CN107464012A - 一种基于平行仿真的城市交通运输支持*** - Google Patents
一种基于平行仿真的城市交通运输支持*** Download PDFInfo
- Publication number
- CN107464012A CN107464012A CN201710557343.1A CN201710557343A CN107464012A CN 107464012 A CN107464012 A CN 107464012A CN 201710557343 A CN201710557343 A CN 201710557343A CN 107464012 A CN107464012 A CN 107464012A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- transportation
- simulation
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 159
- 238000004891 communication Methods 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims description 14
- 239000000463 material Substances 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 8
- 230000003321 amplification Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims description 4
- 230000002045 lasting effect Effects 0.000 claims description 4
- 238000005094 computer simulation Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 230000003014 reinforcing effect Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 239000000446 fuel Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于平行仿真的城市交通运输支持***,构建与交通运输保障***平行运行的仿真***,通过与实际***的互联和信息交互,持续从交通运输保障***获取最新的运输情况,建立实体仿真模型并通过模型的超实时仿真运行,进行运输情况分析、方案优化并反馈至城市交通运输保障***,不断循环生成保障方案,可推演评估方案预期效果。大幅度缩短了运输调度时间、极大提升了调度准确性,为建立面向决策支持的平行仿真***提供了一种新的思路。
Description
技术领域
本发明属于城市交通运输的决策支持技术领域,尤其涉及一种基于平行仿真的城市交通运输支持***。
背景技术
目前城市交通运输保障***只能获取当前交通运输状态,而无法分析预测未来交通运输情况,从而提前进行规避。当道路处于拥堵状态时,指挥员只能花费大量时间和精力检查分析拥堵原因,根据经验或临时进行车辆运输调度,导致调度不及时、准确性下降,更有甚者车辆可能无法掉头导致计划无法顺利进行。
发明内容
针对当前城市交通运输保障***存在的问题与不足,本发明提出了一种一种基于平行仿真的城市交通运输支持***,通过构建城市交通运输支持***,实体机动模型、GPS定位模型、道路模型等实体仿真模型,分析当前运输情况,预测未来可能出现的运输事件。通过超实时仿真推演,实时优化调整运输保障方案,反馈仿真结果至实际***,缩短了调度时间、提高了调度准确性,为城市交通运输保障辅助决策提供理论依据。
实现本发明目的所采用的技术方案为:
一种基于平行仿真的城市交通运输支持平台方法,包括城市交通运输保障***和平行仿真***;
所述城市交通运输保障***包括交通运输感知模块、交通运输指挥决策模块与交通运输行动控制模块,其中,交通运输感知模块实时获取运输情况,包括获取运输物资在运状态信息、北斗GPS的定位信息;
交通运输指挥决策模块根据接收到的实时运输情况,综合规划运输方式、运输路线、所动用的运输力量和运输沿途的食宿、油料保障安排,跟踪掌握运输周边边境、运输执行动态,并针对运输途中的突发情况,优化调整交通运输保障方案(最初的交通运输保障方案是由指挥员根据原计划拟制,在实际运输过程中,由平行仿真***根据持续运输情况动态构建机动、GPS定位和道路等仿真实体模型。发生突发事件时,平行仿真***实时动态修正实体仿真模型,如运输车辆机动速度、运输车辆机动路线等,优化调整交通运输保障方案);
交通运输行动控制模块动态跟踪、监控交通运输保障方案的状态、当前位置和执行进度情况;
城市交通运输保障***将获取的运输情况以及预先拟制的交通运输保障方案(输送计划表、交通保障、油料保障等)发送至平行仿真***,平行仿真***通过分析预测,对预先拟制的交通运输保障方案的预期效果进行仿真推演和评估,选取出最优方案。
交通运输感知模块实时获取运输情况,包括利用条码、RIFD标签以及视频监控获取运输物资在运状态信息、北斗GPS的定位信息。
平行仿真***是基于平行仿真的交通运输保障支持***的核心,接收交通运输保障***传送的运输情况,根据持续运输情况数据动态构建实体仿真模型,建立与时间t相关的实体仿真模型,并基于该模型预测下一时刻的状态信息。平行仿真***根据动态的运输情况不断修正实体仿真模型,使其逼近真实环境,从而为决策提供依据。
