作品一：《基于高频激光传感器的新型轮迹横向分布测量方案》
一、研究目的：
不同地区轮迹横向分布的特征各有差异，这就突出了路面结构不均匀设计的重要性，轮迹横向分布系数可以客观地描述车辆轮迹横向位置的分布特点，对于精确地进行路面结构力学分析具有重要的意义。
现有测量轮迹横向分布的方案为人工摄像法，这种方法操作难度高，人力消耗大，难以进行长期、多路段的测量，限制了相关领域的研究，给科研带来不便。我们希望能够提出一种全新的、自动化的、无人值守的轮迹横向分布测量系统及测量方法，实现车型和车轮分类自动检测、交通调查、分车型车速检测以及公路轮迹横向分布观测。
如果实验达到预期效果，希望能以此为契机，详细研究轮迹横向分布规律，给精细化进行路基路面结构设计提供数据基础。
二、基本思路：
通过设计一种轮迹横向分布测量设备，可以测得的数据包括车辆水平剖面一侧到路肩的距离、车辆水平剖面一侧的形状和尺寸特征。
1.通过双激光测距传感器固定在路肩位置，垂直于行车方向进行测量，当车辆经过时扫描其外轮廓断面，获取距离数据
2.通过双传感器测量到的数据时间差来确定车辆速度
3.通过得出的车辆速度对原始数据进行计算，消除速度对轮廓的影响
4.通过特征曲线的匹配识别车辆的车型
5.定位目标车辆的轮迹位置，同时获取轮迹横向距离，完成本辆车的测量和识别。处理下一辆车辆……
将这些数据进行分类，即可实现对目标路段的轮迹横向分布自动测量，达到目的。
三、创新点：
以往的轮迹横向分布测量方法十分的繁琐和危险，需要1封路2人工在车道上喷漆标尺3架设两台摄像机4测得数据不够精准和客观。我们这次项目创新点就是解决了以往测量方法中遇到的问题，设备的可使用性提高，设备更加轻便快捷而精准。不再需要封路标尺，不再需要两台摄像机，测得的数据更加的精准，测得的数据更加的客观。
四、技术关键：
①.高频激光数据的采集和存储。
②.测量仪的位置和角度实现自动调整至与目标道路匹配。
③.目标车辆的速度计算。
④.目标车辆的车型识别。
⑤.摘取目标车辆中轮迹横向距离。
作品二：《大数据下综合解决共享单车堆集停放问题》
研究目的：
当前共享单车市场规模非常大，且处于高速发展中。据中商产业研究院发布的《2018-2023年共享单车行业市场前景及投融资战略研究报告》预测：2018年国内共享自行车市场规模将达178.2亿元，增速达73.3%。到2020年，国内共享自行车市场规模或将突破300亿元。共享单车不仅迅速扩大了国内市场，这两年也在逐渐进入国外市场，拿ofo来说，ofo已经在中国城市街道投放了1000万辆无桩单车，在全球另外19个国家投放了10万辆无桩单车，其中包括大力进军的英国和美国市场。所以总的来说，我们看到了共享单车在当前有很大的发展势头。除了市场规模的发展外，我们国家多次颁布政策来规范共享单车行业。
那么问题来了，共享单车的发展已经有好几年了，但是在当前我们几乎随处可见共享单车乱停乱放等问题，相当一部分小区物业限制共享单车进入等等，规范化共享单车停放的解决力度仍很有限。我们小组针对共享单车停放的一些典型问题就行研究，制定出相关的解决方案，下面就共享单车停放问题和解决对策进行详细说明。
方案一：立体“电梯式”停车站
基本思路：
在某些人流集聚地（比如地铁站、公车站、旅游景点），共享单车在某个点位的停放数量特别多，特别是在上下班高峰期或节假日，很多时候这些点位完全无法容纳这么多的单车，比如深大地铁站C出口、深圳湾公园。结果就是单车堆放满人行道甚至挤到机动车道上，严重影响交通和市容。通过地理位置引导分流收效甚微，所以我们提出一个利用垂直空间的装置，可以容纳比原来的空间多几倍数量的单车，通过一系列优化设置，保证安全和高效存取车。
创新点：
1、本装置合理高效利用空间；
2、将立体轿车停车装置转化成符合共享单车特点的立体停车完整装
置；
3、能同时提供给多位用户进行存取操作；
4、人为设定机动停放区，减少机械运行；
5、划定故障区，有利于企业对故障车的维修管理；
6、装置简单、安全、可复制性强。
方案二：车辆自装卸装置
基本思路：
鉴于当前人工搬运共享单车的缺点：时间长、投入人力大，机械化程
度约为零。受垃圾车装载垃圾启发，我们将机械臂与承板结合，实现对共享单车成批次机械化装卸，最大限度地降低人力劳动，大大减少在单个点位的装卸时间，有利于实现点与点之间的运输管理。
创新点：
1、发明机动停车板，用于批量化装卸共享单车；
2、机械化程度高，极大地降低人工劳动程度；
3、大数据的应用精准定位单车投放点并实时指挥运输车辆进行单车的回收与投放，做到企业效率最大化；
4、效率高，大大缩短装卸单车的时间，有利于对共享单车的动态管
理；
5、可与方案一的立体停车站配套使用，相辅相成；
技术关键：
1、实现机械功能机构的具体设计。
方案三：鼓励停车区域
基本思路：
