基于出租车轨迹数据的路径规划方法

传统的路径规划算法很大程度上是依赖于改进的加权最短路径算法,在大规模路网中效率较低而且没有考虑实际交通中的各种因素,得到的是理想情况下的最优路径。针对这种情况,根据出租车的轨迹数据提出一种路径规划方法,主要包括三个部分:首先,利用出租车数据挖掘司机在路径选择上的经验,提取经验轨迹形成经验轨迹集;然后,根据出租车在各经验路段各时段的速度和频次利用贝叶斯分类器对路网进行分层,构建分层路网;最后,使用分层路径规划算法实现层次路径规划。以北京市GPS数据为研究对象,将该方法与经典路径规划算法的结果进行比较。结果表明,该方法得到的路径可以综合考虑各种因素,得到实际行驶中的较快路径。     

数据驱动的智能交通虚拟仿真系统研究与设计

主要研究大数据环境下数据驱动的智能交通虚拟仿真系统体系结构及其关键技术。首先对数据驱动进行简要描述,并引出相关研究的现实意义。随后提出数据驱动的智能交通虚拟仿真系统体系结构,从面向智能交通虚拟仿真的数据处理、数据驱动技术、决策支持理论与方法、虚拟仿真环境等方面讨论了实现数据驱动的智能交通虚拟仿真所需解决的主要问题和关键技术,支持交通工程研究和应用。     

无人机动态路径规划可视化仿真系统研究

针对现阶段无人机动态路径规划算法仿真可视性差和飞行环境仿真不足等问题,提出了一种基于Cesium的无人机动态路径规划可视化仿真系统;该系统在基于Client/Server(B/S)架构基础上,使用开源三维虚拟地球Cesium可视化引擎,按照可视化系统的总体设计及流程,利用坐标系转换方法与三维可视化技术,构建了一个无人机在真实地理环境中动态路径规划可视化仿真系统,实现了三维人工势场法路径规划的动态可视化仿真展示;实验表明,该系统不仅能够直观展示无人机在真实地理环境下的动态路径规划过程效果,还能够为相关研究提供直观、全面的可视化分析和评估手段。     

浅析智能交通系统中的路径规划算法

伴随着家庭拥有汽车的数量的不断增加,但是我国的公路建设速度的放缓,远远不能满足私有汽车数量的需求,两者矛盾越来越突出.它们的之间矛盾的不断积累严重制约了我国经济水平的发展,因此,在道路建设不能飞吐猛进的前提下,应用先进的计算机技术以及智能交通系统辨识新型的交通系统,可以有效的去改善我国的交通现状.     

移动机器人智能路径规划方法研究

路径规划是移动机器人导航技术研究中一个重要环节和课题。规划的方法可以分为传统的路径规划方法和智能化的路径规划方法。本文对于当前普遍采用的遗传算法、模糊逻辑算法、神经网络、蚁群优化算法、粒子群算法、启发式搜索法等智能路径规划方法进行了较为详细的介绍和分析,并展望了机器人路径规划技术的未来与发展趋势。     

移动机器人路径规划算法仿真及实现

机器人路径规划是机器人领域的一个重要分支,而路径规划算法是机器人的核心内容。本文重点研究路径规划算法,包括基础路径搜索,静态环境、动态环境的路径规划算法,通过仿真实验确定算法的可行性,并进行优化。最后,通过移动机器人实体验证路径规划算法。采用Python作为开发语言,先采用Pycharm作为开发环境并进行算法的实验仿真和对比;随后采用JupyterLab作为开发平台,使移动机器人能按照算法给出的路径移动。实验结果表明该算法可行。     

机器人路径规划方法综述

路径规划技术是机器人控制技术研究中的一个重要问题,目前为止,其研究方法主要有两大类传统方法和智能方法.综述了有关机器人路径规划技术的研究方法,介绍了自由空间法等传统方法,同时讨论了基于遗传算法、模糊控制和神经网络等智能方法的路径规划技术,并展望了机器人路径规划技术的未来与发展趋势.     