运用平行仿真思想进行运输保障方案的优化调整过程是指采用一系列时间检查点{t0,t1,...tn}将执行任务的全过程划分为各个时间段,其中t0指的是任务开始时刻。***在每个[tk-1,tk]时间内接收运输情况,以构建并完善实体仿真模型。***在每个时间检查点tk∈{t0,t1,...,tn}分析预测交通运输情况,确定分支点或可能的未来。推理评估每个分支的可能性,即在[tk,tk+1]时间内进行仿真,估计t≥tk+1时刻的运输情况及各分支的仿真效果。通过分析比较各分支的仿真结果,得出[tk+1,tk+2]时间段内的最佳分支。优化tk+1时刻开始的最优分支上的交通运输保障方案,调整交通运输的仿真路径和在运物资以及载运工具的仿真状态,开始新一轮的分析预测与仿真。所述平行仿真***执行如下步骤:
步骤1,建立实体仿真模型;实体仿真模型是仿真的基础,平行仿真***中的实体仿真模型不仅复杂、随时间变化,并且可在仿真过程中进行持续修正。
步骤2,对运输情况进行分析预测;
步骤3,对预先拟制的交通运输保障方案进行优化调整;
步骤4,进行超实时仿真推演。
步骤1包括:平行仿真***接收城市交通运输保障***传送的运输情况,根据持续运输情况数据动态构建实体仿真模型,建立与时间t相关的实体仿真模型;所述实体仿真模型包括实体机动模型、GPS定位模型和道路模型。
机动存在于每个交通保障实体的行动,贯穿整个保障过程的始终。影响实体机动效果的主要因素有:机动能力、机动队型、组织指挥等客观因素,以及机动条件、机动道路机动方式、地形、气象等客观因素。实体机动模型包括机动速度计算、到达时间计算、指定时刻实***置计算等。不同机动方式下机动,应考虑路面损坏、降水(雪)、夜暗、坡度、大风、能见度、烟雾、天然障碍、海拔高度等因素的影响。因此,往往先获得机动单位在一定条件下的标准速度或平均速度,再根据环境条件,综合考虑影响机动单位机动速度的因素及其描述参数对其予以修正。
实体机动模型用于计算实体即运输车辆机动速度、到达时间和指定时刻运输车辆位置,运输车辆机动速度Vg计算公式如下:
其中,Vm为标准速度(由装备自身机动能力决定,单位:km/h),εm为最大越野坡度,εp为道路的实际坡度,ed表示地形影响系数(即不同道路通过能力系数),ez表示气象影响系数,ey表示夜暗影响系数,ej表示机动规模影响系数,并且满足0≤ed,ez,ey,ej≤1。
GPS定位模型用于计算卫星与用户的距离,具体步骤包括:在ECEF笛卡尔坐标系中,坐标(xu,yu,zu)表示待测的运输车辆位置,xu,yu,zu分别表示待测的运输车辆经度、纬度和高程,r表示运输车辆与卫星间的偏移矢量,坐标(xs,ys,zs)为卫星的位置,xs,ys,zs分别表示卫星经度、纬度和高程,矢量s由接收机解算卫星星历的数据所得,矢量s表示卫星相对于坐标原点的位置,偏移矢量r由下式计算得到:
r=s-u,
矢量r的增幅为||r||=||s-u||,
令r'为r的增幅,则有r'=||s-u||,
当测出卫星信号从发射时刻起到传播到用户接收机所经历的时间时,即可得到卫星与运输车辆的距离r。
目前应用与交通运输***中的道路模型多为基于路段连接的网络模型,其模型形式可表述为:
Rw=(V,R,LR),
其中,Rw表示道路网路,V为节点集,R为路线集合,<x,y>为有序对;L(x,y)表明由节点x到节点y存在一条有向通路;LR={lxy|<x,y>|∈R},其中,LR为路段长度集合,lxy表示有向路线<x,y>的加权长度。
步骤2基于运输保障任务和实时运输情况,结合领域专家的知识经验对当前运输情况进行解释,通过对当前运输态势的分析,预测未来可能出现的运输事件。步骤2包括:
步骤2-1,提取运输保障元素:如何根据运输保障任务,快速准确提取出对运输趋势有关键影响的运输保障要素,即如何精确高效地提取运输保障要素成为对运输情况准确分析预测的保证。可从全局上对影响运输情况的关键要素进行逐步分析,从获取的实时运输情况中提取出运输保障关键要素,包括运输任务量、运输起点和终点地域、运输对象、运输方式、运输时间、运输限制等;
步骤2-2,分析当前运输情况:根据获取的运输保障关键要素以及运输动态数据从运输资源、交通保障等视角分析交通运输保障方案当前执行情况;
步骤2-3,预测未来运输情况:基于对当前运输情况的理解,预测未来可能出现的情况,即已知t时刻的态势S(t),求解S(t+T),(T>0)。
步骤2-3包括:
假设机动单元即运输车辆的机动路线为一折线,由N个节点组成,第i个节点的坐标为(xi,yi),i=1,2,…,N,(x1,y1)表示机动单元的机动起始坐标,Vgi为机动点(x,y)在机动路线的第i段上的机动速度,机动单元的机动路线由N-1条线段构成;
用Ti表示机动单位到达第i个节点的时间,则到达第i+1个节点的时间Ti+1表示为:
假设机动单位的机动开始时间T1给定,利用该递推公式和给定条件计算出到达每一个节点的时间T2,T3,…,TN以及机动单元到达位于机动路线的第i段上指定位置的时刻T:
或:
式中,(x,y)为指定位置的坐标;
若要计算机动单元在指定时刻所处位置,根据机动单元到达各节点的时刻判定T∈[Ti,Ti+1],根据下式进行计算:
式中,(xt,yt)为指定时刻的机动单元位置的坐标,θi表示机动路线第i段上的机动方向角,方向由第i个节点指向第i+1个节点;
根据当前运输车辆位置、车辆机动速度、道路交通情况预测推算出未来时刻运输车辆位置信息。通过综合分析判断保障实体的固有属性、位置时间的可能变化,以及地形、道路、气象信息,预测实体的未来运输情况。
步骤3包括:由于交通运输的突发性、不确定性等特点,在城市交通运输保障过程中突发事件时有发生,如物资运输途中道路拥堵、车辆油量不足、机动过程中车辆故障等。这就要求指挥员具备实时科学决策能力,在遭遇突发事件时及时快速地进行情况处置,方案调整。