我们提出通过建立鼓励机制管理共享单车停放。我们都知道目前人行道单车停放区不多、不明显。有时一些共享单车用户想找个停车的地方都没有，鉴于当前民用GPS定位精度高，可精确至一米，我们可通过定位引导用户将单车停放至划分区域，以达到单车不乱停乱放的底线。虽然这几年随着共享单车的发展，有些发达城市已在路政上规划了单车停放区域，但也缺少定位指引功能。该机制的鼓励方式为通过减免用户使用共享单车的费用或者增加支付宝绿色能量、解锁环保勋章等小奖励，鼓励用户用车后停好车。
为实践本方案，需做以下前提工作：
1、利用共享单车公司的服务器对单车停放记录进行检索，定出常用
停车区域；
2、与路政相关部门协商，到各个停车区域进行实地划分；
3、开发简单的潜暗示界面，引导用户到指定区域停放单车；
4、完善鼓励机制等。
创新点：
1、新型的引导停车机制；
2、结合服务器的大数据，制定出常用停车区。
3、通过奖励推动用户将单车停放至机动停车板上，配合方案一与方案二装置实现整套的共享单车停放及运营管理。
技术关键：
1、开发利用大数据确定停车区域的算法；
2、鼓励机制（建议仅使用本项目提及的内容，不建议使用复杂繁多的内容）
作品三：《基于大数据的无人驾驶公交系统运营模式设计》
研究目的：
无人驾驶技术是近几年来交通领域讨论火热的话题，许多互联网科技公司如谷歌、微软、百度等，还有一些汽车行业公司如特斯拉、Uber、丰田等都在积极地展开无人驾驶技术的研究，并且都取得了一定的成果。但是在经过对相关资料和文献的查阅，我们发现，国内对于无人驾驶技术在公共交通这一领域的应用还是相当局限的，特别是无人驾驶技术在公共交通的运行模式上的应用。
进过调查研究，我们发现，由于城市存在着人口密集、土地资源有限等问题，因此公交系统在城市的发展中扮演着十分重要的角色。但是现有的公交系统的运营过程中存在着许多我们无法回避的问题，如车辆空载率高、系统运营效率低、服务水平低等问题。本项目中将无人驾驶技术引入公共交通系统中，对引入无人驾驶技术后的公共交通系统应用设计的运营模式，以此来尝试解决上述提到的现行公共交通系统存在的各种问题。下面就问题的解决进行详细的描述。
基本思路：
为了更好地进行研究，我们小组立足于无人驾驶技术，将以上问题具体化为一下两条：
1、无人驾驶公交系统该怎样去运营？
2、它是不是还有必要延续传统公共交通系统的模式，需要设置固定的线路和站点？
基于这些想法，本项目拟设计一个针对无人驾驶公交系统的运营模式，该模式主要包括了三个步骤：乘客的选择、上下车地点的确定和路径规划。
首先，我们确定了无人驾驶公交系统的基本运营规则，乘客必须先通过手机APP输入其出行时间和起点终点并下单，再由系统选择接受或拒绝其订单。建立了基本规则后，我们将无人驾驶公交系统的运营模式简化为三步，再对每个步骤进行建模。
第一步，我们应该如何选择乘客？由于每个乘客的上下车地点、路径、出行时间都不尽相同，为了保证公交车的服务水平，减少乘客的等待时间、步行和绕行距离，我们需要挑选出OD、路径、出行时间都相近的乘客乘坐一辆车。在具体的实现上，我们通过分析乘客的出行信息，在一个时间段约束范围内，对路径重合率进行排序，将路径重合率高的乘客分配至同一辆公交车。
完成了选择乘客后，我们的第二步是决定乘客应该在哪里上下车。考虑到非固定的站点拥有更强的适应性，因此，在站点的规划上，我们选用非固定性的站点模式。通过对乘客上车地点的分析，使用密度聚类的BDSCAN算法，挑选出合适的上车地点，减少乘客出行的步行距离。
在保证了前两步的算法之后，第三步是设计车辆的运行路径。这一步我们采用动态规划的算法，根据第二步确定的OD，计算公交车运行的最短路径。
在完成了所有的算法设计后，我们对算法进行了仿真验证。考虑到校园环境相对封闭，可以减少外界的干扰，同时，在工作日期间学生因上下课产生大量的出行OD，学校为满足师生的出行需求，配备有校园的公交系统。因此，我们采用深大校园的数据进行仿真并与校内公交进行对比。通过对数据的仿真实验，我们得到了多条动态的路径以及接送乘客的站点，分析无人驾驶公交车的数据并与原校内公交进行比对，最后得出结论。
创新点：
本项目的创新之处在于：
1、相比现有校内有人巴士的定点定线运行，该运营模式可以利用无人公交的高度智能化、自动化做到利用乘客网上约车所实时获得的出行需求数据进行动态线路规划
2、能够快速确定乘车人选、上车位置、沿途停靠位置以及匹配车辆数，且能随时根据接收到的出行需求规划路线。
3、能够使所规划的路线实现乘客等待时间最少、乘客乘车方便和车辆行驶路径最优，
4、能够在满足大多数人的出行需求的同时使每一辆巴士的利用率达到最高，并降低了巴士空载率。
技术关键：
本项目的技术关键主要是乘客选择与安排车辆、通过应用聚类算法建模，确定同一区域的上车地点以及对每一辆生成的公交车辆进行路线的动态规划设计。
1、乘客选择与安排车辆算法的设计
2、用聚类算法，对乘客上车地点建模
技术指标：
1、每个乘客的路线长度L
2、每个乘客的预约时间T
3、聚类算法领域半径阈值Eps
4、聚类算法参数K-距离曲线
以上为参赛的三个作品主要内容！
