【摘 要】
：
随着无人机在城市物流配送等领域的迅速发展,城市上空无人机承载能力逐渐成为关注的焦点.以前期调研的城市物流无人机实际运行情况为基础,总结归纳了城市物流无人机的运行模式,以可接受的冲突为度量建立无人机空域容量评估模型.选取中国民航大学南院校区上空空域对物流无人机空域容量进行实例验证,通过仿真得到了相应的空域容量,并对相关影响因素进行分析.研究表明,所提方法不仅能够得到量化的空域容量,还可用于空域容量影响因素分析和无人机飞行空域规划.
【机 构】
：
中国民航大学空中交通管理学院,天津 300300
论文部分内容阅读
随着无人机在城市物流配送等领域的迅速发展,城市上空无人机承载能力逐渐成为关注的焦点.以前期调研的城市物流无人机实际运行情况为基础,总结归纳了城市物流无人机的运行模式,以可接受的冲突为度量建立无人机空域容量评估模型.选取中国民航大学南院校区上空空域对物流无人机空域容量进行实例验证,通过仿真得到了相应的空域容量,并对相关影响因素进行分析.研究表明,所提方法不仅能够得到量化的空域容量,还可用于空域容量影响因素分析和无人机飞行空域规划.
其他文献
为研究岛式地铁车站内列车发生火灾时,站台细水雾与排烟系统对烟气蔓延的控制效果,依托西安地铁4号线岛式地铁车站,采用FDS软件建立1∶1的数值仿真模型,选择大涡模拟,研究站内列车火灾规模为5 MW时,站台细水雾与排烟系统共同作用下,火灾烟气蔓延速度、能见度与温度场的分布特征,分析了细水雾与排烟系统对烟气蔓延特性的影响规律;并通过缩尺模型试验,验证了数值模拟方法研究细水雾控制地铁火灾烟气蔓延的可靠性.研究结果表明:车门间隔开启时,烟气先向列车两侧蔓延,150 s时扩散至整个车厢并向站台层蔓延,当开启站台细水雾
提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术.为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3(Twin Delayed Deep Deterministic Policy Gradient)实现自动驾驶汽车的自主换道行为.首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数
为了探明围压对盾构隧道错缝拼装管片衬砌结构力学性能的影响,以苏通GIL电力管廊隧道为工程背景,采用“多功能盾构隧道结构体试验系统”对3种不同围压下的错缝拼装的管片衬砌结构进行了原型加载试验,从管片衬砌结构的内力、变形、纵缝张开、螺栓应变和主筋应变等方面研究了围压对管片衬砌结构的影响.研究结果表明:①围压变化对管片衬砌结构弯矩的大小和分布影响较小,而对轴力大小和分布影响较大,围压增大,管片衬砌结构的轴力分布更为均匀;②管片衬砌结构的形变呈现不规则的“椭圆形”,围压增大可显著降低管片衬砌结构的整体形变,提高管
为了确保卫星定位性能满足特定协作式智能交通应用需求,提高车辆定位系统的故障容错能力,针对车辆卫星定位的自主故障检测与性能优化问题,提出基于专用短程通信辅助的卫星定位故障检测方法,充分利用专用短程通信设备的测距率观测信息,实现故障检测对不同类型卫星可视条件的有效适应.基于专用短程通信多普勒观测特性,构建基于载波频偏的车间测距率观测模型;设计卫星定位与专用短程通信组合观测与解算框架;基于容积卡尔曼滤波提出适于非线性观测特征的故障检测、识别与排除算法,并叠加量测噪声方差矩阵动态调整策略,对故障检测性能进行优化;
航空制造领域因轻量化、强度等特殊的应用需求,大量使用钛合金、镍基合金等难切削材料,刀具磨损速率快,刀具过度磨损会影响产品质量,在保证产品质量的前提下,为了充分发挥刀具使用价值,亟需监测刀具磨损状态和预测刀具剩余寿命.针对刀具剩余寿命预测的定义、分类和主要预测方法进行了阐述,同时,刀具磨损监测作为刀具寿命预测的基础和先决条件,简述了其重要的流程和常见模型.刀具剩余寿命预测模型主要包括基于物理模型的预测、基于数据驱动的预测和混合预测三大类,对不同预测方法的优缺点和适用场景进行总结,并讨论了刀具剩余寿命预测的未
排队长度是评价信号控制交叉口运行状态的重要参数之一.现有大多数基于抽样车辆轨迹数据的排队长度估计方法可以实现周期级排队长度估计,但是需要信号配时、渗透率或车辆到达分布等实践中难以获取的输入信息.此外,这类方法在低渗透率条件下往往难以确保估计结果的准确性和可靠性,极大地限制了其实用性.因此,提出一种抽样车辆轨迹数据驱动的时段级信号控制交叉口排队长度分布估计方法,可不依赖任何交通流理论模型和前述输入信息实现排队估计.首先,通过理论推导可以证明时段内抽样车辆的停车位置分布和排队长度分布之间可互相转化;然后,提出
准确识别周围车辆的换道意图将有助于自动驾驶系统决策,从而提升安全性和舒适性.提出一种基于长短期记忆(Long Short-term Memory,LSTM)网络的换道意图识别方法,能够较为准确地识别周围车辆的换道意图.该方法先通过构造收益函数来描述目标车辆(被预测的车辆)与其邻域车辆之间的交互关系,得到目标车辆左换道、右换道和车道保持的收益值,并将该收益值作为交互特征输入到意图识别网络;在意图识别网络中,引入注意力机制,通过网络自学习得到的权重对LSTM层各个时刻的输出加权求和,能够对编码信息进行有效利用
汽车保有量的增加和能耗排放法规日益严格的限制给车辆节能减排提出了巨大挑战,网联化、智能化和电气化是提高未来交通效率和减少公路能源消耗的三大支柱.为了全面了解智能网联汽车节能减排的前沿问题与研究进展,对当前经济驾驶领域的重点问题进行了总体概述.首先,从广义的能量转换角度总结了智能车辆节能优化技术的本质和3个过程,其中Wheels to Distance环节的车辆系统优化是挖掘汽车节能潜力的重要一环,针对其介绍了智能网联汽车节能优化问题的基本数学原理;其次,从智能运输系统的各类非同源异构数据出发,分别从人-车
针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性.在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关.确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架.在此基础上,以交叉口车均延误条件风险值最小为 目标,考虑了各流向车道数、信号
针对智能车辆在轨迹跟踪过程中的横向控制问题,提出一种基于强化学习中深度确定性策略梯度算法(Deep Deterministic Policy Gradient,DDPG)的智能车辆轨迹跟踪控制方法.首先,将智能车辆的跟踪控制描述为一个基于马尔可夫决策过程(MDP)的强化学习过程,强化学习的主体是由Actor神经网络和Critic神经网络构成的Actor-Critic框架;强化学习的环境包括车辆模型、跟踪模型、道路模型和回报函数.其次,所提出方法的学习主体以DDPG方法更新,其中采用回忆缓冲区解决样本相关性