- 博客(83)
- 收藏
- 关注
原创 字符串
字符串1 String1.1 实例化 String 对象匿名对象两种实例化方式的区别1.2 String 的内容比较1.3 字符串的内容不可改变1.4 String 类中常用方法1 String在 Java 中字符串属于对象,Java 提供了 String 类 来创建和操作字符串。1.1 实例化 String 对象// 方法1:直接赋值String name = "GNN";// 方...
2019-01-09 22:55:24
424
原创 SUMO入门(一) - 引入
SUMO入门(一) - 引入SUMO简介“Simulation of Urban Mobility”,简称“SUMO”,是一种开源,微观,多模态的交通模拟。 它允许模拟由单个车辆组成的给定交通需求如何在给定的道路网络中移动。它纯粹是微观的:每辆车都是明确建模的,有自己的路线,并在网络独立移动。 默认情况下,模拟是确定性的,但有多种方式引入随机性。自2001年以来,SUMO已用于若干国家和...
2018-12-21 11:15:11
27873
10
原创 SUMO入门(二) - 基础知识
SUMO入门(二) - 基础知识基础符号<SUMO_HOME> 将 SUMO-package 保存到的路径参考文件类型相关描述<NETWORK_FILE>由 NETGENERATE 或 NETCONVERT 构建的SUMO网络文件 SUMO
2018-12-21 11:14:47
12621
4
原创 SUMO入门(三) - 路网
SUMO入门(三) - 路网SUMO network file 网络文件描述了交通相关的地图、道路和交叉口。虽然XML文件我们可读,但SUMO网络文件并不是手工编辑的。您可以将SUMO XML描述文件与NETCONVERT一起使用;您还可以使用NETCONVERT以各种格式转换现有地图;或使用NETGENERATE生成几何简单的抽象路线图。要修改现有的 .net.xml 文件,您可以使...
2018-12-21 11:14:21
9693
6
原创 SUMO入门(三) - 抽象路网生成(NETGENERATE)
SUMO入门(三) - 抽象路网生成Networks/Abstract Network GenerationNETGENERATE允许生成三种类型的抽象网络:网格grid,蜘蛛spider,随机random必须使用以下选项之一声明要创建的网络类型: –grid, –spider 或 –rand您可以使用 –output <FILENAME> 或简写 -o &lt
2018-12-21 11:14:12
3792
原创 SUMO入门(三) - NETCONVERT
SUMO入门(三) - NETCONVERTNETCONVERTNETCONVERT是一个命令行应用程序。从不同来源导入数字道路网络,并生成可由包中的其他工具使用的道路网络。目的:道路网络导入和转换系统:便携式(Linux / Windows经过测试);在命令行上运行输入(强制):道路网络的定义输出:生成的SUMO-road网络;可选地还有其他输出编程语言:C ++...
2018-12-21 11:14:04
4721
3
原创 SUMO入门(三) - 使用XML定义网络
SUMO入门(三) - 使用XML定义网络Networks/PlainXMLSUMO-Networks有两种表示形式:– 一组 plain-xml 文件,描述网络拓扑和几何– 加载到模拟中的 .net.xml 文件。 这包含许多生成的信息,例如交叉点内的结构和路权逻辑。要定义网络,至少需要两个文件:一个用于node的文件,另一个用于它们之间的edge。Besides defining ...
2018-12-21 11:13:55
3195
原创 SUMO入门(四) - 需求建模 车辆和路线的定义
SUMO入门(四) - 需求建模Demand/Introduction to demand modelling in SUMO在生成网络之后,可以使用SUMO-GUI来查看它,但是没有汽车可以行驶。人们仍然需要对车辆进行某种描述,这称为交通需求traffic demand。从现在开始,我们将使用以下术语:行程 trip 是由起始边缘,目的地边缘和出发时间定义的从一个地方到另一个地方的车辆移...
2018-12-21 11:13:45
15454
6
原创 SUMO入门(五) - TraCI
SUMO入门(六) - TraCITraCITraCI简介TraCI 是 “流量控制接口 Traffic Control Interface”。通过访问正在进行的道路交通模拟,它可以检索模拟对象的值,并“在线”操纵它们的行为。TraCI还允许将SUMO与通信网络模拟器结合使用,以模拟车辆通信。有关可用解决方案的列表,请参阅Topics/V2X。使用TraCISUMO启动TraCI使...