平行仿真***根据持续运输情况数据动态构建机动、GPS定位、道路等仿真实体模型。当物资在运输过程中出现道路拥堵现象,平行仿真***根据动态情况修正道路模型,并基于实体仿真模型进行预测,选择另一条道路继续运输或者原地抢修;当出现运输车辆故障情况时,平行仿真***根据当前运输情况修正实体机动模型,给出应对方案:等待增援车辆或者继续执行任务;
若以运输路径最短为假设分析仿真的最佳路径,则根据保障任务需求、运输环境条件、保障对象和保障成员的位置、状态信息,确定合理的机动道路,确保运输车辆完成保障任务,道路优选模型根据制定的起点和终点以及道路网拓扑信息,计算得到最优化道路。道路优选模型的简化模型就是最短路径问题,即求取由起点到终点路程最短的路径,在此基础上,根据道路实际路况对距离进行加权处理,即可实现道路优选模型。因此道路优选首先应建立最短路选择模型。目前提出此类最短路径的算法大约有十余种,其中公认最具有普适性、最好的方法是由迪杰斯特拉(Dijkstra)提出来的。
Dijkstra算法用于计算一个节点到其它所有节点的最短路径,这里的最短路径可以是两个顶点间的距离,或者途中所用的时间以及所花的费用等。其基本思想是从起始点为中心,逐步向外扩展探寻最短路径。
步骤4包括:超实时仿真推演是平行仿真的关键。仿***要分为两类,分别为实时仿真和非实时仿真。
实时仿真是指计算机仿真时间(***仿真模型)比例尺St等于自然时间(墙钟时间)时间比例尺Nt,即St/Nt=1;若St/Nt≠1,则为非实时仿真,其中非实时仿真由亚实时仿真St/Nt>1和超实时仿真St/Nt<1组成。平行仿真***中实体仿真模型数量众多,查询匹配、人机交互等工作量庞大,需要高性能计算能力支撑。同时,平行仿真***应具备超实时仿真推演能力,保证决策的实施有效性。当***到达检查点时,每个分支点形成一个运输调度模型,以时间最少/路径最短/费用最小等为代价的目标函数进行超实时仿真。在每个时间步长中,推理评估目标函数值,选择目标函数值最小的分支作为下一阶段的最佳路径,将仿真结果反馈至城市交通运输保障***。
本发明旨在构建与交通运输保障***平行运行的仿真***,通过与实际***的互联和信息交互,持续从交通运输保障***获取最新的运输情况,建立实体仿真模型并通过模型的超实时仿真运行,进行运输情况分析、方案优化并反馈至城市交通运输保障***,不断循环生成保障方案,可推演评估方案预期效果,辅助指挥员分析预测与决策评估。
有益效果:本发明与现有技术相比,其显著优点为:将平行仿真思想应用于城市交通运输保障的实体仿真模型并通过模型的超实时仿真运行,推演预测运输情况、优化调整方案并反馈至城市交通运输保障***,不断循环生成保障方案。大幅度缩短了运输调度时间、极大提升了调度准确性,为建立面向决策支持的平行仿真***提供了一种新的思路,具有很好的工程应用价值。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述或其他方面的优点将会变得更加清楚。
图1是基于平行仿真的城市交通运输保障支持***总体架构图。
图2是基于平行仿真的城市交通运输保障决策时序图。
图3是用户位置矢量表示图。
图4是机动单元的机动路线图。
图5是超实时仿真示意图。
图6是运输路径示意图。
图7是运输最短路径示意图。
图8是运输调度后的最短路径示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
本发明提供了一种基于平行仿真的城市交通运输支持***,包括如下步骤:
步骤1、基于平行仿真的交通运输支持***总体架构;
步骤2、城市交通运输保障***;
步骤3、平行仿真***。
所述步骤1中,基于平行仿真的交通运输支持***总体架构内容如下:
基于平行仿真的交通运输支持***旨在构建与交通运输保障***平行运行的仿真***,通过与实际***的互联和信息交互,持续从交通运输保障***获取最新的运输情况,建立实体仿真模型并通过模型的超实时仿真运行,进行运输情况分析、方案优化并反馈至城市交通运输保障***,不断循环生成保障方案,可推演评估方案预期效果,辅助指挥员分析预测与决策评估。
基于平行仿真的交通运输支持***总体架构主要由交通运输保障***和平行仿真***组成,总体架构如图1所示。
所述步骤2中,城市交通运输保障***内容如下:
城市交通运输保障***主要由交通运输感知、交通运输指挥决策与交通运输行动控制等三部分组成。其中交通运输感知实时获取运输情况,包括利用条码、RIFD标签以及视频监控获取的运输物资在运状态信息、北斗/GPS的定位信息等;交通运输指挥决策根据接收到的实时运输情况,综合规划运输方式、运输路线、所动用的运输力量和运输沿途的食宿、油料保障安排等。跟踪掌握运输周边边境、运输执行动态,并针对运输途中的突发情况,优化调整运输保障方案;交通运输行动控制动态跟踪、监控运输保障方案的状态、当前位置和执行进度情况。
交通运输保障***将获取最新的运输情况以及预先拟制的交通运输保障方案(输送计划表、交通保障、油料保障等)发送至平行仿真***,通过分析预测,对方案的预期效果进行仿真推演和评估选取最优方案。
所述步骤3中,平行仿真***是基于平行仿真的交通运输保障支持***的核心,接收交通运输保障***传送的运输情况,根据持续运输情况数据动态构建实体仿真模型,建立与时间t相关的实体仿真模型,并基于该模型预测下一时刻的状态信息。平行仿真***根据动态的运输情况不断修正实体仿真模型,使其逼近真实环境,从而为决策提供依据。
运用平行仿真思想进行运输保障方案的优化调整过程是指采用一系列时间检查点{t0,t1,...tn}将执行任务的全过程划分为各个时间段,其中t0指的是任务开始时刻。***在每个[tk-1,tk]时间内接收运输情况,以构建并完善实体仿真模型。***在每个时间检查点tk∈{t0,t1,...,tn}分析预测交通运输情况,确定分支点或可能的未来。推理评估每个分支的可能性,即在[tk,tk+1]时间内进行仿真,估计t≥tk+1时刻的运输情况及各分支的仿真效果。通过分析比较各分支的仿真结果,得出[tk+1,tk+2]时间段内的最佳分支。优化tk+1时刻开始的最优分支上的运输保障方案,调整交通运输的仿真路径和在运物资以及载运工具的仿真状态,开始新一轮的分析预测与仿真。基于平行仿真的城市交通运输保障决策时序图如图2所示。平行仿真***具体包括以下4个部分:
