基于空间离散的最短路径求解法及其局部优化方法

提出了一种基于空间离散的最短路径求解法，该法利用复杂表面的空间离散信息，从已知的两点中估算与其相连的一点的距离，递推式求取一点与其他点之间的最短距离。计算获得了各点与起点和终点的距离后，再把它们相加，依据与起点的距离的大小，顺序把距离和最小的结点连接起来，这样获得了最短路径的邻域路径，然后对最短路径的邻域路径的各点进行迭代式更新，从而获得局部优化，最终获得最短路径。经过对例子的计算及分析，表明该方法普适性强、可靠及有效。     

混沌模拟退火最短路由算法的事后处理技术

基于混沌模拟退火神经网络的最短路径路由算法，虽然能有效地克服Hopfield神经网络易陷入局部最小值的缺点，但对节点数较多的网络，仍有缺陷。引进了一种事后修正机制，即在结果修正时，结合具体问题，充分考虑解的合法性，根据神经网络的输出矩阵，依次找到该行的最大值，确定与该节点相连的下一个最短路径节点。仿真结果显示既使网络节点数较多，这一算法仍运行良好且能以较大的概率找到全局最优解。     

考虑决策者后悔规避的瓦斯爆炸案例决策方法

针对案例决策中决策者存在心理行为的问题，提出了一种考虑决策者后悔规避的瓦斯爆炸案例决策方法。首先，在案例属性相似度计算中，将问题属性拓展到符号型数据、精确数、区间数、三角模糊数、多粒度语言变量和直觉模糊数6种类型。然后，在测算属性相似度的感知效用时，考虑决策者对属性相似度的后悔规避心理行为，通过加权求和计算案例相似度。进一步，计算案例实施效果的感知效用，再通过集结案例相似度和实施效果的感知效用得到综合感知效用，并依据综合感知效用大小生成最优的备选方案。最后通过一个算例，说明该方法的可行性和有效性。     

乌鲁木齐河年最大流量的混沌特征研究

本文利用乌鲁木齐河年最大洪水流量的时间序列．从吸引子的关联维数分析了32年来乌鲁木齐河年最大洪水流量变化的混沌性质及其特征．对认识该系统的特征提供了更多有意义的信息．     

复杂环境下动态车辆路径问题的建模与求解

针对复杂环境下带时间窗的动态车辆路径问题(dynamic vehiclerouting problem with time windows,DVRPTW),构建了一个考虑多个优化目标的该类问题的混合整数规划模型和状态转换模型,设计了求解规划路径的计算方法,建立了环境复杂度指标对实验环境进行准确描述和合理评价.模型从实际应用系统的需求出发,针对实际交通网络中任意一条路径均可能发生交通不畅或阻塞的情形,采用最短行驶时间对路径进行优化,并引入模糊集合理论对路况进行更准确的描述.实验结果显示,对于复杂环境下随机生成的DVRPTW问题,该模型具有较强的可行性和实用性.     

GMPLS网络中约束最短路径优先算法研究

针对GMPLS网络中求解最短路径问题，提出了一种具有共享风险链路约束的启发式约束最短路径优先路由算法，对该算法的有效性和可靠性进行了比较全面的仿真测试，仿真结果显示此算法提高了网络资源的利用率，减少了网络的阻塞，同时降低了链路失效时的风险，提高了网络的强壮性和可靠性．     

基于模拟退火算法的曲面最短路径求解

通过对路径的节点序列内在关联性的分析,提出了适合曲面最短路径问题的邻域结构,使整段路径的优化问题能够通过局部调整得以实现．将模拟退火算法的框架引入路径寻优中,提出了解决曲面最短路径的随机搜索算法．最后给出了数值仿真实例．     

改进的K最短路径算法在通信网络中的应用

经典的K最短路径算法是最短路径算法中一个重要分支,它在交通网络的实时路径选择中起到了很重要的作用,为了将经典的K最短路径算法应用于通信网络中,我们对经典的K最短路径算法进行了改进.在求解K最大期望容量路径算法时,先对其进行权重转换,然后使用MPS算法;在求解K最大容量路径算法时,选取每个弧段源点,终点和弧段对应3个容量值最大的来进行标号;在求解K最大期望容量路径时,建立一系列的子网络,在每个子网络中先求出K最大可靠路径,对其容量进行排序,选出最小的,将大于该最小容量的所有弧集构成的网络定义为它的子网络,以此类推直到源点到目标点没有路径为止,对每个子网络中选取的K最大期望容量路径进行统一排序得到原网络中的K最大期望路径.通过网络通信实例,验证了算法的正确性和可行性.     