2018-12-21 11:13:22
4638
7
原创 SUMO入门(六) - 交通灯
SUMO入门(六) - 交通灯Simulation/Traffic Lights通常,NETCONVERT 和 NETGENERATE 在计算网络期间为交叉口生成交通信号灯和程序。 尽管如此,这些计算出的程序通常与现实中的程序不同。要使用真实的交通灯程序提供模拟,可以使用其他程序定义运行SUMO / SUMO-GUI。此外,SUMO / SUMO-GUI允许加载定义,描述一组交通灯何时以及...
2018-12-21 11:12:57
13322
原创 SUMO入门(八) - TraCI
SUMO入门(八) - TraCITraCITraCI/Interfacing TraCI from PythonTraCI 是 “Traffic Control Interface” 的简写。通过访问正在进行的道路交通模拟,它可以检索仿真对象的值并“在线”操纵它们的行为。1 使用TraCISUMO启动TraCI 使用基于TCP的客户端/服务器的体系结构来提供对SUMO的访问。因此...
2018-12-21 11:12:42
10265
5
原创 SUMO入门(八) - 从Python引入TraCI接口
SUMO入门(八) - 从Python引入TraCI接口TraCITraCI/Interfacing TraCI from PythonTraCI命令分为13个部分,它们对应于各个模块: gui,lane,poi,simulation,trafficlight,vehicletype,edge,inductionloop,junction,multientryexit,polygon,rou...
2018-12-21 11:12:32
16736
6
原创 SUMO入门(九) - 可视化
SUMO入门(九) - 可视化Tools/VisualizationSUMO提供了广泛的输出,但可能会发现难以解析和可视化它们。下面有一些工具可以将模拟运行的结果可视化,以便放在论文中。所有这些工具都只是matplotlib库的包装器。这些工具是用Python实现的,需要安装matplotlib。这些工具可以在 <SUMO_HOME> / tools / visualizatio...
2018-12-21 11:12:22
8628
12
原创 SUMO入门(七) - 其他工具
SUMO入门(七) - 其他工具Tools可以在 <SUMO_HOME>/tools 下的SUMO-distribution中找到工具。它们中的大多数都很小,是为某种目的而编写的,并且在某些输入下运行良好,但针对其他情况可能无法使用。请注意,目前这些工具正在重组,请参阅 http://sumo.dlr.de/trac.wsgi/ticket/1425 。大多数工具将直接移动
2018-12-21 11:11:56
1749
原创 数组
数组数组是相同类型的、用一个标识符名称封装到一起的一个对象序列或基本类型数据序列。可以使用整型索引值访问它们的元素,并且它们的尺寸不能改变。对象数组和基本类型数组在使用上几乎是相同的,唯一的区别就是对象数组保存的是引用,基本类型数组直接保存基本类型的值。数组标识符其实只是个引用,指向在堆中创建的一个真实对象,这个(数组)对象用以保存指向其他对象的引用。数组定义与初始化数组定义定义一个...
2018-12-21 11:06:44
707
原创 Dijkstra算法
Dijkstra算法Dijkstra算法能够解决边权重非负的加权有向图的单起点最短路径问题。在之前,我们讨论过寻找加权无向图中的最小生成树的Prim算法:构造最小生成树的每一步都向这棵树中添加一条新的边。Dijkstra算法采用了类似的方法来计算最短路径树。首先将 distTo[] 最小的非树顶点放松并加入树中,如此直到所有的顶点都在树中或者所有非树顶点的 distTo[] 值均为无穷大。...
2018-11-15 17:30:42
3298
原创 最短路径
最短路径定义:在一幅加权有向图中,从顶点 s 到顶点 t 的最短路径是所有从 s 到 t 的路径中的权重最小者。单点最短路径: 给定一幅加权有向图和一个起点s,回答 “从s到给定的目标顶点v是否存在一条有向路径?如果有,找出最短(总权重最小)的那条路径。”最短路径的性质路径是有向的。权重不一定等价于距离。并不是所有顶点都是可达的。(为了简化问题,假定图是强连通的,即每个顶点从另外任意...
