产品详细介绍Prescan自动驾驶仿真软件一、简介PreScan是德国Seimens西门子公司旗下汽车自动驾驶仿真软件产品，Prescan是以物理模型为基础，开发ADAS和智能汽车系统的自动驾驶仿真平台。支持摄像头、雷达、激光雷达、GPS，以及V2V/V2I车车通讯等多种应用功能的开发应用。 PreScan基于MATLAB仿真平台，主要用于（ADAS）汽车高级驾驶辅助系统和无人自动驾驶系统的仿真模拟软件，其包括多种基于雷达，摄像头，激光雷达，GPS，V2V和V2I车辆/车路通讯技术的智能驾驶应用。支持模型在环（MIL），实时软件在环（SiL），硬件在环（HiL）等多种使用模式。北京津发科技股份有限公司作为德国Siemens西门子公司正式签约合作伙伴，旨在进一步加深双方商业、技术合作，开辟新市场，为无人驾驶领域贡献积极力量。二、软件概览智能汽车自动驾驶仿真系统在PreScan中的仿真实现如下图所示。智能驾驶仿真实现      特点1. 场景工况      交通要素数据库快速场景构建Euro NCAP   ×11NHTSA ×12ISO ×19ADAC ×9eValue   ×4Opendrive importerOSM importerIBEO importerGIDAS/CIDAS importer2. 传感器&通讯 19种传感器类型包括Mono cameraStereo cameraFisheye cameraRadarLidarUltrasonicAntennaRadioDSRC V2XLane marker sensorObject sensorDepth sensor3. Matlab Simulink 基于Matlab Simulink平台4. 执行器&人机界面 车辆动力学模型PreScan modelCoupling to 3rd party   modelAMESimLMS Virtual.Lab MotionCarSim………三、详细功能软件详细功能 特点描述交通场景建模型 ●Roads 道路模型●Database of road types 道路数据库●Environment 环境模型●Road users 道路使用者●Weather & Lights 天气光照传感器模型 ●Camera, fisheye, mono, stereo摄像头、鱼眼、单目及双目摄像头●Radar 毫米波雷达●Laser and lidar   激光雷达●Ultrasonic   超声波雷达●V2X sensors   车车/车路通讯传感器●Ground truth sensors 真值传感器●Ground truth Sensor   真值传感器ADAS algorithm implementation   控制算法仿真集成 ●Model in the Loop   模型在环通过MatLab/Simulink平台，可以引入各种编程工具开发的算法代码。●Hardware in the Loop   硬件在环也可以直接引入ECU硬件，构成硬件在环试验台Driver model驾驶员模型 ●根据理想路径以及车辆当前位置计算车辆转角信号输出。●根据理想速度以及车辆当前速度计算油门、刹车信号。不再遵循原先定义的路径。●Driver in the loop   驾驶员在环Vehicle actuation modelling   车辆执行器建模 ●2D bicycle dynamics model 2D动力学模型●3D two track dynamics model 3D动力学模型●6DOF sprung body à x, y, z, roll, pitch, yaw 六自由度车辆状态计算●Usage: on PreScan’s 3D roads (i.e. roads with a height profile)   适用PreScan 3D路面仿真●3rd party dynamics model import 外部车辆动力学模型导入Test Automation (TA) 自动化测试 ●Select variables (GUI)   选择自动化测试参数●Set-up variables (MATLAB)   使用模板编写自动化测试脚本●Run test automation script (MATLAB)   运行脚本●Compare results (MATLAB)   获得自动化测试报告Demos ●PreScan标准安装包自带128 个demo场景，所有的场景模型以及系统控制算法完全对用户 开放●PreScan标准安装包自带19个智能驾驶系统传感器●PreScan标准安装包自带30多个智能控制算法模型，所有系统控制算法完全对用户开放、可编辑修改●PreScan标准安装包自带43个交通道路参与者及执行器，并支持导入用户自定义的第三方3D模型●PreScan标准安装包自带134个ADAS仿真系统模型，这些案例所含的场景模型、系统控制算法、执行器模型完全对用户开放功能插件 ●大规模交通流自动生成器●IBEO扫描数据自动转换为PreScan仿真场景●IBEO扫描数据自动转换为PreScan仿真场景●摄像头物理模型●基于统计学性能的雷达模型●GIDAS事故数据库自动导入PreScan仿真场景●升级版车车通讯传感器模型●PreScan和PTV Vissim软件耦合计算四、应用案例1.MCity使用PreScan验证测试场设计2.车道保持系统硬件在环（HIL)测试平台3.自动驾驶系统硬件在环（HIL)测试平台4.自适应巡航/自动紧急制动系统ViL测试平台5.基于Nvidia PX的人工智能硬件在环测试平台

