编队运行中多车通信故障影响及其数据弥补研究

智能网联车编队运行以其特有的安全、高效和节能等优势,在智能交通领域受到广泛关注。然而,该技术应用极度依赖良好的车–车通信条件,偶发或连片的通信故障将大大影响编队运行的动态性能,严重情况甚至危及车辆行驶安全。本文主要聚焦于编队运行过程中,连续多车通信故障引发的队列行驶控制数据缺失问题,分别提出了单数据源、双数据源和多数据源的数据弥补策略。进一步地,本文从车辆跟随性、燃油经济性和驾驶舒适性三个方面对比了所提数据弥补策略在不同故障窗口大小情况下编队运行的性能维持效应。仿真结果表明,三种数据弥补策略均能极大缓解由于连续多车通信故障引起的编队运行性能下降,维持良好的车辆编队运行特性。此外,对比实验还发现,因单数据源的弥补策略所选取的交通状态数据最接近故障车的状态数据,所以单数据源的弥补策略在维持队列原有良好性能上具有最佳效果,可为将来编队运行控制数据的弥补提供参考。

煤矿监控数据集成问题的探讨

监控数据的集成是煤矿进行数据综合利用的必要前提。文章探讨了煤矿监控数据集成中的数据集成协议、数据集成方式、数据压缩和数据弥补等问题,并提出了相应的解决思路。

基于机载LiDAR点云的建筑物多细节层次建模方法

机载激光雷达点云(LiDAR)重建大范围建筑物模型一直是实景三维建模的热点问题,由于机载激光点云稀疏、建筑物立面数据缺失,给模型自动化重建带来了极大的挑战。为了解决该问题,本论文研究基于图优化理论重建建筑物多细节层次(LOD)模型。首先,对原始点云进行自动化滤波,分离地面点和非地面点,对地面点构建数字高程模型(DEM),对非地面点半自动提取单体化建筑物点云。然后,基于滚球法(Alpha shape)提取建筑物边界,利用通用图优化方法(G2O)对误差线进行全局一致性改正,获得规则化的二维边框。并基于建筑物屋顶三维高程及DEM高程值重建建筑物LOD1模型。其次,根据点云的高程差异生成高程栅格图,从高程栅格图提取建筑物轮廓线,对轮廓线进行简化、规则化、聚类,并将规则后的边界线拉伸获取建筑物立面结构,弥补建筑物立面数据缺失对建模的影响。最后,将屋顶平面相交、建筑物立面裁剪,对候选平面进行二元图割全局优化,选择最能表达建筑物结构的平面,以此重建建筑物LOD2模型。本论文选择北京市2017年机载激光点云进行实验,结果表明,本文提出的方法可以稳健地重建建筑物多细节层次模型,LOD2模型距离偏差为0.22 m,LOD1模型距离偏差为0.71 m,整体模型精确度高;针对1147个建筑物,LOD2和LOD1模型重建时间分别为1290s和1097s,具有较高的自动化程度和建模效率。

牛顿插值法在大气监测中的应用

本文将牛顿插值方法通过程序输入ＣＡＳＩＯｆｘ—４０００Ｐ计算器，应用到实际大气环境监测中，与实际监测结果作了对照，取得好的成果．该方法解决了基层监测站因特殊情况数据缺测的问题。

东北冻土区MODIS地表温度估算

地表温度作为重要的地表参数是驱动土壤热状态的主要因子,对冻土分布和活动层厚度变化的研究具有重要意义。常规方式获取地表温度数据往往来自气象站点监测,范围小且不连续。NASA官网提供的MOD11A1地表温度产品可以提供大范围地表温度数据,但在冬季由于对云与雪的混淆导致大量的数据缺失,影响该产品在东北冻土区的使用。根据对东北冻土区植被、裸土、水体、积雪等常见下垫面状况的遥感分类结果,利用劈窗算法反演2006年四幅少云或无云的MODIS1B卫星影像,并分别以气象站实测数据和MODIS温度产品进行验证和对比分析。结果表明:该方法得到地表温度结果与气象站点实测数据误差较小,平均绝对误差仅为1.24℃。且可根据分类情况较好的得到积雪区域地表温度的空间分布状况,与地表温度产品的一致性较高,弥补地表温度产品因为云和积雪的混淆所导致的数据缺失,得到较为完整的地表温度空间分布数据。