【摘 要】
:
To cater for the scenario of coordinated transportation of multiple trucks on the highway,a platoon system for autonomous driving has been extensively explored in the industry.Before such a platoon is deployed,it is necessary to ensure the safety of its d
【机 构】
:
National Trusted Embedded Software Engineering Technology Research Center,East China Normal Universi
论文部分内容阅读
To cater for the scenario of coordinated transportation of multiple trucks on the highway,a platoon system for autonomous driving has been extensively explored in the industry.Before such a platoon is deployed,it is necessary to ensure the safety of its driving behavior,whereby each vehicle\'s behavior is commanded by the decision-making function whose decision is based on the observed driving scenario.However,there is currently a lack of verification methods to ensure the reliability of the scenario-based decision-making process in the platoon system.In this paper,we focus on the platoon driving scenario,whereby the platoon is composed of intelligent heavy trucks driving on cross-sea highways.We propose a formal modeling and verification approach to provide safety assurance for platoon vehicles\'cooperative driving behaviors.The existing Multi-Lane Spatial Logic(MLSL) with a dedicated abstract model can express driving scene spatial properties and prove the safety of multi-lane traffic maneuvers under the single-vehicle perspective.To cater for the platoon system\'s multi-vehicle perspective,we modify the existing abstract model and propose a Multi-Agent Spatial Logic(MASL) that extends MLSL by relative orientation and multi-agent observation.We then utilize a timed automata type supporting MASL formulas to model vehicles\'decision controllers for platoon driving.Taking the behavior of a human-driven vehicle(HDV) joining the platoon as a case study,we have implemented the model and verified safety properties on the UPPAAL tool to illustrate the viability of our framework.
其他文献
为了降低数据稀疏性对推荐算法效率产生的影响,提出一种基于子空间聚类的协同过滤推荐算法(SCUCF).该算法创建感兴趣、不感兴趣以及既不感兴趣也不不感兴趣三种类型被评价项目的不同子空间.利用项目子空间为目标用户绘制邻居用户树,以此来寻找目标用户的邻居.利用改进的用户相似性计算方法来确定推荐用户.通过MovieLens 100K、MovieLens 1M数据集对算法进行了验证,实验结果表明,该算法能够使推荐算法的推荐性能得到提升.并且,在与其他同类改进算法相比,该算法也表现出一定的优越性.
