排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
大部分基于浮动车GPS数据的速度估计模型仅适用于GPS数据采样时间间隔小、样本量空间分布密集的理想情况,无法准确计算样本量不足情况下的实时速度.根据浮动车GPS数据点在空间上的分布情况,提出组合三种速度估计模型,以最大限度地提高GPS数据利用率;考虑到GPS数据点在时间上分布不均,在GPS数据不足的情况下,结合神经网络预测和数据融合的技术,根据误差方差融合速度估计模型的测量值和神经网络拟合的预测值,以减少实时估计误差.选择广州市东风路作为测试实例,在高峰和平峰两种交通场景下比较了融合值、测量值和预测值的误差,结果表明结合神经网络和数据融合技术的城市路段速度估计精度和稳定性均优于速度估计模型. 相似文献
3.
自动驾驶出租车共享出行是未来变革性的智能交通方式,它将带来前所未有的社会效益。共享订单数(合乘人数)是影响出行时间、费用、舒适度和运营成本的关键参数,然而鲜有研究对共享人数上限进行分析。为此,文中基于多人共享的路径规划方法,建立了一个自动驾驶出租车动态合乘的仿真系统。该系统由"搜索""调度""等待"3个模型组成,在变化乘车需求的情况下,对共享人数上限进行了探讨。在深圳市南山区41.25 km2的路网上仿真不同共享人数上限和出行需求情况下的效益,结果表明,共享模式极大地提高了出行成功率(达到了20%)并降低了总耗时(降低到原来的3%~23%)。当共享人数上限达到一定值时,合乘效益逐渐收敛。在出行需求较高的情况下(人车比率大于5),共享人数上限设为3~4人时,合乘效益得到最大优化。实验结果充分说明了多乘客共享出行能够缓解当下"打车难"的问题,且随着出行需求的增加,自动驾驶共享模式相比传统非共享模式具有更强的鲁棒性。 相似文献
4.
人工智能和大数据科学的发展带来了新一代产业革命。基于人工智能、大数据、车联网等技术的自动驾驶出租车调度系统将成为下一代交通系统的重要组成部分。文中从车联网环境下的自动驾驶调度系统的数学建模问题和系统构建两个方面对现有的文献进行了梳理和讨论。针对乘客出行需求的动态不确定性的共享问题,着重讨论了自动驾驶出租车在不同路径共享模式下的路径规划,以及共享合乘定价和智能调度系统构建的关键技术。最后,总结了自动驾驶出租车在解决交通拥堵和减少资源浪费方面的优势,并指出了自动驾驶出租车系统的技术难点和发展趋势。 相似文献
5.
1