一种基于道路拓扑结构的车辆信息无线采集方法

    公开(公告)号:CN105160879A

    公开(公告)日:2015-12-16

    申请号:CN201510552467.1

    申请日:2015-09-01

    Applicant: 同济大学

    Inventor: 王成 张军旗 邵禄

    Abstract: 一种基于道路拓扑结构的车辆信息无线采集方法,在该方法中,将路网分为路段和连接点以及由路段和连接点组成的连接区域。以道路拓扑为基础,本方法为行驶在道路上的车辆划分临时所属区域。对于在同一时段属于同一区域的具有无线通信能力的车辆,本方法在其中选择发起者(sponsor)和追随者(follower)。发起者为区域车辆中最优位置的车辆,是该区域内车辆数据的收集节点,而追随者作为数据的发送节点。以发起者和追随者为信息提供的主体,本方法以高效率完成无线自组织车辆网络的数据收集。

    基于代理的网格资源监控系统及监控方法

    公开(公告)号:CN102761570A

    公开(公告)日:2012-10-31

    申请号:CN201110108399.1

    申请日:2011-04-28

    Applicant: 同济大学

    Abstract: 本发明提供的一种基于代理的网格资源监控系统及方法,首先由各传感器采集各自的节点端的主机的系统资源信息,并基于预定的协议将所采集的系统资源信息包装后发送至所述的传感器管理器;随后,各域代理层的传感器管理器接收各自所辖区域的传感器所发送至的系统资源信息后,基于元数据标准对系统资源信息进行元信息提取并分类予以保存,同时向信息中心服务器发送各自域内的状态信息,最后,信息中心服务器收集各个域内的信息,并写入到中央数据库中,由此构造了一个基于代理的多层次的监控环境,实现了在“虚拟超市”环境中对各资源节点进行状态信息采集、汇总、整理、存储以及显示的功能。

    一种适用于空地协同系统的装箱式区域划分方法

    公开(公告)号:CN118569760A

    公开(公告)日:2024-08-30

    申请号:CN202410611791.5

    申请日:2024-05-16

    Applicant: 同济大学

    Abstract: 本发明提出了一种适用于空地协同系统的装箱式区域划分方法,包括装箱初始化和装箱操作两个主要步骤:装箱初始化的目的是通过选择第一个装入箱子的目标点来确定箱子的位置。选择距离所有已装箱点质心最近的目标点装入新的箱子。首个箱子的第一个装箱点选择距离所有目标点质心最远的点。在装箱初始化后,装箱操作将为新生成的箱子装入其他目标点。一个箱子的第一个装箱点被设置为无人车停留的起点。生成的箱子优先打包距离起点最近的目标点,从而装入尽可能多的目标点。装箱初始化和装箱操作交替迭代,直至所有的目标点均完成装箱。本发明相比于传统方法利用聚类划分目标区域减少了额外的充电时间和运输时间,提高了空地协同系统的任务执行效率。

    局部通信下基于动态组网的区域覆盖路径规划方法

    公开(公告)号:CN117707137A

    公开(公告)日:2024-03-15

    申请号:CN202311502769.9

    申请日:2023-11-13

    Applicant: 同济大学

    Abstract: 局部通信下基于动态组网的区域覆盖路径规划方法,包括步骤:初始化N个机器人的位置,相互间可以通信,同时在覆盖区域外设置一虚拟位置;在每次迭代周期中,所有机器人会同步完成向各自的下一个目标邻居点移动;判断是否所有机器人都已移动,若是,则重置所有机器人的移动状态,本次迭代周期结束;否则,判断是否存在陷入“死锁”的机器人,若存在,则进行“死锁”解除,当所有陷入“死锁”的机器人均完成向目标邻居点移动后,本次迭代周期结束。重复上述机器人移动迭代周期,直至迭代次数达到预设值或所有环境区域均已覆盖。该方法可以在通信受限的无障碍物环境下,有效地实时响应环境待覆盖区域变化,以最小的成本实现区域完全覆盖。

    面向长时交通速度预测的几何代数深度神经网络模型方法

    公开(公告)号:CN111291924B

    公开(公告)日:2023-06-06

    申请号:CN202010051123.3

    申请日:2020-01-17

    Applicant: 同济大学

    Abstract: 一种长时交通速度预测的几何代数深度神经网络模型方法,具体方法包括如下步骤:原始数据采集及数据预处理,使用速度数据,由道路上的感应线圈检测器按时间间隔采集得到,采集得到数据后,对原始速度数据进行预处理以去除异常元素;(2)生成交通速度时空矩阵,将融合了历史速度时空矩阵用几何代数编码生成多重向量时空矩阵作为几何代数深度神经网络模型的输入;(3)构建几何代数深度神经网络模型,通过几何代数深度神经网络对历史速度参数进行多维度的深入挖掘以及时空特征的提取,实现对交通速度的长时预测;(4)通过反向传播算法对网络进行预测任务的训练优化以及测试,最后得到预测结果。提高对未来全天交通速度预测的准确性。