2018-11-14 19:47:55
1214
原创 TransModeler(一)- 简介 仿真数据库
交通仿真概述交通仿真是以相似原理、信息技术、系统工程和交通工程领域的基本理论和专业技术为基础,以计算机为主要工具,利用系统仿真模型模拟道路交通系统的运行状态,采用数字方式或图形方式来描述动态交通系统,以便更好地把握和控制该系统的一门实用技术。作为交通分析的有效手段之一,道路交通系统仿真旨在运用计算机技术再现复杂的交通现象,并对这些现象进行解释、预测、分析,找出问题的症结,最终对所研究的交通系统...
2018-11-08 11:26:08
4880
原创 最小生成树 - Kruskal算法
Kruskal算法第二种最小生成树算法 —— Kruskal算法按照边的权重顺序(从小到大)处理它们,将边加入最小生成树中,加入的边不会与已经加入的边构成环,直到树中含有 V−1V-1V−1 条边为止。这些边逐渐由一片森林合并为一棵树,也就是图的最小生成树。Kruskal算法能够得到任意加权无向图的最小生成树。算法如下:使用一条优先队列pq 来将边按照权重排序,一个union-find...
2018-11-06 22:30:18
1531
原创 最小生成树 - Prim算法
Prim算法我们要学习的第一种计算最小生成树的方法是 Prim算法,它的每一步都会为一棵生长中的树添加一条边。一开始这棵树只有一个顶点,然后会向它添加 V−1V-1V−1 条边,每次总是将下一条连接树中的顶点与不在树中的顶点且权重最小的边加入树中。Prim算法能够得到任意加权无向图的最小生成树。这棵不断生长的树定义了一个切分且不存在黑色的横切边,该算法会选取权重最小的横切边并根据贪心算法不断将...
2018-11-06 21:45:34
481
原创 最小生成树 加权无向图
最小生成树加权图:为每条边关联一个权值或成本的图模型本节我们将学习加权无向图模型并用算法回答下面这个问题。最小生成树(MST):给定一幅加权无向图,找到它的一棵最小生成树。图的生成树是它的一棵含有其所有顶点的无环连通子图。一幅加权无向图的最小生成树是它的一棵权值(树中所有边的权值之和)最小的生成树。计算最小生成树的两种经典算法:Prim算法 和 Kruskal算法在计算最小生成树的过程...
2018-11-06 13:45:11
4254
原创 阿里车路协同
阿里无人车的最新进展——从单车智能到车路协同9 月 6 日,阿里达摩院与交通运输部公路科学研究院(公路院)签署战略合作,成立车路协同联合实验室。与车路协同相对应的是“单车智能”,这是包括谷歌以及一众无人驾驶创业公司选择的技术路径。所谓“单车智能”,就是让无人驾驶车辆本身变得更聪明,正确及时地感知、决策、控制,以应对各种复杂路况。但这种技术方案由于自身传感器等的局限,不能达到安全的要求。车...
2018-11-01 20:34:34
3051
原创 环和有向无环图
文章目录定义有向环检测基于DFS的顶点排序拓扑排序在和有向图相关的实际应用中,有向环特别的重要。优先级限制下的调度问题:给定一组需要完成的任务,以及一组关于任务完成先后次序的优先级限制。在满足限制条件的前提下应该如何安排并完成所有任务?对于任意一个这样的问题,我们都可以画出一张有向图,其中顶点对应任务,有向边对应优先级顺序。优先级限制下的调度问题等价于计算有向无环图中所有顶点的拓扑排序。...
2018-10-31 17:22:49
1949
原创 有向图的强连通性(未完成)
有向图的强连通性术语强连通在一幅有向图中,如果从顶点v有一条有向路径到达w,则顶点w是从顶点v 可达的。如果两个顶点v和w是互相可达的,则称它们为强连通的。如果一幅有向图中的任意两个顶点都是强连通的,则称这幅有向图是强连通图。环在强连通性的理解上起着重要的作用。两个顶点是强连通的当且仅当它们都在一个普通的有向环中。强连通分量强连通性将所有顶点分为了一些平等的部分,每个部分都是由相...