步骤4-1、实体仿真模型
实体仿真模型是仿真的基础,平行仿真***中的实体仿真模型不仅复杂、随时间变化,并且可在仿真过程中进行持续修正。在平行仿真***中,实体仿真模型主要包括实体机动模型、GPS定位模型、道路模型等。通过比较分析相同时段内的运输情况和仿真模型信息,校准演化实体仿真模型参数或相关规则,实时动态修正实体仿真模型。
a)实体机动模型
机动存在于每个交通保障实体的行动,贯穿整个保障过程的始终。影响实体机动效果的主要因素有:机动能力、机动队型、组织指挥等客观因素,以及机动条件、机动道路机动方式、地形、气象等客观因素。实体机动模型包括机动速度计算、到达时间计算、指定时刻实***置计算等。不同机动方式下机动,应考虑路面损坏、降水(雪)、夜暗、坡度、大风、能见度、烟雾、天然障碍、海拔高度等因素的影响。因此,往往先获得机动单位在一定条件下的标准速度或平均速度,再根据环境条件,综合考虑影响机动单位机动速度的因素及其描述参数对其予以修正。实体机动速度Vg计算公式如下:
其中,Vm为标准速度(由装备自身机动能力决定,单位:km/h),εm为最大越野坡度,εp为该道路的实际坡度,ed表示地形影响系数(即不同道路通过能力系数),ez表示气象影响系数,ey表示夜暗影响系数,ej表示机动规模影响系数,并且满足0≤ed,ez,ey,ej≤1。
b)GPS定位模型
在ECEF笛卡尔坐标系中,坐标(xu,yu,zu)表示待测的用户位置,r表示用户与卫星间的偏移矢量,坐标(xs,ys,zs)为卫星的位置,矢量s由接收机解算卫星星历的数据所得,表示卫星相对于坐标原点的位置。如图3所示,偏移矢量r可由下式计算得到:
r=s-u
矢量r的增幅为||r||=||s-u||
令r'为r的增幅,则有r'=||s-u||
由上述可知,只要测出卫星信号从发射时刻起到传播到用户接收机所经历的时间可推算出卫星与用户的距离r。
c)道路模型
目前应用与交通运输***中的道路模型多为基于路段连接的网络模型,其模型形式可表述为:
Rw=(V,R,LR),
其中,Rw表示道路网路,V为节点集,R为路线集合,<x,y>为有序对;L(x,y)表明由节点x到节点y存在一条有向通路;LR={lxy|<x,y>|∈R},其中,LR为路段长度集合,lxy表示有向路线<x,y>的加权长度。
步骤3-2、运输情况分析预测
基于运输保障任务和实时运输情况,结合领域专家的知识经验对当前运输情况进行解释,通过对当前运输态势的分析,预测未来可能出现的运输事件。运输情况分析预测主要由运输保障元素提取、当前运输情况分析、未来运输情况预测等组成。
如何根据运输保障任务,快速准确提取出对运输趋势有关键影响的运输保障要素,即如何精确高效地提取运输保障要素成为对运输情况准确分析预测的保证。可从全局上对影响运输情况的关键要素进行逐步分析,对获取的运输保障数据进行预处理,清理无用信息,归类组织有用数据,从而获取运输保障元素。
当前运输情况分析根据抽取出的运输保障元素以及运输动态数据从多视角描述分析整个运输环境,包括实体属性以及保障行动计划等。
未来运输情况预测指基于对当前运输情况的理解,预测未来可能出现的情况,即已知t时刻的态势S(t),求解S(t+T)(T>0),如可根据实体机动模型以及当前的战场态势计算到达节点时刻以及指定时刻的机动单元坐标等。
假设机动单元的机动路线为一折线,由N个节点组成,坐标为(xi,yi),i=1,2,…,N。其中,(x1,y1)指的是机动单元的机动起始坐标,Vmi为机动点(x,y)在机动路线第i段上的机动速度,机动单元的机动路线由N-1条线段构成,如图4所示。
若用Ti为机动单位到达第i个节点的时间,则到达第i+1个节点的时间表示为:
假设机动单位的机动开始时间T1给定,可利用上述递推公式和给定条件计算出到达每一个节点的时间T2,T3,…,TN以及机动单元到达位于机动路线的第i段上指定位置的时刻T。
或
式中,(x,y)为指定位置的坐标,Ti、Ti+1表示到达第i个节点和第i+1个节点的时刻。
若要计算机动单元在指定时刻所处位置,首先根据机动单元到达各节点的时刻判定T∈[Ti,Ti+1],其次根据下式进行计算:
式中,(xt,yt)为指定时刻的机动单元位置的坐标,(xi,yi)为第i个节点坐标,Ti表示到达第i个节点时刻;θi表示机动路线第i段上的机动方向角,方向由第i个节点指向第i+1个节点。
可通过综合分析判断保障实体的固有属性、位置时间的可能变化,以及地形、道路、气象等信息,预测实体的未来运输情况。
步骤3-3、方案优化调整
由于交通运输的突发性、不确定性等特点,在城市交通运输保障过程中突发事件时有发生,如物资运输途中道路拥堵、车辆油量不足、机动过程中车辆故障等。这就要求指挥员具备实时科学决策能力,在遭遇突发事件时及时快速地进行情况处置,方案调整。
平行仿真***根据持续运输情况数据动态构建机动、GPS定位、道路等仿真实体模型。当物资在运输过程中出现道路拥堵现象,平行仿真***根据动态情况修正道路模型,并基于上述模型进行预测,实时解算应对方案,如选择另一条道路继续运输或者原地抢修;当车辆出现运输车辆故障情况时,平行仿真***根据当前运输情况修正运输车辆模型,给出应对方案:等待增援车辆或者继续执行任务。
若以运输路径最短为假设分析仿真的最佳路径,则可根据保障任务需求、运输环境条件、保障对象和保障成员的位置、状态等信息,确定合理的机动道路,确保保障单元完成保障任务。道路优选模型根据制定的起点和终点以及道路网拓扑信息,计算得到最优化道路。道路优选模型的简化模型就是最短路径问题,即求取由起点到终点路程最短的路径,在此基础上,根据道路实际路况对距离进行加权处理,即可实现道路优选模型。因此道路优选首先应建立最短路选择模型。目前提出此类最短路径的算法大约有十余种,其中公认最具有普适性、最好的方法是由迪杰斯特拉(Dijkstra)提出来的。
