学术背景 在现代供应链管理中，物流服务商的选择是一个复杂且关键的问题。企业需要评估和选择能够高效管理和执行物流任务的第三方企业或组织。然而，现实中的决策过程往往涉及大量的不确定性和模糊性，传统的决策方法难以有效处理这些复杂信息。为了解决这一问题，模糊集理论（Fuzzy Set Theory, FST）及其扩展形式，如直觉模糊集（Intuitionistic Fuzzy Sets, IFS）和犹豫模糊集（Hesitant Fuzzy Sets, HFS），被广泛应用于多属性决策（Multi-Attribute Decision Making, MADM）问题中。 近年来，直觉犹豫模糊集（Intuitionistic Hesitant Fuzzy Sets, IHFS）作为一种新的模糊信息表示工...

学术背景 随着全球气候变化的加剧和空气污染问题的日益严重，减少交通运输领域的碳排放和污染物排放成为各国政府和研究机构的关注重点。重型卡车（Class 8）作为美国货运的主要工具，贡献了大量的柴油尾气排放，尤其是细颗粒物（PM2.5）和氮氧化物（NOx）。这些排放不仅加剧了气候变化，还对公众健康，尤其是弱势社区和少数族裔群体，造成了不成比例的影响。尽管电气化被视为减少卡车尾气排放的有效手段，但其对电网的依赖可能导致电力生产设施的污染物排放增加，从而可能转移污染负担。因此，评估卡车电气化对空气污染差异的影响，尤其是对弱势社区和少数族裔群体的影响，具有重要的现实意义。 美国《通货膨胀削减法案》（Inflation Reduction Act, IRA）旨在通过投资清洁能源和电网脱碳来推动公平的能源...

基于视觉道路场景的驾驶员压力估计研究 学术背景 驾驶员压力是导致交通事故、伤害和死亡的重要因素。研究表明，94%的交通事故与驾驶员相关，其中注意力不集中、内外部分心、速度控制不当等都与驾驶员的压力密切相关。因此，识别和管理驾驶员的压力状态对于提升驾驶体验和安全性至关重要。然而，现有的驾驶员压力识别方法主要依赖于生理数据（如心率、皮肤电活动等）或车辆操作数据（如方向盘和踏板活动），这些方法通常需要佩戴设备或缺乏对驾驶环境的全面考虑。相比之下，基于视觉道路场景的分析为驾驶员压力估计提供了一种无侵入式且具有广泛适用性的解决方案。本研究旨在探讨视觉道路场景对驾驶员压力估计的贡献，并通过机器学习模型验证其有效性。 论文来源 本论文由Cristina Bustos、Albert Sole-Ribalta...

基于LiDAR引导的几何预训练方法提升视觉中心3D目标检测性能 背景介绍 近年来，多摄像头3D目标检测在自动驾驶领域受到了广泛关注。然而，基于视觉的方法在从RGB图像中精确提取几何信息方面仍面临挑战。现有的方法通常利用深度相关任务对图像骨干网络进行预训练以获取空间信息，但这些方法忽略了视角转换的关键问题，导致空间知识在图像骨干和视角转换模块之间存在错位，从而影响了性能。为了解决这一问题，本文提出了一种新颖的几何感知预训练框架——GAPretrain。 论文来源 该论文由Linyan Huang, Huijie Wang, Jia Zeng等作者撰写，他们分别来自厦门大学人工智能系、上海AI实验室OpenDriveLab以及上海交通大学。论文发表于《International Journal ...

智能船舶自动驾驶的非线性固定时间强化学习优化控制研究 近年来，智能自动驾驶技术逐渐成为自动化控制领域的研究热点之一。在复杂的非线性系统中，优化控制策略的设计，尤其是在固定时间内实现系统稳定性和性能优化方面，是控制工程师和研究人员面临的重要挑战之一。然而，现有的固定时间控制理论在实现系统状态收敛时，往往忽略了资源利用效率和平衡问题，这可能导致过度补偿或欠补偿的现象，从而使系统的稳态误差增加。此外，对于如何在时间限定内实现非线性不确定性估计误差的最小化，相关研究依然较少。因此，本研究旨在提出一种自适应复合固定时间强化学习优化控制解决方案，进一步解决这一关键问题。 研究背景及目的 固定时间控制理论自提出以来，由于收敛时间不依赖于初始状态的特点，其应用得到了广泛关注。相比有限时间控制方法，固定时间控...