    一种信号源搜索方法
    26.
    发明授权

    公开(公告)号:CN113033306B

    公开(公告)日:2023-04-18

    申请号:CN202110195696.8

    申请日:2021-02-20

    Applicant: 同济大学

    Abstract: 本发明提供一种信号源搜索方法,包括:获取各智能体于上一搜索阶段的运动状态信息和堆结构,根据堆结构确定各智能体对应的领导者智能体,以获取各领导者智能体于上一搜索阶段的位置信息;根据各智能体于上一搜索阶段的运动状态信息,和领导者智能体于上一搜索阶段的位置信息,获取各智能体于当前搜索阶段的运动状态信息,以使各智能体运动至新位置,并于新位置处获取当前信号强度;检测各所述当前信号强度是否存在满足信号强度预设条件,如是,则根据满足信号强度条件的智能体新位置信息,确定信号源的位置信息;如否,则执行堆化更新操作,获取新的堆结构;重复以上步骤;本方法能明显提高搜索精度和搜索性能。

    一种基于粒子群算法的无人机群协同目标搜索方法

    公开(公告)号:CN114912565A

    公开(公告)日:2022-08-16

    申请号:CN202210393920.9

    申请日:2022-04-14

    Applicant: 同济大学

    Abstract: 本发明公开了一种基于粒子群算法的无人机群协同目标搜索方法,其包括分布设置多架无人机视为粒子群,通过无人机进行初始位置的环境反馈建模,将当前环境反馈值作为适应度值;初始化设置无人机粒子群的算法参数,并随机初始化无人机的自身参数;令无人机移动至对应位置并计算每架无人机当前位置的环境反馈值F(xi)作为该位置的适应度值,无人机运动速度记为V;以及,通过粒子群算法更新粒子的速度和位置;本发明适用于存在源信号的环境,尤其适用于大范围广域环境下稀疏信号源的定位任务,例如灾难现场救援、有害气体泄露源定位等。本发明设计合理,显著提高目标搜索的精度与效率。

    一种拒止环境下基于粒子群算法的群体机器人控制方法

    公开(公告)号:CN114043476A

    公开(公告)日:2022-02-15

    申请号:CN202111301771.0

    申请日:2021-11-04

    Applicant: 同济大学

    Abstract: 本发明涉及一种拒止环境下基于粒子群算法的群体机器人控制方法,包括:步骤1、建立拒止环境下的攻防对抗场景,并初始化粒子群算法的参数;步骤2、进攻机器人通过传感器探测周围环境信息,获取友方和敌方机器人的态势信息,并利用惯性导航技术实时计算敌方领土位置;步骤3、所述进攻机器人构建适应度函数;步骤4、利用粒子群算法优化适应度函数,得到进攻机器人的最优占位;步骤5、进攻机器人进行移动与攻击操作;步骤6、若任一进攻机器人进入敌方领土,则任务完成;否则判断是否达到最大运行时间,若是,则任务失败;否则转到步骤2进行下一时间片的迭代。与现有技术相比,本发明避免了全局定位,控制无需预训练,解决了维数灾难的问题。

    一种基于粒子群算法的多智能体协同目标搜索方法

    公开(公告)号:CN112966803A

    公开(公告)日:2021-06-15

    申请号:CN202110145980.4

    申请日:2021-02-02

    Applicant: 同济大学

    Abstract: 本发明提出了一种基于粒子群算法的多智能体协同目标搜索方法,该方法引入粒子群算法进行虚拟领航,使用具有一定通信与感知能力的实体智能体代替粒子群算法中的虚拟粒子实现源定位搜索。首次在粒子群算法中考虑了粒子的移动距离与搜索时间,以此建立权重代价函数,根据粒子群每代产生的目标位置,通过局部搜索策略,为智能体规划代价最小的路径。据此,多智能体系统能够在不影响目标搜索精度的前提下,大幅降低能耗、增强续航、提升搜索效率。本发明是一个具有通用性的多智能体目标搜索方法,所基于的粒子群算法可以是任意的粒子群变体。

    基于精英子集引导向量烟花算法的多智能体搜索方法

    公开(公告)号:CN112884116A

    公开(公告)日:2021-06-01

    申请号:CN202110151033.6

    申请日:2021-02-03

    Applicant: 同济大学

    Abstract: 本发明提出了一种基于精英子集引导向量烟花算法的多智能体搜索方法。该方法包括以下步骤:初始化N个智能体的位置,利用烟花爆炸机制在智能体感知范围内模拟生成爆炸火花,通过路径规划方法指导智能体移动到爆炸火花和精英引导火花位置并感知其目标源信号强度;从每个智能体移动的所有位置中选择最好的位置作为该智能体的下一代移动位置。重复上述智能体搜索和移动过程,直到搜索到目标源或者达到最大迭代次数结束。将以上方法应用到气体泄漏源定位问题,智能体群按照烟花爆炸过程搜索目标源。本发明提供的这种精英子集引导向量烟花算法通过对原始引导烟花算法进行改进,极大地提高智能体的搜索能力,能够迅速有效地定位到目标源。

Patent Agency Ranking