Dijkstra算法用于计算一个节点到其它所有节点的最短路径,这里的最短路径可以是两个顶点间的距离,或者途中所用的时间以及所花的费用等。其基本思想是从起始点为中心,逐步向外扩展探寻最短路径。
步骤3-4、超实时仿真推演
超实时仿真推演是平行仿真的关键。仿***要分为两类,分别为实时仿真和非实时仿真。实时仿真是指计算机仿真时间(***仿真模型)比例尺St等于自然时间(墙钟时间)时间比例尺Nt,即St/Nt=1;若St/Nt≠1,则为非实时仿真。其中非实时仿真由亚实时仿真St/Nt>1和超实时仿真St/Nt<1组成,超实时仿真示意图如图5所示。
平行仿真***中实体仿真模型数量众多,查询匹配、人机交互等工作量庞大,需要高性能计算能力支撑。同时,平行仿真***应具备超实时仿真推演能力,保证决策的实施有效性。当***到达检查点时,每个分支点形成一个运输调度模型,以时间最少/路径最短/费用最小等为代价的目标函数进行超实时仿真。在每个时间步长中,推理评估目标函数值,选择目标函数值最小的分支作为下一阶段的最佳路径,将仿真结果反馈至交通运输保障***。
实施例
根据本发明的较佳实施例,一种基于平行仿真的城市交通运输支持***设计与实现方法,包括以下3个部分,下面结合图1~图8所示,详细说明本实施例的实现过程。
以城市交通运输保障为背景,运用平行仿真思想,构建基于平行仿真的城市交通运输保障支持***,平台主要由城市交通运输保障***和平行仿真***两部分组成。平行仿真***从城市交通运输保障***实时获取运输情况信息,建立完善实体仿真模型,包括车辆、GPS、道路等。通过模型的超实时仿真运行,结合地形、气象等信息,预测下一时刻的车辆位置信息以及物资运输途中道路拥堵、车辆油量不足等情况,根据时间最少、路径最短、费用最小原则分析运输最佳路径,并实时反馈至城市交通运输保障***,辅助优化调整运输保障方案。
以分析运输最佳路径为例,若没有平行仿真***,一般首先根据GPS定位模型获取城市交通运输保障***中当前运输车辆位置,结合车辆属性、机动速度以及道路实时情况解算车辆到达终点时刻以及指定时刻车辆所处位置等,根据路径最短原则求解运输最短路径。假设vs=1,Wij为节点i到j路径的权,其中节点i和j分别表示途中节点1~9的任意两点,求得节点1到节点9的最短路径,如图6所示。
由于Wij≥0,故有d(v1,v1)=0。这时,v1是具P标号的点。若从v1出发沿(v1,v2)到达v2,需要d(v1,v1)+w12=3单位的路程;若从v1出发沿(v1,v3)到达v3,需要d(v1,v1)+w13=1单位的路程。因为min{d(v1,v1)+w12,d(v1,v1)+w13,d(v1,v1)+w14}=d(v1,v1)+w13=1,则从v1到v3所需要的最小路程必定是1单位,即从v1到v3的最短路是(v1,v3),d(v1,v3)=1。这是因为从v1到v3的任一条路P,如果不是(v1,v3),则必是先从v1沿(v1,v2)到达v2,再沿(v2,v3)到达v3。但如上所说,这时他已需要7单位路程,故而推知d(v1,v3)=1,这样就可以使v3变成具P标号的点。观察从v1、v3指向其它节点的弧可知,从v1出发,沿(v1,v2)到达v2的费用为3,而从v3出发沿(v3,v5)到达v5所需的费用是d(v1,v3)+w35=1+1=2单位。因min{d(v1,v1)+w12,d(v1,v3)+w35}=d(v1,v3)+w35=2,则从v1到v5的最短路是(v1,v3)和(v3,v5),d(v1,v5)=2,点v5成为具P标号的点。重复上述步骤,求得最短路径为1-3-4-7-9,路径总长度为4,如图7所示。
利用平行仿真方法,结合当前运输情况和地形、道路、气象等信息,可以预测城市交通运输保障途中道路拥堵,如图7中,通过平行仿真***根据目前道路状况进行推演,预测道路3-4段将出现拥堵现象,建议指挥员提前采用绕道的方法,选取另一条道路继续运输。由于道路3-4属于最短路径中的一段,则上述问题转化为对除去道路3-4外,节点1到节点9的最短路径的求解。根据Dijkstra方法的思想,求得最短路径为1-3-5-8-9,路径总长度为5,如图8所示。
以调整后的道路1-3-5-8-9为目标函数进行超实时仿真,发现此道路路径最短。平行仿真***将运输情况分析预测和仿真推演结果(保障方案道路信息)实时反馈城市交通运输保障***,为选取最优方案提供依据。
通过以上对比分析可见,当前的城市交通运输保障***只能获取当前交通运输状态,而无法分析预测未来交通运输情况,提前进行规避。当道路3-4段处于拥堵状态时,指挥员只能花费大量时间和精力检查分析拥堵原因,根据经验临时进行车辆运输调度,导致调度不及时、准确性下降,更有甚者车辆可能无法掉头导致计划无法顺利进行。
本发明提供了一种基于平行仿真的城市交通运输支持***,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种基于平行仿真的城市交通运输支持***,其特征在于,包括城市交通运输保障***和平行仿真***;
所述城市交通运输保障***包括交通运输感知模块、交通运输指挥决策模块与交通运输行动控制模块,其中,交通运输感知模块实时获取运输情况,包括获取运输物资在运状态信息、北斗GPS的定位信息;
交通运输指挥决策模块根据接收到的实时运输情况,优化调整交通运输保障方案;
交通运输行动控制模块动态跟踪、监控交通运输保障方案的状态、当前位置和执行进度情况;
城市交通运输保障***将获取的运输情况以及预先拟制的交通运输保障方案发送至平行仿真***,平行仿真***通过分析预测,对预先拟制的交通运输保障方案的预期效果进行仿真推演和评估,选取出最优方案。
