预防道路交通事故的驾驶行为干预技术分析

该文基于驾驶行为风险度的分析，构建了驾驶行为风险自动平衡模型。深入探讨了行车过程中的警戒危险、目标危险与感知危险三种危险水平及其与事故发生的关系，提出用电子雷达、行车记录仪等技术手段来识别并干预驾驶员的不安全驾驶行为，通过减少驾驶员的不安全驾驶行为来预防、减少道路交通事故，并指出了这一方法的重要准则。     

考虑服务定价的选择性众包配送优化

提出众包服务定价与选择性众包配送方案联合优化方法.根据众包服务价格与众包供给量关系，构建众包供给-价格函数，进而构建出优化众包服务价格、客户分配方案以及配送路径的混合整数非线性规划模型，并采用大M法将其处理成混合整数线性规划模型.依据问题领域知识设计局部搜索规则，并结合节约算法、禁忌搜索算法和模拟退火算法设计出求解大规模案例的自适应大邻域搜索算法.自适应大邻域搜索算法的性能优于GUROBI、最早配送规则以及节约算法；选择性众包配送服务模式在降低配送成本上优于无众包配送服务模式和全众包配送模式；众包配送服务模式适用于众包供给价格敏感度高、客户服务时间窗紧的场景；适当增加中转点或者拓宽客户服务时间窗可以降低配送成本.     

道路交通事故救援体系探讨

利用现有的检测设备和驾驶员情报系统，以交通安全地理信息系统与最优路径算法为核心，构筑了以提高效率、减少延误与事故损失为目的的道路交通事故救援体系。     

未知环境中移动机器人的路径规划与探索算法

未知环境中移动机器人如何快速到达目标,如何尽量获取环境信息以绘制地图,是常见问题,也是难点问题.针对此二问题,论文综述了路径规划、探索算法领域的相关研究成果,指出了它们的特点与不足.最后对路径规划、探索算法的发展趋势进行了展望.     

盲区条件下一种基于记忆机制的移动机器人快速路径规划方法

如何在存在盲区的条件下实现机器人路径规划,是现实中的一大难点问题。本文利用路口点表征自由路径,通过估算盲区内路口点位置及其存在的概率,实现对历史感知数据的记忆与利用。建立评价函数对盲区内路口点及感知范围内的路口点进行评价,同时利用了历史感知信息与当前感知信息。与传统局部路径规划方法相比,该方法避免了盲区带来的徘徊、规划失败等问题。仿真表明了该方法的有效性。     

一种基于假设检验的机器人所处区域类型识别方法

为实现机器人对其所处区域的有效识别,提出一种基于假设检验的区域类型识别方法。首先考虑观测误差影响提出一种基于概率的未知障碍物识别方法。进而将观测信息视为对周围环境的采样,假设机器人所处区域类型,利用观测信息中的未知障碍物数对其验证,实现对区域类型的识别。该方法考虑了实际中观测误差的影响,限制了误判的概率。实验证明,该方法能够在观测误差影响下有效识别机器人所处区域类型,并成功将其应用于部分未知环境的路径规划中。     

末端配送服务模式与路径联合优化

考虑末端配送服务模式对服务质量和配送成本的影响，提供一种末端配送服务模式与路径联合优化方法.以配送成本和客户满意度为双目标建立混合整数规划模型，改进NSGA-Ⅱ求解模型，并且利用GUROBI求解器验证所建模型的有效性.通过求解不同规模算例发现，改进NSGA-Ⅱ具有求解稳定性，并且仅用GUROBI求解时间的1/10便能够得到高质量Pareto解集，与传统NSGA-Ⅱ相比，改进NSGA-Ⅱ求解时间平均仅增加23 s，求解质量平均提升3.37%，表明改进NSGA-Ⅱ优于GUROBI求解器和传统NSGA-Ⅱ.通过敏感度分析发现，与仅利用单一末端配送服务模式相比，物流企业综合利用多种末端配送服务模式能够更好地平衡配送成本与客户满意度水平，合理增加自提柜和自提点数量，拓宽客户收货时间窗宽度有助于降低配送成本.     

ITS路线引导效果模型分析评价

文章讨论了有关路线引导效果的以往研究及用于路线引导效果分析的几个典型模型，客观地对道路交通流量模型与路线选择行为模型作了评价，分析了各模型的优点、适用性、局限性及所需克服的关键问题。     

基于改进遗传算法的三维单箱装箱问题研究

集装箱装箱问题属于NP(Non-Deterministic Polynomial)问题,为提高集装箱的空间利用率,降低物流配送的成本,合理的装箱方案是必不可少的。针对三维单箱装箱问题,提出一种基于改进遗传算法的人工智能算法,用来实现所建立的优化模型。结合实际装箱问题,分析装箱问题的约束条件,建立数学优化模型,通过将目标函数作为适应度函数和遗传操作中采用排序选择法、部分匹配交叉来实现对传统遗传算法的改进。最后,通过MATLAB编程实现该优化模型的求解,实现了集装箱装载效率的提高。