Bayesian fusion of GNSS,ITS-G5 and IR–UWB data for robust cooperative vehicular localization

In the automotive domain, Cooperative Localization (CLoc) is a new promising paradigm that aims at outperforming conventional Global Navigation Satellite Systems (GNSS) in terms of positioning accuracy, robustness, and service continuity, by relying on Vehicle-to-Vehicle (V2V) communications and hybrid data fusion. However, the growing number and the variety of the sensors aboard vehicles raise unprecedented challenges, especially in the context of distributed fusion approaches. This paper thus compares parametric and nonparametric Bayesian data fusion engines (e.g., based on cooperative variants of the Extended Kalman Filter (EKF) and Particle Filter (PF), respectively), while validating a CLoc scheme suitable to Vehicular Ad Hoc Networks (VANETs). More particularly, absolute position information from both onboard GNSS receiver and ITS-G5 V2V messages, as well as relative distance measurements based on the Impulse Radio–Ultra-Wideband (IR–UWB) technology, are combined into a single location solution that is hopefully more robust and more accurate than that of standalone GNSS. First, we investigate V2V ranging accuracy on a highway under real mobility conditions. In the same environment, we then provide offline validations of CLoc positioning, confirming significant performance gains through cooperation over conventional GNSS, even in case of poor initialization. In this specific context, the PF solution is thus shown to yield even better accuracy in comparison with EKF, thanks to its fine robustness against faced non-linear dynamics and non-Gaussian noise processes. Finally, we illustrate the resilience of the proposed solution under temporary GNSS denial.     

高超声速飞行器气动热关联换算方法研究

气动热风洞实验是地面研究和预测飞行器气动热环境的重要手段之一, 但由于风洞实验模拟能力的限制, 风洞实验的流场参数和模型的几何尺度都会与实际飞行情况存在一定的差别, 导致地面风洞实验中得到的模型表面气动加热率数据无法直接用于飞行条件下的热环境预测和热防护设计. 以往通过针对具体飞行器的试验结果进行数据拟合后外插的气动热关联换算方法指向性较强, 没有考虑到气动热的具体影响参数, 存在一定局限性, 难以外推应用于其他外形的飞行器. 为解决通过气动热风洞实验数据外推预测飞行条件下气动热的技术难题, 基于无量纲NS方程和边界层理论分析研究了影响气动热的主要参数, 并通过推导化简边界层近似解热流公式, 针对层流流态建立了气动热关联换算方法, 可以考虑当地边界层外缘参数的影响, 具有一定通用性. 在此基础上, 利用建立的方法将Reentry-F飞行器缩比模型的风洞实验数据换算到该飞行器飞行条件下的典型工况, 并与飞行测量结果进行了比较, 外推预测结果与飞行测量结果符合较好, 表明建立的关联方法可以用于气动热风洞实验数据的外推换算.      

基于深圳市出租车轨迹数据的高效益寻客策略研究

出租车作为城市公共交通的重要补充形式,在居民日常出行中发挥着重要作用.然而,客源时空分布不均衡导致了出租车空载率高、寻客难度大等问题,降低了出租车的运营效率.随着ITS（intelligent transport system）技术的发展,越来越多的学者将出租车寻客模式作为其研究点,目前尚缺乏对基于寻客效益指标的寻客策略方法的研究.为了提高出租车寻客效益,提出了基于寻客效益指标模型的时空分析方法,将出租车载客态单位时间收入E及相邻空载态寻客时间T相结合作为寻客效益评价指标,并采用数理统计与地理统计相结合的方法,对高效益客源的时空分布特征进行研究.采用深圳市2011年4月18-24日一周内13 798辆出租车的GPS轨迹数据,分析了深圳市出租车的运营特点及人们出行需求的时空分布特征.结果表明：该方法能够较好地反映高效益客源的时空分布特征,为出租车高效益寻客提供辅助决策支持,也为出租车高效运营提供了新的视角.     

面向用户行为理解的移动通讯数据可视分析

通信数据包含人类活动的时空以及社会关系等信息,对人类行为分析有重要的价值.为了帮助分析者对用户的行为进行分析和理解,构建了从通信数据中探索用户的时空、社交等信息以分析用户行为的可视化流程,旨在理解用户的行为模式并通过行为的对比发现用户的社会角色以及用户之间的真实社交关系,通过迭代式交互过程,对用户不同时段的行为进行有效的理解和分析.在此基础上,构建了用户行为可视分析系统,采用半年的通信数据对该方法以及系统进行评估,结果显示,本方法能够有效理解个人行为、识别用户之间的关系.     

