针对现有非结构化环境下的无人车辆全局路径规划的安全性和稳定性问题,提出了一种考虑车辆斜坡侧翻稳定性的EA-A^(*)算法(evaluation of adaptation A^(*),EA-A^(*))。建立车辆在斜坡时的动力学模型,获取车辆在斜坡安全行驶的极限参数;...针对现有非结构化环境下的无人车辆全局路径规划的安全性和稳定性问题,提出了一种考虑车辆斜坡侧翻稳定性的EA-A^(*)算法(evaluation of adaptation A^(*),EA-A^(*))。建立车辆在斜坡时的动力学模型,获取车辆在斜坡安全行驶的极限参数;基于数字高程模型(DEM)提取坡度模型、起伏度模型和粗糙度模型并整合成具有各个地形参数的适应度地图模型;增加车辆侧翻稳定性约束完善代价函数,并采用自适应分辨率EA-A^(*)规划算法得到优化路径。仿真表明:相比传统三维A^(*)算法,EA-A^(*)算法所规划的路径更为合理,危险道路显著减少,平均坡度由30.43°降低到7.78°;采用了自适应分辨率的规划方法后减少了96.27%的规划时间,更满足现实需求。展开更多
利用CMA-MESO和SWC-WARMS高分辨率模式2023年5—9月小时降水预报产品,四川自动站小时降水资料及CLDAS(CMA Land Data Assimilation System)三源融合小时降水资料,采用“点对点”和“点对面”检验方法,对两家高分辨率模式小时降水产品在...利用CMA-MESO和SWC-WARMS高分辨率模式2023年5—9月小时降水预报产品,四川自动站小时降水资料及CLDAS(CMA Land Data Assimilation System)三源融合小时降水资料,采用“点对点”和“点对面”检验方法,对两家高分辨率模式小时降水产品在四川地区的预报性能进行评估。主要结论如下:①小时降水10 mm以下和50 mm以上的极端降水,CMA-MESO的预报参考性显著优于SWC-WARMS;小时降水10~30 mm,5—6月以SWC-WARMS表现更优,7—9月则以CMA-MESO表现更佳。②空间偏差特征分析表明,两家模式的小时降水平均绝对误差空间分布整体较为一致,在盆周山区、川西高原及凉山州北部误差较大,模式误差和实况降水强度、海拔高度呈一定正相关,且SWC-WARMS的空间误差更大。③时间偏差特征分析表明,CMA-MESO的短时强降水站点频次峰值时间偏差为1~2 h,而SWC-WARMS达3~4 h。④为优化TS评分,针对CMA-MESO和SWC-WARMS模式,在空间上,预报时可分别考虑邻域半径9 km和12 km内出现对应量级降水的可能性;在时间上,对于5~30 mm小时降水,预报时可考虑预报时刻前后1 h和2 h发生的可能性,其他量级可考虑前后1 h。展开更多
文摘针对现有非结构化环境下的无人车辆全局路径规划的安全性和稳定性问题,提出了一种考虑车辆斜坡侧翻稳定性的EA-A^(*)算法(evaluation of adaptation A^(*),EA-A^(*))。建立车辆在斜坡时的动力学模型,获取车辆在斜坡安全行驶的极限参数;基于数字高程模型(DEM)提取坡度模型、起伏度模型和粗糙度模型并整合成具有各个地形参数的适应度地图模型;增加车辆侧翻稳定性约束完善代价函数,并采用自适应分辨率EA-A^(*)规划算法得到优化路径。仿真表明:相比传统三维A^(*)算法,EA-A^(*)算法所规划的路径更为合理,危险道路显著减少,平均坡度由30.43°降低到7.78°;采用了自适应分辨率的规划方法后减少了96.27%的规划时间,更满足现实需求。