最短路径在Arcgis空间分析中的实现

针对公路修建规划过程中如何选址的问题,提出了一种结合地理信息系统技术的选址模型,该模型是利用Arcgis中的Spatial Analyst模块,数据基础是研究区的DEM数据,通过对河流、坡度、起伏度这三种地形影响因子进行综合处理后,实现了最短路径的选择,并结合Arcgis中的三维分析扩展模块3D Analyst实现了最短路径在三维地形中的可视化,从而为用户提供一个更加直观的可视化环境.     

基于遗传算法的静态环境全局路径规划

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题.作者提出了基于遗传算法的静态环境下机器人全局路径规划方法.该方法首先提出机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,然后将需规划的路径的二维编码简化成一维编码,并把免碰撞要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真表明,提出的全局路径规划方法是正确和有效的.     

基于贝叶斯网络的稀疏出租车GPS轨迹路径还原方法

为提高出租车GPS大数据的可用性, 提出一种基于贝叶斯网络研究稀疏出租车GPS轨迹路径还原的方法. 与传统仅基于时空变量的研究方法不同, 新算法同时考虑天气条件、驾驶员特性、车辆行驶特性与出租车的载客状态等因素来进行路径还原预测. 以宁波市体育中心周围的路网为例, 将出租车服务信息管理平台的GPS轨迹数据作为测试对象, 验证本文方法的适用性. 结果显示, 基于多因素的贝叶斯网络方法在还原精度方面(达到91.4%)优于Logit选择模型. 此外, 新算法尤其适用于出租车轨迹数据缺失率较高的场景, 比如缺失轨迹点跨度在5 min左右.     

交通事故的时空热点分析

针对目前交通事故分析中时空维度分离的不足，以H市2013―2015年的交通事故数据为研究对象，根据自组织神经网络、平行坐标系、时空颜色矩阵和时空网络核密度估计、热点分析法，分别从行政区划以及道路网络上进行交通事故的时空特征分析，从宏观和微观角度揭示交通事故的时空热点区域。结果表明，整体来说，在空间上，H市交通事故热点区域4个街道高于8个镇，呈明显的“两带一中心”分布，即硖许线与101省道形成的带状区域和市政府所在的行政中心区域；时间上，早、晚高峰时段最为严重，夜晚较为轻微，呈明显的区域特征分布，即工业办公区热点出现在早高峰时段，生活住宅区热点出现在晚高峰时段，商业消费区热点出现在夜晚时段。     

基于改进兴趣度度量与Apriori算法的交通事故多发点成因分析

人、车、路、环境和交通管理构成了道路交通系统，造成道路交通事故的原因是综合、复杂的。正确快速地分析事故成因，有助于提升交通管理水平，减少交通事故的发生。近年来，关联规则模型及其扩展在事故多发点成因分析中备受关注。针对关联规则分析中传统的兴趣度度量方法和Apriori算法的局限，考虑小概率因子对交通事故的影响，提出了改进的交通事故多发点成因分析方法，明确评价因素和结果之间的关联程度，提高挖掘效率。基于浙江省某市交通事故数据，结合人、车、环境与时空因素对方法进行了验证，并对方法的分析效率和结果的有效性进行了讨论。     

与城市共生的大学社区——加拿大卡尔加里大学可持续校园规划建设解析

从开放性、社区化的规划设计视角,分析了加拿大卡尔加里大学校园的可持续规划建设情况.总结其可持续校园规划建设的策略与措施,包括:开放型、社区化的规划理念,紧凑型发展的规划布局,与城市道路系统有机结合的校园交通结构,行人优先的校园道路系统以及人性化校园交往空间的建设等.这些系统性、层级化的设计措施推动了高品质绿色校园空间的形成与发展,其经验值得我国在建设绿色大学校园时借鉴.     