2.根据权利要求1所述的一种基于平行仿真的城市交通运输支持***,其特征在于,所述平行仿真***执行如下步骤:
步骤1,建立实体仿真模型;
步骤2,对运输情况进行分析预测;
步骤3,对预先拟制的交通运输保障方案进行优化调整;
步骤4,进行超实时仿真推演。
3.根据权利要求2所述的一种基于平行仿真的城市交通运输支持***,其特征在于,步骤1包括:平行仿真***接收城市交通运输保障***传送的运输情况,根据持续运输情况数据动态构建实体仿真模型,建立与时间t相关的实体仿真模型;所述实体仿真模型包括实体机动模型、GPS定位模型和道路模型。
4.根据权利要求3所述的一种基于平行仿真的城市交通运输支持***,其特征在于,所述实体机动模型用于计算实体即运输车辆机动速度、到达时间和指定时刻运输车辆所在位置,运输车辆机动速度Vg计算公式如下:
<mrow>
<msub>
<mi>V</mi>
<mi>g</mi>
</msub>
<mo>=</mo>
<msub>
<mi>V</mi>
<mi>m</mi>
</msub>
<mo>&CenterDot;</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mfrac>
<mrow>
<msub>
<mi>&epsiv;</mi>
<mi>m</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&epsiv;</mi>
<mi>p</mi>
</msub>
</mrow>
<msub>
<mi>&epsiv;</mi>
<mi>m</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>e</mi>
<mi>d</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>e</mi>
<mi>z</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>e</mi>
<mi>y</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>e</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
</mrow>
其中,Vm为标准速度,εm为最大越野坡度,εp为道路的实际坡度,ed表示地形影响系数,ez表示气象影响系数,ey表示夜暗影响系数,ej表示机动规模影响系数,并且满足0≤ed,ez,ey,ej≤1。
5.根据权利要求4所述的一种基于平行仿真的城市交通运输支持***,其特征在于,GPS定位模型用于计算卫星与运输车辆的距离,具体步骤包括:在ECEF笛卡尔坐标系中,坐标(xu,yu,zu)表示待测的运输车辆位置,xu,yu,zu分别表示待测的运输车辆经度、纬度和高程,r表示运输车辆与卫星间的偏移矢量,坐标(xs,ys,zs)为卫星的位置,xs,ys,zs分别表示卫星经度、纬度和高程,矢量s由接收机解算卫星星历的数据所得,矢量s表示卫星相对于坐标原点的位置,偏移矢量r由下式计算得到:
r=s-u,
矢量r的增幅为||r||=||s-u||,
令r'为r的增幅,则有r'=||s-u||,
当测出卫星信号从发射时刻起到传播到用户接收机所经历的时间时,即可得到卫星与运输车辆的距离r。
6.根据权利要求5所述的一种基于平行仿真的城市交通运输支持***,其特征在于,所述道路模型为基于路段连接的网络模型,其模型形式表述为:
Rw=(V,R,LR),
其中,Rw表示道路网路,V为节点集,R为路线集合,<x,y>为有序对;L(x,y)表明由节点x到节点y存在一条有向通路;
LR={lxy|<x,y>|∈R},其中,LR为路段长度集合,lxy表示有向路线<x,y>的加权长度。
7.根据权利要求6所述的一种基于平行仿真的城市交通运输支持***,其特征在于,步骤2包括:
步骤2-1,提取运输保障关键要素:从获取的实时运输情况中提取出运输保障关键要素;
步骤2-2,分析当前运输情况:根据获取的运输保障关键要素分析交通运输保障方案当前执行情况;
步骤2-3,预测未来运输情况:基于对当前运输情况的理解,预测未来可能出现的情况,即已知t时刻的态势S(t),求解S(t+T),(T>0)。
8.根据权利要求7所述的一种基于平行仿真的城市交通运输支持***,其特征在于,步骤2-3包括:
假设机动单元即运输车辆的机动路线为一折线,由N个节点组成,第i个节点的坐标为(xi,yi),i=1,2,…,N,(x1,y1)表示机动单元的机动起始坐标,Vgi为机动点(x,y)在机动路线的第i段上的机动速度,机动单元的机动路线由N-1条线段构成;
用Ti表示机动单位到达第i个节点的时间,则到达第i+1个节点的时间Ti+1表示为:
<mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mfrac>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msub>
<mi>V</mi>
<mrow>
<mi>g</mi>
<mi>i</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
</mrow>
假设机动单位的机动开始时间T1给定,利用该递推公式和给定条件计算出到达每一个节点的时间T2,T3,…,TN以及机动单元到达位于机动路线的第i段上指定位置的时刻T:
<mrow>
<mi>T</mi>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<mi>x</mi>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
