综述车路协同感知路面技术体系功能框架与物理架构并展望未来发展方向。基于基础设施的基本要求,系统描绘车路协同路面的功能框架,提出行驶安全辅助、导航路径规划、材料结构优化、智能养护决策4个具体功能;根据实现功能的数据类型需求,阐明涵盖状态感知、数据处理、数据传输、数据融合和能量供给等5个组成核心的技术体系架构。研究梳理该技术体系中关键的状态感知和数据分析技术,阐释相关技术原理、性能特点以及存在的问题,提出技术整体发展需求。综合功能框架技术需求,规划现有技术融合升级和新技术方向开辟2种途径,指明车路协同路面的未来发展方向。展望车路协同路面与其他智慧道路技术如无人驾驶路面、自愈合路面、自俘能路面等的有机融合,以实现车路协同路面的使用效能最大化,并助力未来智慧道路基础设施不断发展完善。

为提高网格化排放清单精度,结合AOD(aerosol optical depth)和标准路长提出基于AOD修正系数的空间分配模型,并以青岛市为例进行验证。验证结果表明:基于AOD修正系数的空间分配模型获取的2019年青岛市1 km×1 km分辨率的PM_2.5排放清单与测量数据的相关系数R2为0.55,高于基于标准路长、GDP(gross domestic product)和人口密度的空间分配模型(R2分别为0.47、0.43和0.31);青岛市中心城区,下辖的即墨、胶州、莱西、平度的中心城区及胶州湾地区是机动车的高排放区。本研究首次将强现实性的遥感数据引入空间分配模型,使每个网格的空间分配系数由固定值变为随真实大气污染状况变化的动态参数,提高了网格化机动车排放清单的精度,对研究机动车排放对大气污染的影响、精细化管控等具有重要意义。

针对目前交通标志检测方法受光照影响较大,模型精度低等问题,提出一种更快基于区域卷积神经网络(faster region-based convolutional neural network, Faster R-CNN)的交通标志检测算法。针对图像中天空与非天空区域的光照不均匀现象,引入伽马变换增强交通标志在模型中的特征表达能力;利用基于卷积注意力模块的高效网络(convolutional block attention module-based an efficient network, CBAM-EfficientNet)解决网络深度退化问题,提高浅层网络的特征获取能力,降低参数量;在网络中引入特征金字塔网络以检测不同尺寸目标,增强网络对不同尺寸交通标志的感知能力,解决交通标志尺寸差异问题。试验结果表明,该算法在GTSDB数据集上的平均准确率均值P_mA达到99.79%,在CCTSDB2021数据集上的P_mA达到87.62%。为光照不均匀图像的交通标志检测提供一种高准确性的方法。

针对交叉口排队长度实时感知的问题,提出一种结合交通数学模型与智能感知设备检测的排队长度感知方法。通过冲击波模型确定道路最大排队长度,将其作为以YOLOv5-DeepSORT为基础的视频感知模型的输入,实现交通数学模型与智能感知模型的单向耦合。为验证该方法的有效性和优越性,以兰州市某交叉口为例进行排队长度的实时感知,并在选定交叉口调查不同时间段的感知数据,模拟不同交叉口交通流量的差异对本研究方法感知精度的影响进行探究。研究结果表明,基于冲击波模型与YOLOv5-DeepSORT单向耦合的排队长度感知方法确定的排队长度检测区域在整体感知精度上优于对照组,平均绝对误差、均方根误差以及平均绝对百分比误差等均得到了有效降低,部分工况下精度提高40%以上。

针对现有交通流预测方法大多忽略时空耦合相关性、时空变化性以及外部特征对预测结果准确性的影响,提出一种动态交通流量预测的时空注意力图卷积网络(attention-based spatio-temporal graph convolutional network, ATST-GCN)模型。提出基于注意力的双向门控循环单元结构,从动态空间序列中提取时间相关性;构建带残差链接的多层图注意网络(graph attention network, GAT)卷积模块,深入挖掘动态空间相关性;融合时变特征与时常特征,充分利用外部静动态特征的共同作用。采用PeMS数据集对交通流量预测的准确度进行验证,试验结果表明:本研究方法能够有效提高交通流量预测精度,优于现有的多数先进方法。在PeMS08和PeMS03 数据集上,本研究方法相对 STSGCN 模型分别提高 13.44%和 10.96%,相对T-GCN 模型分别提高21.41%和 21.32%,相对 STGCN模型分别提高 8.04%和 6.55%,相对 DMSTGCN 模型分别提高 3.23%和 2.80%,相对 Trendformer 模型分别提高 2.29%和 2.00%。