2018-10-31 14:22:32
1677
2
原创 有向图
有向图1、术语在有向图中,边是单向的。每条边所连接的两个顶点都是一个有序对,他们的邻接性是单向的。出度:该顶点指出的边的总数入度:指向该顶点的边的总数一条有向边的第一个顶点称为它的头,第二个顶点称为它的尾。将有向边画为由头指向尾的一个箭头。用 v -> w 表示有向图中一条由v指向w的边。有向路径有向环简单有向环:除了起点和终点必须相同之外,不含有重复的顶点和边的环路径或...
2018-10-30 11:25:35
6104
2
原创 读书笔记 - Collaborative Task Offloading in Vehicular Edge Multi-Access Networks
Collaborative Task Offloading in Vehicular Edge Multi-Access Networks摘要移动边缘计算(MEC) 已成为实现低延迟应用的用户需求的有前途的范例。多址技术multi-access 和 MEC的集成可以显着增强异构设备和MEC平台之间的接入容量。然而,由于高速移动性和固有特性,传统的MEC网络架构不能直接应用于车辆互联网(IoV)。...
2018-10-25 22:36:48
1089
原创 边缘计算应用
移动边缘计算MECIntelligent Traffic Accident Detection System Based on Mobile Edge Computing在本文中,我们提出了一种基于移动边缘计算的智能交通事故检测系统。 借助移动客户端上的传感器和服务器的图像识别能力,我们的系统可以自动识别交通事故并广播交通事故信息。MEC的特点是确保事故发生附近的司机,行人,医院和交警能够迅...
2018-10-25 08:55:52
4417
1
原创 Leetcode-贪心算法
贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。 也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解。455. 分发饼干题目链接思路这道题目给了我们两组array,一组代表小朋友的胃口值,另一组代表曲奇饼干的大小。我们要分发曲奇给尽可能多的小朋友,并且曲奇饼干的大小要满足小朋友的胃口。所以,最好给孩子们分配与他胃口最接近的饼干。不...
2018-10-23 20:17:34
1768
原创 读书笔记 - A Survey on Sensor Networks from a Multi-Agent perspective
《A Survey on Sensor Networks from a Multi-Agent perspective》传感器网络是未来几十年最有前途的技术之一。最近出现的基于微机电系统(MEMS)的小型廉价传感器使这种网络在各种实际应用中的发展和扩展变得容易。MultiAgent系统(MAS)已被确定为最适合该领域的技术之一,因为它们能够以灵活的方式对自主自感知传感器进行建模。首先,本调查总...
2018-10-19 19:32:44
219
原创 读书笔记 - Clique-based Cooperative Multiagent Reinforcement Learning Using Factor Graphs
《Clique-based Cooperative Multiagent Reinforcement Learning Using Factor Graphs》在许多情况下,代理不是独立的,而是与其他代理连接,代理相互交互以共同影响环境。有时,每个代理只能获取其附近环境的状态以及其邻居代理的行为。这种系统称为多代理系统(MAS)[5]。如果代理人有共同的兴趣并协调完成任务,那么他们就是合作的,...
2018-10-18 23:06:26
477
转载 强化学习(五) - 无模型学习(Sarsa、Q-Learning)
上一节主要讲了Monte-Carlo learning,TD learning。这两个方法都是在给定策略下来估计价值函数V(s)。但是我们的目标是想得到最优策略。基于模型的策略优化过程分为策略评估和策略改进。从一个策略 π 和 v(s) 函数开始,先利用当前策略 π估算v值,然后通过v值来更新策略 π。交替迭代,最后会收敛到最优策略和最优价值函数。那么对于模型未知的情况,是否还能使用呢?答案...
2018-10-17 22:39:52
5403
转载 强化学习(四) - 无模型学习(MC、TDL)
上一节讲的是在已知模型的情况下,通过动态规划来解决马尔科夫决策过程(MDP)问题。具体的做法有两个:一个是策略迭代,一个是值迭代。从这一节开始,我们将要进入模型未知的情况下,如何去解决MDP问题。模型未知,即状态转移概率 Pss′aP^a_{ss′}Pss′a 这些我们是不知道的。所以我们无法直接利用如下Bellman方程来求解V和Q值得到最优策略。所以,为了能够从环境中学习,我们需要让...