或:
<mrow>
<mi>T</mi>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<mi>y</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
式中,(x,y)为指定位置的坐标;
若要计算机动单元在指定时刻所处位置,根据机动单元到达各节点的时刻判定T∈[Ti,Ti+1],根据下式进行计算:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>g</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>&times;</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>g</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>&times;</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
,
式中,(xt,yt)为指定时刻的机动单元位置的坐标,θi表示机动路线第i段上的机动方向角,方向由第i个节点指向第i+1个节点;
根据当前运输车辆位置、车辆机动速度、道路交通情况预测推算出未来时刻运输车辆位置信息。
9.根据权利要求8所述的一种基于平行仿真的城市交通运输支持***,其特征在于,步骤3包括:
当物资在运输过程中出现道路拥堵现象,平行仿真***根据动态情况修正道路模型,并基于实体仿真模型进行预测,选择另一条道路继续运输或者原地抢修;当出现运输车辆故障情况时,平行仿真***根据当前运输情况修正实体机动模型,给出应对方案:等待增援车辆或者继续执行任务;
若以运输路径最短为假设分析仿真的最佳路径,则根据保障任务需求、运输环境条件、保障对象和保障成员的位置、状态信息,确定合理的机动道路,确保运输车辆完成保障任务,道路优选模型根据制定的起点和终点以及道路网拓扑信息,计算得到最优化道路。
10.根据权利要求9所述的一种基于平行仿真的城市交通运输支持***,其特征在于,步骤4包括:
实时仿真是指计算机仿真时间比例尺St等于自然时间时间比例尺Nt,即St/Nt=1;若St/Nt≠1,则为非实时仿真,其中非实时仿真由亚实时仿真St/Nt>1和超实时仿真St/Nt<1组成,以时间最少、路径最短、费用最小为代价的目标函数进行超实时仿真,将仿真结果反馈至城市交通运输保障***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710557343.1A CN107464012A (zh) | 2017-07-10 | 2017-07-10 | 一种基于平行仿真的城市交通运输支持*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710557343.1A CN107464012A (zh) | 2017-07-10 | 2017-07-10 | 一种基于平行仿真的城市交通运输支持*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107464012A true CN107464012A (zh) | 2017-12-12 |
Family
ID=60546109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710557343.1A Pending CN107464012A (zh) | 2017-07-10 | 2017-07-10 | 一种基于平行仿真的城市交通运输支持*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107464012A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133318A (zh) * | 2017-12-20 | 2018-06-08 | 中国电子科技集团公司信息科学研究院 | 一种智慧城市数据模型框架 |
CN109635310A (zh) * | 2018-10-18 | 2019-04-16 | 中国电子科技集团公司电子科学研究院 | 一种基于动态数据交互的海洋电子信息管控方法及*** |
CN110057393A (zh) * | 2018-01-19 | 2019-07-26 | 佛山市湘訾科技服务有限公司 | 一种智能交通管控平台的检测方法 |
CN110288160A (zh) * | 2019-06-27 | 2019-09-27 | 北京华如科技股份有限公司 | 一种基于平行仿真的态势动态预测方法 |
CN111881548A (zh) * | 2020-06-16 | 2020-11-03 | 广东工业大学 | 一种智能交通的计算机仿真方法 |
CN114493022A (zh) * | 2022-01-30 | 2022-05-13 | 重庆交通职业学院 | 一种基于平行仿真的城市交通运输支持*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1053696A (zh) * | 1991-02-12 | 1991-08-07 | 天津大学***工程研究所 | 自学习智能式城市交通流协调控制方法 |
CN103065208A (zh) * | 2013-01-30 | 2013-04-24 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种虚实互动的交通疏散控制方案的优化方法及其*** |