当前大部分WordNet词语相似度计算方法由于未充分考虑词语的语义信息和位置关系,导致相似度的准确率降低.为解决上述问题,提出了一种使用词向量模型Word2Vec计算WordNet词语相似度的新方法.在构建WordNet数据集时提出一种新形式,不再使用传统的文本语料库,同时提出信息位置排列方法对数据集加以处理.利用Word2Vec模型训练WordNet数据集后得到向量表示.在公开的R&G-65、M&C-30和MED38词语相似度测评集上完成了词语相似度计算任务,从多个角度进行了Pearson相关系数对比实
针对期望以最小机器数完成生产的柔性作业车间调度问题,建立了最小化最大完工时间为内层目标,最小机器数为外层目标的双层优化模型,即在满足交货期、最小化最大完工时间的条件下,尝试减少机器数量,以寻求车间调度的最少机器数.依据模型、算法特点,设计了一种基于大变异策略的遗传算法,该算法采用二维染色体编码、顺序选择策略,同时运用优先操作交叉算子和大变异策略的方法,来保证种群的多样性.经过实例验证分析,模型成立,并优于指定机器数的调度模型,能够为企业节省人力、加工成本,提高机器利用率.与其他五种算法比较可知,算法有效,
随着经济全球化的推进,供应链由传统的单链形式逐渐演变成供应链网络.这类复杂供应链网络由不同类型的企业构成,为了适应外部环境的变化,企业与企业之间以供需为目的形成的合作关系随着时间不断改变.致力于动态供应链网络中企业合作关系的预测,提出一种基于投影和时间事件的链路预测模型,将动态供应链网络划分为由若干个时间片组成的网络快照,通过对网络快照进行投影分析,形成潜在合作链路集合,基于时间事件计算集合里每个元素的链路预测得分,比较得分确定预测结果.实验分析结果表明,相对传统链路预测算法,所提算法在动态供应链网络中预
针对负荷侧用户用电电费、新能源消纳率和用电峰谷差等问题,提出了一种改进的自适应基于分解的多目标进化算法,进行楼宇微电网签约住户可控负荷优化调度;通过分析负荷的用电特性,将用电负荷分为五类并分类建立数学模型、优化目标函数和约束条件;将广义分解与均匀分配相结合产生新的自适应权重向量使算法非支配解更接近真实帕累托前沿;采用历史经验的思想通过计数SBX和DE两种交叉算子对外部存档的贡献率,运用轮盘赌的方式实现自适应选择策略;通过特性约束条件映射对产生的子代点进行修正,间接地扩大了算法搜索空间,提高了种群多样性.通
新工科教育的改革推进了自适应学习的发展,以往的自适应方式对学习者的主观能动性的重视不足,且大部分已有研究无法提供个性化程度较高的交互体验.针对这些问题,该研究基于学习风格模型提出了一种自适应式虚拟现实交互的新方法.该方法设计了适用于虚拟交互环境的学习风格判断方式,通过分析学习者的主客观数据来判断其学习风格,由此对交互环境进行持续的自适应调整,从而有的放矢地对学习者实施差异化教学,达到“因材施教”的目的.为了验证该方法的可行性,该研究构建了一套面向工科教育的虚拟现实交互系统,并开展了对照实验.实验结果显示,
针对现有多属性群体决策方法较少考虑社会网络和决策者有限理性因素的影响,考虑到社会网络中的信任关系,提出了基于信任关系的TODIM(TOmada de decis?o interativa multicritério)群体多属性决策方法.根据决策专家之间的信任关系,计算出信任网络中的领导者、信任关系矩阵以及评价矩阵等.专家根据自身的自信程度来参考领导者的评价矩阵,调整备选方案的优势度.运用TODIM方法计算各方案最终的排序结果,并与未考虑信任关系时得出的排序结果进行比较,并对自信程度进行灵敏度分析.算例结果
雷达图像目标检测是国家海洋军事和经济发展的重点研究领域.与被动成像的光学雷达相比,合成孔径雷达(synthetic aperture radar,SAR)由于其高分辨率、全天候、全天时、主动式等特点,成为20世纪以来多国雷达研究的重要组成部分.图像目标检测是雷达图像解译的基础.提出一种复杂场景下深度表示的SAR船舶目标检测算法,针对SAR图像目标检测模型无法专注困难样本以及解决FPN多尺度金字塔融合的问题,提出将Libra R-CNN网络与NAS-FPN特征提取网络相结合.其中Libra R-CNN网络在
由于轴承故障数据存在数据量少和分布不均衡的问题,将迁移学习引入故障诊断领域,同时由于轴承故障数据的分布与源数据集分布差异巨大,直接采用迁移学习的方法会产生负迁移效应,即由于源数据集与目标数据集间分布差异过大而导致无法学习到源数据集的知识,提出一种对迁移学习进行改进的诊断新方法:即两步迁移学习法,使用DCGAN来制作辅助数据集,在辅助数据集上进行迁移学习,再将网络放在目标数据集上再次进行迁移学习训练,根据与普通迁移学习和不使用迁移学习的对比实验,新方法相较于目前已有的方法具有更快的速度与更高的准确率.
针对机械故障、天气状况等随机因素在运输过程中易对各种运输方式造成影响,研究更具有实际意义的带软时间窗的多式联运4PL路径问题.在软时间窗约束下,以总运输费用最小为目标,建立带有软时间窗的多式联运4PL路径优化模型.设计基于天牛须搜索思想和莱维飞行机制的乌鸦搜索算法对模型进行求解,采用田口方法确定算法最优参数组合,与其他算法进行对比分析,实验结果表明改进算法具有更好的求解效果和稳定性.通过数据分析,采用多式联运的运输组织形式,相比单一3PL服务商的单一运输方式,能够有效降低总运输费用;对于客户不同的软时间窗