基于新老司机道路选择行为的交通流均衡研究

针对新上路司机数量的爆发式增长带来的交通流均衡变化问题,本文在对司机进行分类和道路选择行为分析的基础上,应用决策树方法构建了基于新老司机道路选择行为的交通流均衡模型,并用实际案例研究了主要参数的敏感性。研究发现:路况通过联合系统车流量的分配情况、车速预期和司机学习过程等因素共同对司机比例产生影响;当某一条道路达到均衡时,车流量对司机比例的敏感程度受到路况差异的影响;司机在驾驶经验、对道路的熟悉程度以及学习能力等方面存在差异,但这种差异仅存在于对交通信息的感知方面。该研究有助于加深对城市交通流变化规律的认识和理解,对于发展出有效的交通管制措施有积极的理论价值和现实意义。     

基于深度学习LSTM对交通流状态的预测

当今道路交通状态对城市管理和人们出行愈加重要,影响着人类生活的方方面面.以深圳交通为研究对象,由基础车辆数据和道路坐标构建了路网系统,从车辆速度和密度两个方面导出了交通流状态评价指数TSI.利用深度学习长短期记忆神经网络(LSTM)对车辆速度和密度两个指标进行预测,并通过对比极限学习机(ELM),时间序列(ARMA)和BP神经网络,进行仿真实验,结果表明相对于传统预测模型,所采用的LSTM网络具有更优的预测精确度和对远期预测的稳定性.最后利用预测结果计算出更能直观反映出道路交通拥堵情况的TSI指数,为人们提供了准确的交通状态预测.     

城市道路交通流运行状态评价应用研究

针对当前城市路段交通流状态评价方法以及交通拥堵态势预测效果不佳的问题,对2018年深圳杯数学建模挑战赛D题解决方案中定义的路段消散指数进行改进,在城市路网中将其作为统一描述交通流状态的指标,自适应计算消散指数阈值评价交通流运行状态.并以路段为单位,基于动态贝叶斯网络预测路段的短时交通流状态,采用时空耗散BP神经网络模型对短时车流量进行预测.本文是2018年深圳杯数学建模挑战赛D题的后续研究成果,在实验城市贵阳市的中环路进行成果应用,对中环路的交通流运行状态进行评价监测.     

基于多源监测数据的瓦斯涌出量GM(0,N)-ELM预测研究

为实现小样本监测数据条件下矿井瓦斯涌出量的短时精确预测,提出了一种基于灰色预测GM(0,N)模型和极限学习机(ELM)的瓦斯涌出量耦合预测模型.模型根据矿井瓦斯涌出量作用机理及影响因素相关性分析,确定预测模型的主要影响因素;利用GM(0,N)模型对矿井瓦斯涌出量进行预测,分离出涌出量趋势项和波动项;利用ELM模型对瓦斯...     

基于无振荡中心格式求解非均匀道路上的多车种LWR交通流模型

将无振荡中心格式推广于多车种LWR交通流模型,给出了一种求解非均匀道路上模型的高分辨率数值方法.为保证格式无振荡,采用非线性限制器近似离散斜率.通量的离散微分可以按分量来近似,使得雅可比矩阵的计算都可以避免.方法具有形式简单、计算量小的优点.应用该方法对信号灯控制等问题进行数值模拟,验证了方法的稳定性和有效性.     

基于交通流的多模糊时间窗车辆路径优化

研究了基于交通流的多模糊时间窗车辆路径问题,考虑了实际中不断变化的交通流以及客户具有多个模糊时间窗的情况,以最小化配送总成本和最大化客户满意度为目标,构建基于交通流的多模糊时间窗车辆路径模型。根据伊藤算法的基本原理,设计了求解该模型的改进伊藤算法,结合仿真算例进行了模拟计算,并与蚁群算法的计算结果进行了对比分析,结果表明,利用改进伊藤算法求解基于交通流的多模糊时间窗车辆路径问题,迭代次数小,效率更高,能够在较短的时间内收敛到全局最优解,可以有效的求解多模糊时间窗车辆路径问题。     

