RESS软件与数量化-Ⅱ类分析方法在区域危险度评价中的应用

2012年7月中旬日本熊本县迎来特大暴雨,暴雨在熊本县市区内引发洪水,并在位于其东北部的阿苏地区引发了数量巨大、后果严重的地质灾害。通过同年10月到11月之间多次现场灾害调查,发现当地的地质灾害主要类型有崩塌、滑坡和泥石流。当地的地理环境给相关部门后续的治理和修复工作带来了极大的不便利,同时耗费了大量的时间和资金,因而相对于灾后进行治理和修复工作,事前对于当地可能发生地质灾害的区域进行危险度评价,在危险度大的地方提前建立防护措施具有更大的实际和经济价值。本文运用日本熊本大学工学部环境岩土研究室自主研发的危险度评价RESS软件对选取的阿苏—坂梨区域进行危险度评价,获得了被研究区域的地势起伏度、横断面形状、斜面倾斜角度、集水面积、土地利用信息、土体表层地质、灾害场所变化情况等7个类别的解析图像和数据。结合使用数量化—Ⅱ类分析方法,对危险度评价的结果进行验证和扩展,危险度评价的准确率和灾害场所的判断准确率均高于研究要求,另外也获得了由RESS软件解析出来的各个类别的因子对于地质灾害事件的贡献度大小。依据危险度评价的结果绘制出被研究区域的地质灾害预测预警地图,该地图简单易懂,具有一定的社会共享意义和专业参考价值。

基于知识地图的反恐情报分析及预警方法

为解决传统数据挖掘方法对样本数据质量的过度依赖及高维特征空间导致的“冷启动”问题,以及海量数据之间缺少深度语义关联出现的“信息迷航”问题,以知识地图作为反恐领域知识描述与数据组织的工具,提出一种基于知识地图的反恐情报分析及预警方法。分析和利用节点在知识地图上的语义结构特征和个体涉恐相关特征,采用朴素贝叶斯算法计算个体潜在涉恐危险概率,并基于该值对预测对象排序。该方法充分运用知识地图内在的语义结构特征,保证了大数据驱动下公安情报工作中对预测对象的精准识别和评估。

动态人工势场法的无人船避障路径规划

为了保证无人船安全行驶,设计动态人工势场法的无人船避障路径规划方法。该方法的全局路径规划部分依据航行环境信息构建栅格地图后,采用A*算法规划无人船的全局路径,并获取无人船的全局路径节点;局部避障路径规划部分将该路径节点作为局部路径的开始节点,利用动态人工势场法规划无人船避障路径。为保证路径规划效果,采用长短记忆循环神经网络和强化学习算法相结合的方式改进动态人工势场法,确保在障碍物运动速度较快时,依旧能够可靠完成无人船避障路径规划。测试结果显示:该方法可完成无人船全局最优路径规划,并有效完成局部避障路径规划,无人船和障碍物的会遇距离和会遇时间分别大于4.26 m和大于15 s,碰撞危险度极低,满足应用标准。

智能空间中的服务机器人路径规划

为了加深服务机器人对环境的理解,实现安全高效的智能空间导航,建立了一种信息更为丰富的环境模型——危险度地图;并针对智能空间环境部分未知的特点,设计了分层的路径规划方法.静态规划层根据已知环境信息,采用改进的粒子群优化算法规划初始最优路径,动态规划层利用基于动态危险度地图的改进A*算法进行避障.该方法克服了常规算法只追求路径最短的缺点,增加了对路径危险度的评价,规划出的路径既安全又较短;且该方法实现简单,实时性好.仿真结果验证了该方案的可行性.

利用改进的粒子群算法的机器人全局路径规划

针对常规路径规划单纯追求路径最短、路径规划不灵活和实现复杂的缺点,提出了一种改进的移动机器人全局路径规划方法.该方法综合人工势场(APF)与粒子群优化算法(PSO)的优点,利用障碍物的排斥力生成路径的危险度地图(DDM),将路径长度与危险度的加权和作为PSO的适应度函数,获得了一条全局最优路径.该方法具有3个优点:粒子初始化及更新过程中会自动避开有障碍物的危险区域,规划出一条既安全相对长度又较短的路径;通过调整加权因子平衡长度与危险度在适应度函数中的比重,路径规划灵活;算法实现简单,收敛速度快,能满足移动机器人实时路径规划的要求.仿真结果证明了该算法的可行性和有效性.