面向动态场景视频的虚拟行人路径规划

为提高虚拟行人在真实视频场景中路径规划的智能性,提出一种根据视频中真实行人在场景中的分布动态调整虚拟行人路径的方法.首先对场景进行分层建模,虚拟行人可以在不同细节层次的场景图上进行路径规划;在模拟迭代过程中,根据真实行人的当前速度对其未来位置进行预测,并将人流的速度和密度信息投影到稀疏均匀网格上;虚拟行人通过探测射线获取沿途路径上网格的人群分布信息,再根据道路拥堵情况选择在全局或局部层次上对其行走路径进行必要调整,射线探测范围则由虚拟行人的行进速度决定.通过实验模拟证明了该方法的有效性.与传统方法的模拟结果相比,文中方法可以更自然地模拟虚拟行人融入真实人流的过程.     

多移动机器人路径规划仿真平台研究*

多机器人路径规划仿真平台(multi-robot path planning simulation platform)是通用的多机器人路径规划及协调与合作系统。该系统能将机器人状态数据及时地以二维图形方式显示,并且能模拟现实工作环境,监测机器人动作,检测机器人与环境物体间的碰撞,通过一系列仿真技术,使得原来必须用实际机器人作为对象的研究活动在一定程度上转移到计算机中虚拟进行。比较详细地描述了仿真平台系统的设计原理、模型结构和运行方式,并讨论了构成系统的关键技术特点。     

多传感器数据融合下机器人路径分段规划仿真

针对传统路径规划方法多为全局结构化空间划分,无法根据实时信息设置当前路径最优规划,导致出现碰撞与跌倒问题,提出一种机器人路径分段规划方法.方法以多传感器数据融合作为技术为基础,用单模与零均值的高斯白噪声表示机器人超声波测距传感器误差特征,利用传感器位置估计方差更新状态变量估计值;根据极值点进行路径划分,再进行平滑处理,利用转弯策略实现机器人在各分段点的平稳运行.以机器人定位精度与路径规划为指标进行仿真分析,实验结果表明,所提方法定位准确度较高,可为路径分段规划奠定了良好的数据基础;在应对不同程度的障碍物环境可有效规划路径,效果较好.     

基于数据的动态舞台机械运动设计与仿真

针对现代演艺节目的特点,结合多媒体动态舞台的制作,提出了在舞台机械运动的设计和控制方面的处理思路,即通过抽象的数据处理双向连接形象的舞台设计与舞台表达。以数据为核心,利用数据建模的方法进行三维仿真舞台的设计,采用舞台机械运动关键帧技术进行仿真舞台数据提取和处理。针对机械的性能指标和物理特点,采用与抛物线拟合的线性函数进行舞台运动的时间误差的控制。将舞台机械的运行数据进行整合和处理,通过三维舞台动画制作方法进行仿真呈现,形成设计与实施的双向数据流。利用双向数据流产生的数据,不仅为舞台的多媒体制作,舞台安全检测,舞台前视觉仿真等现代多媒体动态舞台模块提供统一准确的数据基准,而且改善了其制作流程,缩短了制作周期。     

基于物理及数据驱动的流体动画研究

主要针对近年来流行的基于物理及数据驱动的各种流体动画模拟算法及其应用给出了一个全面的前沿性综述.首先,对传统的基于物理的流体模拟加速方法进行了综述和总结,同时给出了此类方法中各种算法的优劣性分析;其次,对现有的基于数据驱动的多种算法进行了综述和分析.特别地,将现有的数据驱动方法归结为3类,即数据插值法、数据预计算方法和基于深度学习的方法.并且,进一步讨论了基于数据驱动的流体动画模拟算法的几个关键问题以及其研究趋势与方向.     