地方性城市静态交通现状特征与优化研究——以杭州市萧山城区为例

针对地方性城市“停车难、乱停车”等静态交通问题,以杭州市萧山区为例,对其城区各类停车设施的分布状况与利用现状进行分析,认为城市静态交通设施总量不足、设施结构不合理和停车秩序混乱是其主要问题所在,并据此对地方性城市静态交通困境产生的原因进行剖析,提出静态交通建设对策及在萧山城区的具体优化措施．     

成都市主城区“两抢一盗”犯罪的多尺度时空格局研究

以四川省成都市三环内城区为例,使用标准化犯罪强度指数和核密度估计方法,对成都市“两抢一盗”犯罪者行为的时空规律进行研究。结果发现,成都市中部和中北部存在2个稳定的犯罪热点;在年内月尺度上,“两抢一盗”犯罪案件集中在商贸区、住宅区和火车站,月内日尺度上,犯罪热点存在“波动式”空间偏移,月内周尺度上犯罪热点以原热点为基础,呈现明显的外延式空间偏移,日内时尺度上,犯罪热点沿主要道路转移。犯罪成因分析和影像图片分析表明,成都市“两抢一盗”犯罪以流窜作案为主,犯案者与复杂的环境因素在时空上的交互作用导致了作案地域的演变。整体来看,基于案件汇总数据的“两抢一盗”犯罪多尺度时空分析,可以在一定程度上解释区域内犯罪者的犯罪行为规律。     

成都市主城区“两抢一盗”犯罪的多尺度时空格局研究

以四川省成都市三环内城区为例,使用标准化犯罪强度指数和核密度估计方法,对成都市“两抢一盗”犯罪者行为的时空规律进行研究。结果发现,成都市中部和中北部存在2个稳定的犯罪热点;在年内月尺度上,“两抢一盗”犯罪案件集中在商贸区、住宅区和火车站,月内日尺度上,犯罪热点存在“波动式”空间偏移,月内周尺度上犯罪热点以原热点为基础,呈现明显的外延式空间偏移,日内时尺度上,犯罪热点沿主要道路转移。犯罪成因分析和影像图片分析表明,成都市“两抢一盗”犯罪以流窜作案为主,犯案者与复杂的环境因素在时空上的交互作用导致了作案地域的演变。整体来看,基于案件汇总数据的“两抢一盗”犯罪多尺度时空分析,可以在一定程度上解释区域内犯罪者的犯罪行为规律。     

基于排名学习和多源信息的地图匹配方法

融合多源信息能有效提高地图匹配的准确率。已有的地图匹配方法依赖于数学模型,当引入新类型的数据时, 需要重新设计数学模型或调整模型参数。为解决该问题,提出了一种端到端的数据驱动地图匹配方法。该方法不需要建立具体的数学模型，只需从匹配结果已知的数据中学习候选道路的评分函数：选出某GPS点的候选道路，利用评分函数对所有候选道路进行打分，选择分数最高的道路作为地图匹配结果。实验结果表明,该方法能直接利用新类型的数据提高地图匹配的准确率，能在数据缺失时避免准确率急剧降低。此外，具有与基于HMM方法相近的准确率和与基于夹角特征和距离特征方法相当的速度。     

基于深圳市出租车轨迹数据的高效益寻客策略研究

出租车作为城市公共交通的重要补充形式,在居民日常出行中发挥着重要作用.然而,客源时空分布不均衡导致了出租车空载率高、寻客难度大等问题,降低了出租车的运营效率.随着ITS（intelligent transport system）技术的发展,越来越多的学者将出租车寻客模式作为其研究点,目前尚缺乏对基于寻客效益指标的寻客策略方法的研究.为了提高出租车寻客效益,提出了基于寻客效益指标模型的时空分析方法,将出租车载客态单位时间收入E及相邻空载态寻客时间T相结合作为寻客效益评价指标,并采用数理统计与地理统计相结合的方法,对高效益客源的时空分布特征进行研究.采用深圳市2011年4月18-24日一周内13 798辆出租车的GPS轨迹数据,分析了深圳市出租车的运营特点及人们出行需求的时空分布特征.结果表明：该方法能够较好地反映高效益客源的时空分布特征,为出租车高效益寻客提供辅助决策支持,也为出租车高效运营提供了新的视角.     

基于因素分析的出租车运力规模预测

随着网约车的兴起和城市公共交通建设的不断完善, 传统出租车行业面临的竞争不断加剧, 可能出现出租车运力规模过剩的问题. 通过影响因素分析, 筛选8个主要因素, 构建了基于多元回归的出租车运力规模关系模型, 利用宁波市客管局实测数据进行模型标定, 并引入网约车修正系数, 预测未来年的出租车运力规模. 结果表明: 2017年宁波市出租车运力需求为增长态势, 而巡游出租车运力规模因网约车的冲击仍将减少.