2018-10-17 20:10:50
6007
转载 强化学习(三) - 基于模型学习(DP)
上一节主要是引入了MDP(Markov decision process)的各种相关的定义与概念。最后得到了 最优状态值函数v∗(s)v_∗(s)v∗(s) 和 最优状态动作值函数q∗(s,a)q_∗(s,a)q∗(s,a) 的定义与公式。若学习任务中的四个要素都已知,即S、A、P、R都已经给出,这样的情形称为 “有模型学习”。这一节主要是在已知模型的情况下利用动态规划来进行强化学习求解v...
2018-10-17 13:04:17
2754
转载 马尔科夫决策过程
马尔科夫决策过程Makov的定义下一个状态的产生只和当前的状态有关,即:本来直观上讲,下一个状态的产生跟所有历史状态是有关的,也就是等式右边所示。但是Markov的定义则是忽略掉历史信息,只保留当前状态的信息来预测下一个状态,这就叫Markov。状态转移概率对于一个具体的状态s和它的下一个状态s’ ,它们的状态转移概率(就是从s转移到s’的概率)定义为:假如总共有n种状态可以选择...
2018-10-16 23:18:39
7237
1
转载 强化学习(一) - 基础认知
强化学习 - 基础认知强化学习是想让一个智能体(agent)在不同的环境状态(state)下,学会选择那个使得奖赏(reward)最大的动作(action)。Agent在 t 时刻,通过观测环境得到自己所在的 状态(state),接下来agent根据 策略(policy) 进行决策后,做出一个 动作(action)。这个action就会使得agent在 环境(environment) 中转移到...
2018-10-16 21:32:08
1402
原创 五大常用算法(二) - 动态规划算法
动态规划算法基本思想动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中,可能会有许多可行解。每一个解都对应于一个值,我们希望找到具有最优值的解。动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。与分治法不同的是,适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的。若用分治法来解这类问题,则分解得到...
2018-10-16 16:49:12
1560
原创 五大常用算法(一) - 分治算法
分治算法基本思想分治法的设计思想是:将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。分治策略是:对于一个规模为n的问题,若该问题可以容易地解决(比如说规模n较小)则直接解决,否则将其分解为k个规模较小的子问题,这些子问题互相独立且与原问题类型一致,递归地解这些子问题,然后将各子问题的解合并得到原问题的解。分治是很多高效算法的基础,如排序算法(快速排序,归并...
2018-10-16 10:37:50
2571
原创 五大常用算法(三) - 贪心算法
贪心算法简介贪心算法是指在对问题求解时,总是做出在当前看来是最好的选择。不从整体最优考虑,只做出在某种意义上的局部最优选择。贪心算法不是对所有问题都能得到整体最优解,但对许多问题它能产生整体最优解。如单源最短路径问题,最小生成树问题等。在一些情况下,即使贪心算法不能得到整体最优解,其最终结果却是最优解的很好近似。由于贪心法的高效性以及其所求得的答案比较接近最优结果,贪心法也可以用作辅助算法或...
2018-10-15 10:25:07
487
原创 读书笔记 - Multi-agent Reinforcement Learning for Traffic Signal Control
《Multi-agent Reinforcement Learning for Traffic Signal Control》在本文中,我们将 traffic signal control (TSC) 问题制定为**折扣成本马尔可夫决策过程(MDP)**并应用多智能体强化学习(MARL)算法来获得动态TSC策略。我们将每个交通信号交叉点建模为独立代理,代理使用基于e-greedy或UCB【3】...
2018-10-12 16:36:02
7368
原创 读书笔记 - EITantawy2013 - Multiagent RL for Integrated Network of Adaptive Traffic Signal Controllers
《Multiagent Reinforcement Learning for Integrated Network of Adaptive Traffic Signal Controllers (MARLIN-ATSC): Methodology and Large-Scale Application on Downtown Toronto》使用多代理强化学习(MARL)方法可以设计高效且稳健的...
2018-10-11 23:11:51
378
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人