本发明公开了一种基于 MapReduce 的负载自适应的任务调度方 法，包括：(1)动态监测 Hadoop 集群负载状态，(2)动态监测集群各执 行节点在执行任务过程中产生的软件信息，(3)动态监测集群各执行节 ·841·点在执行任务过程中的硬件信息，(4)汇总步骤(1)、步骤(2)及步骤(3) 中采集的集群各执行节点的负载监控信息、软件监控信息以及硬件监 控信息三方监控信息，建模计算集群各执行节点的计算能力，(5)执行

本发明公开了一种虚拟化环境下动态实时 CPU 调度系统，属于 计算系统虚拟化技术领域。本发明包括网络包监控模块、信息收集模 块以及实时 CPU 调度模块，无需用户设置虚拟机类型及调度参数，能 够通过分析虚拟机发送或接收的网络包的方式动态识别虚拟机的类型 以及获取虚拟机所需的调度参数。本发明可以根据动态获取的信息及 时的调度实时虚拟机，从而保证运行于虚拟机内的实时应用的性能。 本发明与现有技术相比，消除了用户管理虚拟机

本发明公开了一种面向 NUMA 架构的 VCPU 调度优化方法，具 体地：采集每个 VCPU 的访存信息，分析计算各 VCPU 的访存特征； 根据每个 VCPU 的内存块位置和类型，在将访存密集型 VCPU 平均分 配到不同 NUMA 节点的基础上，保证最大限度的本地内存访问；当存 在空闲的 CPU 时，根据 CPU 负载大小以及 CPU 所属节点信息，为该 空闲的 CPU 选取一个合适的 VCPU 来运行。本发明针对访存密集型应

本发明提出了一种基于时间-能耗重要性比重的并行任务调度算 法，在满足时间和能耗的双重限制下，实现异构并行系统下任务所用 时间和能耗的权衡优化。本发明考虑到实际情况中任务受各种因素的 影响，执行时间不是固定且确定的，而是近似于正态分布，因此在确 定任务调度顺序时，不采用以往技术中使用执行时间平均值的方法， 而是将执行时间的平均值和方差同时考虑进来使用近似权重。在任务 分配阶段，同时考虑时间和能耗这两个性能指标，并能根据

本发明公开了一种基于用户距离的基站天线调度方法，具体为：首先进行系统初始化，其中包括确定为保证通信的最低信干噪比和基站天线总数，首先基站向服务的本小区用户发送导频信号，用户接收导频信号并计算其与基站之间的距离，然后用户将其距离值发送给本小区基站，基站根据保证基站与用户通信的最低信干噪比以及用户到基站的距离来确定调度天线的个数。本发明适用于发送端配备多天线，接收端配备单天线的大规模多输入多输出蜂窝网络场景，根据小区中不同用户的信干噪比质量不同，基站调度天线数不同，节省了维持多余天线工作的静态能量。同时，每次调用后剩余的天线还可以为其他用户服务，从而提高了下行链路的平均能量效率。