MPI在蒙特卡罗程序GMT中的应用和发展

针对ADS颗粒靶概念的研究和设计,中国科学院近代物理研究所自主研发了蒙特卡罗模拟软件GMT。为了提高GMT程序的计算效率,研究了MPI在GMT中的应用和发展,实现了大规模随机数在进程中的随机分配,并采用快速读写文件的方式替代了MPI相关数据通信函数,极大地提高了计算效率。并研究了不同规模计算实例进程数、加速比、效率之间的关系,确定了最大加速进程数及并行效率最高时的进程数,为科研工作者在计算资源和计算效率之间选择最优计算方案提供了科学依据。MPI在GMT中的成功应用使计算资源得到了充分、高效的利用,极大地提高了计算效率,解决了蒙特卡罗方法中大规模事件模拟计算时间长、计算不稳定等问题,在散裂靶大规模扫描计算中发挥了重要的作用。For the research and design of the ADS granular-flow target concept, the Institute of Modern Physics, CAS has developed a Monte Carlo simulation software (GPU-accelerated Monte Carlo Transport program, GMT). In order to improve the computational efficiency of the GMT program, development and application of MPI in GMT were studied, to realize random distribution of the large-scale random number in the sub processes. Rapid reading and writing files were employed instead of the MPI data communication function, which greatly improves the computational efficiency. Different scale calculations were performed to study the relationship of process instance number, speedup to find the maximum acceleration process number and the number of processes when parallel efficiency is highest, which provides a scientific basis for researchers to optimize the computational program between computational resources and computation efficiency. The successful application of MPI in GMT, utilizes the computing resources fully and efficiently, improves the computational efficiency, solve the long time cost and unstable problem of Monte Carlo method in large-scale event simulations, plays an important role in the large-scale scanning calculation of the spallation target.     

自制四端低值电阻的标定

用直接或间接测量法,标定自制四端低值电阻。将测量数据用加权平均法给出测量结果。     

基于FPGA的高精度硅微谐振加速度计数据采集与参数补偿系统设计与实现

硅微谐振加速度计因具有小体积优势和高精度潜力,成为硅微惯性传感器研制的热点之一。频率信号的高精度采集和系统参数补偿是提高硅微谐振加速度计性能的重要手段之一。在分析硅微谐振加速度计工作机理的基础上,从双路差动频率信号的精确采集和系统误差参数补偿角度出发,分析了数据采集的原理,提出了一种高精度硅微谐振加速度计用数据采集与参数补偿方法。给出了设计思路和电路实现方法,讨论了误差来源与改进方法。所设计的数据采集系统针对中心频率18 k Hz.,标度因数400 Hz/g,量程±20g的加速度计,数据更新周期200 ms下频率分辨率为0.0005 Hz,等效加速度分辨率达到1.25μg。测试表明,补偿后的硅微谐振加速度计,在全温(-40~+70℃)内,K0温度系数从262μg/℃降低到29.9μg/℃,K1变化量从4.18%降低到2.04‰,全量程非线性从7.16‰降低到0.128‰,系统参数满足设计指标。     

基于多支持度的增量式关联规则挖掘算法

传统的基于关联规则的挖掘算法采用的是统一的最小支持度,但是在实际的事务数据库中数据项的重要性是不同的。针对目前多支持度和增量式关联规则更新维护的局限性,提出一种基于多支持度的增量式关联规则挖掘算法。允许用户根据不同项的重要性设置权值,有利于发现更多有趣的规则。采用矩阵的向量内积策略,结合动态剪枝,无需多次扫描事务数据库,不生成庞大候选集。实验结果验证了算法的有效性。更多还原     

基于MYCIN不确定因子的区间灰数应急决策方法

主要研究了方案的指标值为区间灰数的快速应急决策方法。将MYCIN不确定因子融合到灰色决策理论中,通过计算各方案在不同指标下的MYCIN不确定因子并对其进行融合,确定最佳决策方案。建立了基于证据推理的应急决策方法,给出了区间灰数决策方法步骤;通过案例分析结果验证了所提方法的有效性。     

基于虚拟决策单元的排序模型

本文给出了一种新的决策单元排序方法。基于经典的C²R模型,通过引入一个虚拟的决策单元,形成了一个新的排序模型,按照相对效率值的大小实现了决策单元的排序。实验表明,新排序方法不仅能较好地反映C²R模型的计算结果,而且可避免超效率方法造成的相对效率值偏大的弊端。新的排序方法依据充分、简单方便,同时体现了整体的决策效率。