郑亮
- 作品数：11 被引量：44H指数：4
- 供职机构：中南大学交通运输工程学院更多>>
- 发文基金：国家自然科学基金中国博士后科学基金湖南省自然科学基金更多>>
- 相关领域：交通运输工程环境科学与工程经济管理文化科学更多>>
- 综合交通大数据分析平台教学系统设计被引量：3
- 2016年
- 综合交通大数据分析是中南大学交通运输工程学院交通运输专业核心课程《智能交通系统》的重要讲授内容,基于大数据分析的智能交通系统建设是当前国内、外的研究热点与发展趋势。基于综合交通大数据分析平台教学系统的功能需求,构建一套基于综合交通大数据采集模块、传输与存储模块、演示模块和分析、研判与试验模块的教学系统架构,并设计一套教学控制机系统,改进了传统的课堂集中讲授的教学方式。此系统可以让学生直观、深刻、快速地掌握综合交通大数据分析相关的专业知识与技能,提高教学质量和实际教学效果。
- 郑亮张云丽
- 关键词：综合交通大数据智能交通系统教学系统
- 面向自动驾驶安全测试的碰撞场景构建与仿真分析
- 2024年
- 为减少自动驾驶车辆产生的交通事故,提高车辆在仿真环境中的安全测试效率,提出一种基于深度强化学习的自动驾驶碰撞测试场景构建方法。首先,通过设置状态、动作和奖励函数,将车辆的驾驶过程映射为马尔可夫决策过程;然后,基于搭建的仿真平台(CARLA-DRL)训练智能体完成车辆碰撞任务,生成碰撞测试场景;最后,随机进行500次碰撞仿真试验,根据智能体与自动驾驶车辆的相对距离,分析碰撞成功率、碰撞时间和冲突能量。结果表明:智能体生成符合车辆动力学的碰撞轨迹,能够构建精细化、多类型的碰撞测试场景;智能体与自动驾驶车辆的平均碰撞成功率为62.20%,平均碰撞时间为127.25 s,平均冲突能量值为175.98 kJ。该方法能够构建高频、高效和高危的自动驾驶车辆碰撞测试场景,增加仿真场景中偶发高风险场景的发生概率,提高自动驾驶车辆对于碰撞事故的安全测试效率。
- 赵尧华陈延展郑亮李树凯
- 关键词：自动驾驶安全测试
- 考虑故障车回收的单车系统再平衡调度研究被引量：2
- 2021年
- 为解决单车系统中站点需求不匹配问题,研究需求确定条件下考虑故障车回收的有桩式共享单车系统再平衡单车调度问题,建立完善的考虑故障车回收取送一体化旅行商调度模型,以车辆行驶时间、每个站点固定的检查时间以及装卸搬运总服务时间为优化目标,运用贪心-模拟退火算法求解最优调度路径。实验结果表明:优化出合理的调度线路,减少平衡系统内每个站点的需求的服务时间,同时对故障车进行回收,提高了单车系统中单车利用率,进而有效解决故障车回收的单车系统再平衡调度问题。
- 郑亮白剑楠何正鹏
- 长株潭城市群公路网运输效率纵向对比研究被引量：3
- 2016年
- 从公路网“投入”与“产出”的角度对长株潭城市群公路网2000～2012年的运输效率进行纵向对比评价。建立以基础设施投入、运输通道结构和资产投入为输入，以运输效益和社会经济效益为输出的五大运输效率的评价指标，并且细分为15个二级指标。采用数据包络分析法（DEA）量化分析城市群公路网资源的投入产出综合效率，技术效率，规模效率及投入冗余产出不足情况，从而检验区域公路网格局的有效性和合理性。
- 邓奇春李萌郑亮黄合来
- 关键词：城市群运输效率DEA模型
- 基于随机仿真优化的公交时刻表再编制被引量：4
- 2022年
- 时刻表作为公交企业与出行乘客之间的沟通桥梁,在满足乘客需求、增强公交可靠性等方面起着至关重要的作用。然而,现有均匀发车间隔和均衡载客量的时刻表之间各有利弊且难以权衡。此外,公交系统中随机的行程时间和乘客需求使得时刻表难以充分发挥效用。鉴于此,需要建立随机规划模型,以实现在均匀发车间隔时刻表的基准上进行微调再编制从而达到减少乘客平均等待时间和均衡最大载客量的目的。针对难以求解的随机规划模型,通过Monte Carlo方法将随机规划模型转化为随机仿真优化模型。使用基于随机克里金(SKG)的多点填充采样全局优化算法进行随机仿真优化模型的求解。研究结果表明:该方法能够达到同时减少乘客平均等待时间和均衡最大载客量的目的,且在不同权重组合下总目标至少能改进8.38%,最多能改进29.68%。通过灵敏度分析研究乘客平均等待时间和均衡最大载客量之间的冲突关系。提出的基于随机仿真优化的公交时刻表再编制方法在减少乘客平均等待时间、均衡最大载客量、改善公交服务水平、提升公交吸引力方面具有丰富的研究价值与现实意义。
- 刘鹏杰郑亮
- 关键词：公交时刻表
- 基于生成对抗网络的地铁OD需求短时预测被引量：1
- 2022年
- 城市轨道交通作为一种安全、运量大、环保节能的交通工具,能有效缓解城市交通压力,逐渐成为大中城市居民最重要的出行方式之一。准确可靠的城市轨道交通短期客流预测对旅客出行与客流管控有重要意义。有鉴于此,提出一种新型的生成对抗网络(GAN)模型,即CWGAN-div模型,以实现对地铁OD需求的短期预测。CWGAN-div模型融合条件生成对抗网络(CGAN)模型以及基于Wasserstein散度的生成对抗网络(WGAN-div)模型,结合2种模型的特点,来提高原始生成对抗网络模型的稳定性和生成精度。考虑到地铁客流量变化的时间周期性,使用一种融合2类周期信息的时间标签作为条件信息,并与历史OD数据一起作为模型的输入。为了更充分、更稳定地挖掘地铁客流需求的时空相关性,采用一种改进的卷积神经网络,即残差神经网络构建CWGAN-div的内部结构。以深圳地铁1号线和4号线的44个站点为例,数值实验表明,CWGAN-div模型具有较好的稳定性和预测效果,相比传统预测方法和普通深度学习方法在预测精度上分别提高了27.97%和6.59%,相比其他组合模型提高了3.26%,相比基础CGAN模型和WGAN-div模型预测精度分别提高了3.83%和9.51%,且残差神经网络结构能够提升模型的稳定性,加快模型收敛。由此可见,CWGAN-div模型在预测短期地铁OD需求方面具有研究意义与现实意义。
- 申慧涛郑亮李树凯王璞
- 关键词：城市轨道交通