基于超螺旋模型的头发动态模拟方法

针对现有头发模型缺乏柔性的问题,提出一种改进的基于超螺旋模型的头发建模与仿真方法,将导引发丝构造成具有有限自由度的分段螺旋体,运用拉格朗日力学对发丝运动进行计算。通过改进卷发曲率和捻度的计算方法,并采用自适应控制结构对头发进行重组和细分,提高模拟过程的准确性和稳定性。实验结果证明,该方法可以获得较为逼真的动态模拟头发的效果。     

应用Simulink动态仿真方法研究混沌保密通信

计算机动态仿真是混沌应用研究的重要方法.该文介绍了Matlab环境下Simulink的可视化建模与动态仿真步骤;应用Simulink动态仿真方法,分别对统一混沌系统的动力学特性、统一混沌系统的驱动-响应同步控制方法和基于该同步方法的混沌掩盖保密通信原理进行了仿真研究.研究表明,Simulink动态仿真方法具有模型搭建灵活、结果输出直观和系统性能影响因素可控的特点.最后,对动态仿真过程中出现的热点问题,如仿真结果分析、提高仿真速度等进行了讨论.     

一种头发动态模拟方法

该文提出了一种新奇的方法来表示头发,该方法建立在离散层次细节模型上,通过恰当重组和细分来表示头发。这种离散层次细节模型包括：单根头发,头发簇和头发束,通过一个基轴来控制头发的运动。基轴用四叉树数据结构来重组和细分。在运行时,通过头发的运动、头发是否可见以及与视点的距离来选择恰当的离散和连续头发层次表示。头发的碰撞检测算法是通过扫描体来快速准确交叉计算。同时,这些头发模拟和碰撞检测的方法在头发运动的整体性能和可视质量上达到一种柔性平衡。此外,该方法能够模拟不同的发型、各种头发的长度以及头发的运动。     

基于迭代神经动态规划的数据驱动非线性近似最优调节

利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.     

结构动态仿真系统研究

本文对结构仿真系统进行了初步研究,并以矩形板为例,设计开发了一个结构动态仿真系统.该系统以板结构的局部性态为基础,通过数学处理手段得到板结构的整体性态.本文通过插值函数由板结构上关键点的变形构建板结构的变形,同时本文采用坐标变换的手段,把一个三维的动态图形的显示变为一个二维问题.在该系统中,先在板结构的关键部位布置传感器,并通过数据采集仪把测点部位的信息传递给计算机,然后通过插值和坐标变换的计算,最后在计算机屏幕上实时并同步显示板结构的变形.     

动力锂电池SOC估计仿真研究

针对传统的无迹卡尔曼滤波算法(UKF)估计动力锂电池荷电状态(SOC)时,由于滤波迭代过程中系统噪声不确定,可能导致估计结果精度欠佳的问题,提出一种改进的自适应无迹卡尔曼滤波算法(AUKF)动态地估计锂离子电池的SOC.算法以UKF算法为基础,引入改进的Sage-Husa自适应滤波算法,利用观测数据进行滤波递推的同时,...     

多机器人体间动态碰撞检测方法仿真研究

当前多结合包围求碰撞检测法、Average-Case法、K-DOPs法等实现多机器人体间动态碰撞的检测,均存在寻优性能较差、检测效率较低的问题。为此提出一种基于动态粒子群的多机器人体间动态碰撞检测方法。采用OBB层次包围盒方法,缩小多机器人之间需要动态碰撞检测的区域,同时把动态碰撞检测问题转换为物体特征对间距离机制的非线性优化问题,进而构建层次拓扑框架进行局部碰撞检测,将机器人体引入到粒子群算法中建立混合进化算法,找到动态碰撞检测的最优解,实现多机器人体间动态碰撞检测。仿真结果证明,所提方法的检测效率高达96%,且具有较高的寻优性能。     

基于动态解析方法的多线程数据高效抓取仿真

目前数据获取方法存在准确性和安全性较差的问题,为此提出基于动态解析的多线程数据高效抓取方法。依据多线程数据异常告警空间定义,利用混沌粒子群算法对异常告警进行聚类,初始化粒子群,设置聚类数量和粒子数量,针对各粒子随机指派一个类别,并获取聚类中心,利用聚类评判准则中最小均方根误差准则实现异常告警划分聚类,使数据抓取过程中能够有效避开异常数据。基于数据抓取安全性分析,通过词项的共现思想,针对多线程数据构建动态解析网络,依据网络边权重随时间延长而呈线性衰减的理念,通过加权度数获取多线程数据特征权重,抓取其中权重值较大的数据。实验表明,该方法抓取精度高,安全性好。