最优资产配置规划最优组合同样优于市场组合的表现,市场组合的实际值也落在资产配置规划最优组合的模糊允许区间内,表明多期最优资产配置规划最大限度的包含了市场运行的不确定性因素。