CN106814636A (zh) * | 2015-12-02 | 2017-06-09 | 许亚夫 | 一种严寒地区高速铁路防灾***模拟检测装置 |
-
2017
- 2017-07-10 CN CN201710557343.1A patent/CN107464012A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1053696A (zh) * | 1991-02-12 | 1991-08-07 | 天津大学***工程研究所 | 自学习智能式城市交通流协调控制方法 |
CN103065208A (zh) * | 2013-01-30 | 2013-04-24 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种虚实互动的交通疏散控制方案的优化方法及其*** |
CN106814636A (zh) * | 2015-12-02 | 2017-06-09 | 许亚夫 | 一种严寒地区高速铁路防灾***模拟检测装置 |
Non-Patent Citations (1)
Title |
---|
方冰等: "基于平行仿真的城市交通运输决策支持平台", 《指挥信息***与技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133318A (zh) * | 2017-12-20 | 2018-06-08 | 中国电子科技集团公司信息科学研究院 | 一种智慧城市数据模型框架 |
CN110057393A (zh) * | 2018-01-19 | 2019-07-26 | 佛山市湘訾科技服务有限公司 | 一种智能交通管控平台的检测方法 |
CN109635310A (zh) * | 2018-10-18 | 2019-04-16 | 中国电子科技集团公司电子科学研究院 | 一种基于动态数据交互的海洋电子信息管控方法及*** |
CN110288160A (zh) * | 2019-06-27 | 2019-09-27 | 北京华如科技股份有限公司 | 一种基于平行仿真的态势动态预测方法 |
CN111881548A (zh) * | 2020-06-16 | 2020-11-03 | 广东工业大学 | 一种智能交通的计算机仿真方法 |
CN114493022A (zh) * | 2022-01-30 | 2022-05-13 | 重庆交通职业学院 | 一种基于平行仿真的城市交通运输支持*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107464012A (zh) | 一种基于平行仿真的城市交通运输支持*** | |
CN107462243B (zh) | 一种基于高精度地图的云控自动驾驶任务生成方法 | |
CN106767860B (zh) | 一种基于启发式搜索算法来缩短智能汽车路径规划搜索时间的方法 | |
CN100578152C (zh) | 用于处理大规模浮动车数据的启发式路径匹配方法 | |
CN101477169B (zh) | 巡检飞行机器人对电力线路的检测方法 | |
Lacaze et al. | Path planning for autonomous vehicles driving over rough terrain | |
CN104575075B (zh) | 一种基于北斗的城市路网车辆坐标校正方法及装置 | |
CN110285822A (zh) | 无人机建图算法与无人车导航算法的融合应用***及方法 | |
CN105466440A (zh) | 利用天气预报信息优化路径的导航装置、***及方法 | |
CN105957342A (zh) | 基于众包时空大数据的车道级道路测图方法及*** | |
CN106203697A (zh) | 一种无人机数据收集过程中的路径规划方法 | |
CN109283937A (zh) | 一种基于无人机的植保喷施作业的方法及*** | |
CN105045274A (zh) | 一种用于无人机巡检航迹规划的智能杆塔连通图构建方法 | |
CN107764270A (zh) | 一种激光扫描式室内地图生成和更新装置及方法 | |
CN107908899B (zh) | 一种用于风电场建设施工道路的选线***及选线方法 | |
CN109359350A (zh) | 一种优化精细施工成本的风电场道路智能设计方法 | |
CN113867334A (zh) | 一种移动机械无人驾驶的路径规划方法和*** | |
CN116518960B (zh) | 路网更新方法、装置、电子设备和存储介质 | |
CN104655135A (zh) | 一种基于地标识别的飞行器视觉导航方法 | |
CN104575085A (zh) | 一种基于浮动车的公交车到站动态诱导方法及装置 | |
CN112163701A (zh) | 一种车站枢纽换乘管理方法及装置 | |
CN115511213A (zh) | 一种运输水电设备的路径优化方法、装置、媒体及*** | |
Dey et al. | Gauss meets Canadian traveler: shortest-path problems with correlated natural dynamics | |
Rekleitis et al. | Autonomous planetary exploration using LIDAR data | |
CN109597104A (zh) | 一种采用多模型多***对目标跟踪定位的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171212 |