本发明公开了一种基于带宽感知的 Hadoop 调度方法，包括：对Hadoop 任务调度建立一个作业时间完成模型，为 Hadoop 调度系统建立一个数学模型，将 Hadoop 的任务调度问题转化为一个为待调度的作业寻找一个使得该作业的作业完成时间最短的任务调度方法的问题；利用 SDN 提供的实时网络管理与流量控制功能，提出了一种基于时隙的网络带宽分配机制，将每一条链路的剩余带宽的占用期划分为相等的时隙，在作业完成时间模型和网络时隙带宽分配机制的基础之上；在为某个任务分配计算节点之前，综合考虑任务的本地性与实时网络带宽情况，为每一个任务分配一个能够提供最早完成时间的计算节点。本发明解决了现有方法中不能同时从全局视角和实际网络可用带宽两方面进行任务调度的问题。

成果的背景及主要用途： 天津大学结合三门峡水利枢纽管理局委托“三门峡枢纽多模目标优化调度研究”项目和教育部骨干教师基金“粘性泥沙的力学模型和人工智能模拟复合模拟研究”项目开展了多沙河流水库水沙电的多目标优化调度的研究工作。采用科学的理论方法和先进的技术手段，创新地研究调度管理系统中涉及的水文预测、泥沙冲淤的智能快速模拟、高含沙洪水的“揭河底”现象的特征机理、多目标优化调度、实时短期调度、调水调沙等问题，以便使水库优化调度管理系统更科学化、智能化、系统化。本研究项目的进行与研究结果，有利于协调解决目前防洪、供水、泥沙淤积与蓄水发电等多目标的优化调度的问题，确保在改善多沙河流水库库区、下游水库及其河道的泥沙淤积情况的同时增加发电量，提高社会效益和经济效益，在全国用电紧张、更加注重社会效益和生态效益保护的今天，本项目的研究有重大的现实意义和实用价值。 技术原理与工艺流程简介： 本项目主要利用混沌神经网络模型对黄河中下游中长期径流和含沙量进行了预测，并利用模式识别的方法随机模拟了洪水过程中的流量过程线和含沙量过程线；对影响潼关高程和水库泥沙淤积量的相关因子进行优选，并利用其训练神经网络；将 BP 人工神经网络模型运用到径流量的预测，水库泥沙淤积、潼关高程中去，进行计算和预测；建立随机微分方程模型，确定水库断面水库进行多目标优化调度。在完成上述专业模型系统的设计开发基础上，将利用多目标系统决策分析理论，通过从下到上逐级控制，并协调各子系统的运行关系，使各子系统既能实现各自目标，又能满足彼此的制约关系，从而实现整个枢纽的综合最优调度。 技术水平及专利与获奖情况： 该项成果达到国际先进水平。应用前景分析及效益预测：水库多目标优化调度的效益极为明显，往往是在不增加水利枢纽运行和管理成本基础上实现的效益，在水资源日益短期的形势下，其重要性也日益突出。本项目所研究的多沙河流以水、沙、电多目标优化调度系统，可为解决防洪、供水、发电与减淤的矛盾提供新的技术手段和理论方法，可以应用到黄河等多沙河流的各个水利枢纽的优化调度运行中，能实现水库枢纽经济效益、社会效益和生态效益的综合优化及和谐统一。还可以应用到含沙量较小（但又必须涉及泥沙问题）的河流上的各个水库枢纽上，如三峡水库等，应用范围极为广泛，具有广阔的应用前景。 应用领域：水利水电工程运行管理。 合作方式及条件：技术服务。

本发明公开了一种用于紧凑式热带生产的热轧调度方法，以最小化无委材数量、最小化同一轧制单元内相邻两块板坯间最大厚度改变量、板坯厚度的改变时间为目标，建立包括无委材优化模型和板坯厚度优化模型的热轧生产调度模型；根据实际热轧生产过程中的工艺约束确定上述无委材优化模型和板坯厚度优化模型的约束条件；采用改进的启发式算法对无委材优化模型进行求解，获得最优轧制单元的数量和无委材的数量；采用基于分解的多目标进化算法对板坯厚度优化模型进行求解，获得最优相邻板坯之间厚度的改变值和最优的厚度改变时间；本发明所提供的方法获得的调度计划优与人工编制生产计划相比，可有效地减少板坯规格跳跃费用和换辊费用，降低生产成本。