无人驾驶车水体障碍物检测方法：融合颜色与纹理特征

"用户均衡与系统最优原则下交通分配模型的建立与分析，孙超，王欣，该研究从理论上推导了以路径费用函数为基础的用户均衡（UE）模型，并证明了其与系统最优（SO）原则之间的差异与联系。在交通网络中，UE模型考虑的是个体出行者的最优选择，而SO模型则追求整个系统的效率最大化。" 在交通规划和运营管理中，用户均衡（User Equilibrium, UE）和系统最优（System Optimum, SO）是两种重要的交通分配理论。用户均衡模型假设所有出行者都会根据各自的出行成本选择最短或最低成本的路径，使得每个人的期望旅行时间相等，从而达到一种纳什均衡状态。在这种状态下，即使有更优的路径，单个出行者也无法通过改变路线来减少自己的旅行时间，因为其他人的路线也会相应调整，总体上每个人的旅行时间不会改善。 系统最优原则则从全局出发，不考虑个人偏好，而是寻求整个交通网络的最小总旅行时间或最低总成本。在SO模型中，交通管理者可以通过调控信号灯、设置收费等手段，使整体交通流量分布达到最优状态，尽管这可能导致某些个体的旅行时间增加，但总体上能提高整个系统的效率。 孙超和王欣的研究工作深入探讨了UE模型的理论构建，他们基于路径费用函数推导了UE模型，这有助于更清晰地理解个体最优决策如何影响整个网络的交通流量分布。同时，他们还对比分析了UE模型与SO模型之间的关系，揭示了在实际交通系统中，这两种原则的权衡和冲突，对于优化交通规划、设计有效的交通政策以及提高交通效率具有重要的理论和实践意义。 此外，另一篇论文涉及的是无人驾驶车在野外环境中的水体障碍物检测。赵一兵、邓云翔等人提出了一种融合颜色特征和纹理特征的方法，利用HSV颜色空间转换和灰度共生矩阵提取特征，然后用支持向量机（SVM）进行分类，以应对光照变化对水体检测的影响。这种方法对于提升无人驾驶车的安全性，特别是在复杂野外环境中避免水体障碍物，具有显著的实用价值。 两篇论文分别关注了交通工程中的微观行为模型和智能交通中的环境感知技术，都是当前智能交通系统研究中的热点问题，对于推动交通领域的科技进步有着积极的贡献。