针对客户满意度和时间窗时域单一的问题,提出一种多时域分级方式衡量车辆配送进度,该设计细化普通时间窗时域,分成多个时域衡量车辆行进位置,算法方面,遗传算法(genetic algorithm, GA)与变邻域下降搜索算法(variable neighborhood descent, VND)的组合优化形式得到静态预优化路径最优车辆行进线路。动态调度周期中,现有贪婪订单插入算法(greedy order insertion algorithm, GOIA)搜索效率不高,提出一种改进后的贪婪订单插入算法(improved new greedy insertion algorithm, IGOIA),摒弃了GOIA随机插入路径的方式,最有原则的将订单插入到配送路径中去,将其与变邻域下降搜索算法组合优化(Genetic algorithm-Variable Neighborhood Descent, GAVND),对未服务的客户点进行局部优化。通过数学模型优化和求解算法改进,在统一平台上与IGOIA-GAVND、GOIA-GAVND与GOIA-GA2-opt的遗传算法改进形式进行对比试验,改进后的动态订单插入算法在不同规模的Solomon算例下,平均目标值降低了11%,算法平均计算时间降低了2.74 s,实例分析中,成本解分别节约了23%、31%、21%,研究结果证明了原则订单插入算法在滚动周期策略作用下可以获得较高质量的解。

为提高天牛须搜索算法(beetle antennae search algorithm, BAS)寻优能力,提出一种自适应的并行天牛须优化算法(adaptive and parallel beetle antennae optimization algorithm, APBAO),该算法将BAS中的单只迭代体进化为并行的多只迭代体,尽可能扩大解空间的搜索范围;提出精英天牛的概念实现算法自适应,提高算法精度。为验证算法的性能,采用多个标准测试函数进行测试,将APBAO与BAS、粒子群优化算法(particle swarm optimization, PSO)和蚁群优化算法(ant colony optimization, ACO)的性能进行比较。试验结果表明,与BAS相比,APBAO对目标函数的优化率提高了97.39%,与PSO和ACO相比分别提高了84.46%和86.98%。所提出方法可以有效避免目标函数陷入局部最小值,拥有更好的性能和更强的寻优能力。

针对具有执行器故障和未知初始跟踪条件的非仿射纯反馈系统,研究其预设性能有限时间容错控制问题。采用中值定理处理非仿射系统,考虑控制方向未知,用Nussbaum增益函数解决控制器设计问题。借助一种与系统初始条件无关的预设性能控制设计方法,在跟踪误差的初始状态未知时依然可设计预设性能控制器。采用传统的有限时间理论及容错控制理论,提出一个预设性能有限时间容错控制设计策略。该策略能够保证系统在未知初始跟踪条件和执行器故障情况下的暂态和稳态性能,以及系统中所有信号的有界性。仿真结果验证了所提策略的可行性。

针对现有谱图神经网络模型在学习图节点特征矩阵信号频率分布方面存在的不足,采用盖根堡正交基改进,提出一种泛化能力强、适合真实世界数据的谱图神经网络模型,有效提高节点分类任务精度。分析不同真实世界数据集中图节点特征矩阵的信号频率分布,使用盖根堡正交基学习谱图滤波函数,提高模型的泛化能力。理论分析表明,该模型能够以最佳平方误差有效学习闭区间上的任意连续谱滤波函数。在13个数据集上进行试验的结果显示,基于盖根堡正交基的谱图神经网络模型在8个数据集上的性能均超越目前的先进模型,验证了模型的有效性。可扩展性试验表明,该模型适用于大规模图数据。

为解决基于Transformer的方法存在计算成本高和无法捕捉时间序列总体趋势的问题,将Transformer与季节性趋势分解法相结合,提出基于分解式Transformer的联邦长期时间序列预测算法,其中分解方法用于捕捉时间序列的全局概况。在实际场景中,时间序列数据来自多个不同客户端。考虑数据隐私问题,利用联邦学习从多个客户端获得整体最优预测模型,采用基于局部锐度感知最小化的优化器提高全局模型的泛化性。与先进的方法相比,该方法在4个基准数据集的多变量和单变量时间序列预测任务中都有改进,在用电负荷(electricity consuming load, ECL)数据集上性能最高可提升26.9%。试验结果充分表明季节性趋势分解法与局部锐度感知最小化的优化器在长期时间序列预测任务上的有效性。

