考虑充换电的模块化需求响应公交路径优化

模块车能通过中途分离与合并来调整车队容量、实现无缝换乘,兼具规模化与“门到门”灵活性优势,但其轻量化的电池设计也在一定程度上限制了车辆续航能力。为了探索模块车在需求响应公交中的应用,并解决车辆中途充电问题,本文建立了模块化需求响应公交路径规划模型,优化车辆路径计划、车队编组策略、车内换乘策略以及换电和机会充电计划。针对模型特征设计了改进的自适应大邻域搜索算法,根据各车辆路径之间需要进行编组和协同交互的特点,定制化设计了车队类修复算子和能源类修复算子等。使用安徽宣城的出行数据进行实验,结果显示:与传统公交相比,模块化需求响应公交系统使乘客总出行用时降低48.81%;与车辆单独运行的方案相比,车队编组方案能够使系统总成本平均降低13.24%;相比仅充电策略,充换电结合策略能在少量增加备用电池固定成本的情况下,使能源成本减少21.09%;此外,企业可以通过调整等待时间惩罚系数来平衡企业经营成本与乘客时间成本,达到动态最优。

基于YOLOv5s模型的新型道路裂缝检测系统

针对现有道路裂缝检测自动化程度低、检测精度低等问题,提出一种基于YOLOv5s模型的新型道路裂缝检测系统。该系统包括基于深度学习网络的路面裂缝检测模块和自主开发的自动驾驶模块。其中,路面裂缝检测模块采用YOLOv5s网络作为裂缝检测与分类的模型,实时获取路面裂缝图片作为数据集并在此数据集上对网络进行训练,利用训练好的网络提取不同类型裂缝图像的特征信息,实现路面裂缝的分类与检测。自动驾驶模块使用自主设计的工程作业车作为载体,搭载激光雷达、高清摄像头等设备,结合云端后台搭建一套功能完善的路面裂缝检测系统。实验证明该系统具有路面裂缝识别、自主导航、联网、定位、远程控制等功能,适用于常规与特种道路的安全检测工作。