基于部件指派的多状态系统可靠度优化研究

针对一般二态系统假设的不足,提出了多状态系统条件下的可靠度优化指派问题。该问题以系统可靠度最大化为优化目标,在考虑部件分配成本和总分派成本预算的前提下,对多状态系统下不同状态对应的性能水平的进行了分析,给出了基于通用生成函数的多状态系统的可靠度评估方法。根据指派问题的组合优化的特性和多状态系统可靠性评估的特点,对传统遗传算法的适应度函数进行了改进,设计了基于整数编码的遗传算法,该算法具有离散变量的设计灵活性和强大的搜索性能。算例实验表明,本文设计的优化算法具有较好的求解质量,同时算法的运行时间也得到了大幅的缩短。本研究为多状态系统的可靠度优化提供了一条可借鉴的思路。     

基于多源数据融合的复杂疾病建模方法研究

复杂疾病(如癌症)严重危害人类身体健康,其发生和发展往往是多因素共同作用的结果,如何清楚地认识疾病的内在致病机理是当前研究的重点内容.目前,随着高通量技术的发展,大量的生物数据涌现,因此,以数据为驱动,通过对生物系统的多源数据融合来实现复杂疾病的建模成为了一个新的研究热点.由于生物系统的多源数据往往在数据分布、尺度和格式等方面存在巨大差异,这使得如何有效地融合数据成为建模过程中的重点.本文从多源数据融合的角度,分别对疾病亚型识别、疾病相关模块挖掘和样本特异性疾病相关标志物识别3个方面对人类复杂疾病的建模方法进行讨论,力图为研究人员在人类复杂疾病的数据建模方面提供建议.     

基于改进的时空图卷积网络的交通流预测模型研究

智能交通系统(ITS)作为协调城市交通的核心正快速发展,而交通流量预测是智能交通系统的重要组成部分,被视为成功部署ITS的关键因素.由于交通网络的复杂空间拓扑结构,使交通流量表现出高阶非线性及动态时空复杂性.为更好地对交通网格数据进行预测,文章提出了一种新的时空网络模型DCSTGCN,具备以下特点:1)将切比雪夫多项式(Ch)应用于图卷积神经网络,结合自扩散卷积将传统的固定式交通拓扑结构进行转换,使其更具有随机性、动态性;2)加入空间Transformer模型,在考虑数据异质性问题的同时,利用多头自注意力机制考虑节点、本地邻居节点以及非本地节点的多属性问题,从高维的子空间进行考虑节点之间的隐藏特征信息;3)将时间Transformer与1×1的二维卷积神经网络(Conv2d)相结合,对交通流时间序列信息进行多重权重分配获取重要的时间特征,利用Conv2d网络进行预测输出.通过试验验证,表明该方法模型优于多种对比基线模型.     

多行动多状态决策模型的探讨

本文用测度论的观点建立了多行动多状态决策模型,并用两种方法——比较法和微商法分别对一些模型进行了具体地求解,得到了一些有关的结果。     

基于相空间重构的降噪技术研究

探讨了基于相空间重构的局部线性映射算法在非线性时间序列降噪技术中的应用,并给出了算法中主要参数的选取方法.实验结果表明,该算法的降噪效果明显优于传统的线性信号滤波技术.并且针对多数实测数据的原始动态模型未知的特点,提出通过计算降噪前后时序信号的关联维数作为评判降噪效果的工具,克服了已有方法中无法计算该类时序信号降噪水平的缺点.     

基于穿越时间的交通流临界间隙模型

研究城市立交匝道连接点临界间隙,建立了右转机动车穿越直行自行车的临界间隙模型.在分析驾驶员对直行自行车反应的基础上,以匝道连接点的几何特性和右转机动车的运行为研究内容,利用机动车穿越时间法,得到临界间隙的估算模型.通过北京市西直门和蓟门桥的模型计算值与实测估计值比较,相对误差分别为5.1%和9.6%,说明本模型具有很好的准确性和实用性.     

基于自适应延时神经网络的短时交通流预测

为了提高交通流诱导系统的性能,研究了一种基于自适应延时神经网络算法的短时交通流量预测模型,该算法与传统的神经网络方法相比在神经网络的结构和神经网络的训练方法两个方面进行了改进,更适用于预测具有不确定性、非线性、动态性等特征的短时交通流,同时用Matlab7.0编写程序对算法进行了仿真实现,根据仿真结果的分析验证了算法时实性和精确性.     