针对现有图像保护技术中全图加密增加计算成本和区域遮挡无法判定多目标等问题,提出基于自适应掩码和生成式修复的图像保护框架。该框架采用Score-CAM(class activation mapping)技术自适应判别图像的核心区域,准确生成多目标核心区域掩膜;采用遮挡方法保护图像隐私来降低计算开销;引入区域感知的CAM损失函数,确保修复图像重点区域的一致性。将有遮挡的图像送入修复网络进行训练,对训练好的网络参数进行椭圆加密;在发送阶段将掩码图像和密钥分开发送,接收端通过密钥解密,Shift-Net网络载入参数对掩码图像进行准确修复。在ImageNet数据集中的试验表明,CAM损失函数的修复模型使得生成图像的结构相似性指标提高了0.2%、学习感知图像块相似度降低了0.2%。本研究在接收端自适应对图像重点区域进行掩码,使得识别模型失效进而保护图像隐私。

为研究应变率和层理倾角对炭质板岩动力学特性的影响并建立其本构模型,基于分离式霍普金森压杆试验系统,对不同应变率和层理倾角的炭质板岩试样进行动态压缩试验,并分析其应力-应变曲线及破裂形态。在朱-王-唐模型的基础上,综合考虑层理倾角和应变率以及岩石损伤的影响,建立适用于炭质板岩的动态损伤本构模型,利用本构模型对试验数据进行拟合。结果表明:随着应变率的增大,试样的动态峰值强度与峰值应变均增大;随着层理倾角的增大,试样峰值强度呈现先减小后增大的趋势,应变峰值则是先增大后减小;本构模型拟合曲线与试验曲线一致性良好,从而证明该模型的正确性与适用性。

为研究新型岩溶管道注浆材料(WIS新型注浆材料)在动水条件下的扩散规律,从注浆材料自身的物理化学性质出发,通过流变性能试验研究WIS新型注浆材料的浆液流型,建立基于黏度时空分布的函数方程,阐述混合物浆液在管道内运移的动态演化过程;借助COMSOL Multiphysics 数值模拟软件计算在不同注浆速率、管道直径、浆液粒径参数下浆液扩散形态随时间的变化特征,对比分析模拟试验中管道内速度场的演化规律。结果表明:WIS新型注浆材料为黏度时空变化型浆液;黏度时空分布状态下浆液的扩散运移过程中质点黏度不断增大,每相邻两个浆液质点的黏度随注浆扩散均各不相同,浆液质点的间距不断减小,扩散距离也不断减小;数值模拟计算结果显示:WIS新型注浆材料的扩散过程具有明显的非对称性,顺水扩散距离均随注浆扩散时间增大而增大,扩散距离与注浆速率成负相关关系,与管道直径、浆液粒径成正相关关系;注浆口下游管路流速与注浆扩散时间存在显著的负相关关系;数值模拟计算结果与模拟试验结果的速度场演化规律具有一致性,同时验证了在误差允许的范围内数值模拟规律的合理性。研究成果可为岩溶管道突涌水环境下的注浆参数设计提供可靠的理论依据及参考价值。

针对现有点云配准算法中易出现的误匹配、迭代时间长、精度低等问题,提出一种基于特征点提取的随机采样一致性与迭代最近点的三维点云配准方法,设计体素滤波降采样、关键特征点提取和几何特征描述、改进的随机采样一致性和点到面的迭代最近点算法框架。在降采样的基础上,提取点云关键几何特征点,并进行关键点邻域描述。采用四点对的随机采样一致性算法和点到面的迭代最近点算法分别进行点云粗配准与精细配准;采用K维树方法加速迭代,奇异值分解求解最优变换矩阵,最终实现三维点云配准。利用激光雷达及配套设备,模拟无人车辆采集点云数据,并选取不同时间间隔的点云图像,引入均方根误差和运算时间指标,验证算法的性能。试验结果表明:在粗配准阶段,配准速度相较于采样一致性算法和四点一致性算法,配准速度平均提高78.44%和61.02%,在处理100帧以下的数据时,配准误差在10 cm范围内;在精配准阶段,配准误差较粗配准、正态分布变换算法、传统的迭代最近点算法分别降低5.11、4.94和0.53 cm,配准时间较传统的迭代最近点算法平均提高33.06%。

提出一种基于激光雷达的水利点云建图方法。通过采集河段和闸口地形点云数据,选取适当的源点云和目标点云,利用坐标转换的粗配准和优化的迭代最近点的精配准算法,基于最小二乘法求解最优变换矩阵,实现数据转换和点云配准。经试验验证,本研究的配准方法能够完善点云信息,实现点云信息的互补,配准后的点云数量相对目标点云集增加39 807个,探测距离相对目标点云集扩大20.87 m;在精配准方面,对比传统的迭代最近点和正态分布变换2种算法,配准时间分别降低31.63%和3.21%,配准精度误差较迭代最近点算法增加4.30%,较正态分布变换算法减小21.08%。