多源信息系统基于信息粒化的不确定性度量

信息系统是不确定数据的重要模型,多源信息系统可用来表示来自多个同构异源的复杂数据。本文研究了多源信息系统中的不确定性度量,基于信息粒化思想给出了四种度量工具来度量多源信息系统的不确定性。首先,通过不同的信息值类型定义了两个信息值之间的距离,从而诱导出多源信息系统中的相容类。其次,基于粒计算的思想,将这些相容类看作多源信息系统的信息颗粒。从而,通过信息颗粒引入多源信息系统中的四种不确定性度量工具,并研究其之间的联系。这些研究结果对建立信息系统的粒计算框架以及属性约简将会很有帮助。     

主路多车道无信号交叉口混合交通流的通行能力

Highway capacity is defined as maximum volume of traffic flow through the particular highway section under given traffic conditions,road conditions and so on.Highway construction and management is judged by capacity standard.The reasonable scale and time of highway construction,rational network structure and optimal management mode of highway network can be determined by analyzing the fitness between capacity and traffic volume.All over the world,highway capacity is studied to different extent in different country. Based on the gap acceptance theory,the mixed traffic flow composed of two representative vehicle types heavy and light vehicles is analyzed with probability theory.Capacity model of the minor mixed traffic flows crossing m major lanes,on which the traffic flows fix in with M3 distributed headway,on the unsignalized intersection is set up,and it is an extension of minor lane capacity theory for one vehicle-type and one major-lane traffic flow.     

短时交通流混沌预测模型的比较研究

短时交通流预测是实现交通流诱导的关键技术之一.针对目前短时交通混沌预测模型预测结果差异较大的问题,归纳了4种基于混沌理论的短时交通流预测模型:RBF神经网络模型、最大Lyapunov指数模型、局域线性模型和Volterra滤波器自适应预测模型,并对这4种预测模型进行了比较研究.应用4种预测模型对几个典型的非线性系统进行预测,验证了算法的准确性.然后用这4种预测模型对微观实测交通流的时间序列进行实证分析.仿真结果表明,4种预测模型对典型混沌时间序列具有很好的预测效果;而对实测交通流预测,其预测精度和稳定性较差,但可以满足实时交通流预测的需要.     

多状态系统的LAD决策树的建树方法研究

LAD( Logistic Data Analysis Tree)是一种逻辑数据分析技术 ,它将布尔代数和优化分析方法引入到了判别分析领域 ,提出了一种布尔变量集合的变量筛选和建模方法 ,并可以对冗余模式进行可视化识别与删除 .但目前的 LAD技术还仅限于二状态 ,而且算法复杂 .本文将 LAD决策树推广到了多状态情形 ,以三状态下建立 LAD决策树为例 ,提出了不可分辨度的定义 ,并以其下降最大作为寻找最优决策树的依据 .说明多状态下建立 LAD决策树的计算方法及重要的算法步骤 .最后 ,本文以鄱阳湖地区洪涝灾害影响研究为案例 ,采用 LAD决策树方法对其进行判别分析 .     

基于多源数据特征驱动和多尺度分析的PM2.5混合预测研究

精准把握PM_2.5污染的动态演变规律对政府和企业的大气污染防治决策至关重要.因此,文章提出了基于多源数据特征驱动及多尺度分析的混合预测建模框架,以提高PM_2.5预测精度.预测建模框架分为:1)多源数据分析,有效融合与PM_2.5污染相关的气象、污染、舆情等多源数据;2)多尺度分析,通过多元经验模态分解技术(MEMD)将多源数据分解成不同模态下的预测特征;3)混合预测分析,有序结合计量和机器学习模型,集成各模态预测值为最终结果.文章以北京市PM_2.5为研究案例结果表明:1)文章提出的混合模型的预测精度优于所有的基准模型;2)微博个数和情感能够叠加提升PM_2.5预测精度,且优于单因素预测结果;3)引入MEMD分解的模型精度显著高于基准模型.     

关于多状态边权网络最优路问题的研究

本文对于多状态边权网络最优路问题进行分析,并给出称号算法。     

带时效性约束的配送中心多源选址问题研究

应用启发式算法求解带时效性约束的多源选址问题.分析物流配送的时效性问题,建立带时效性约束的配送中心多源选址模型.构造两步启发式算法:1)借助传统迭代算法,求解物流服务分配矩阵,把多源选址问题转化为单源选址问题;2)基于M ATLAB函数,设计优化程序,计算带时效性约束的单源选址模型.并给出算例,验证模型和算法的可行性.研究表明两步启发式算法是求解带时效性约束的物流配送中心多源连续选址问题的有效算法.