基于指标均衡和权重区间数的供应链合作伙伴选择方法

本提出基于指标均衡和权重区间数的供应链合作伙伴选择方法。该方法在对指标无量纲化的基础上，考虑指标均衡使得指标间的协调和均衡程度在评价过程中得到反映，使用区间数使得模型具有较大的伸缩性和柔性，符合人们模糊认识规律，通过收集不同阶段的评价数据可以反映动态评价的特点。最后通过实例对该方法进行了详细说明。通过比较考虑均衡度与否得到的不同结果，发现当考虑均衡度时可以放大评价结果之间的差距。     

多重均衡选择中的风险占优与混合策略

均衡选择理论是博弈理论的重要组成部分.风险占优均衡是人们经济决策或行为的一个主要结果.利用混合策略及其性质和“抵制”的概念,“支持”了海萨尼和泽尔腾用公理定义的风险占优概念,且具体给出了识别风险占优均衡的标准和方法,并把它们推广到对称博弈中去.最后对均衡占优的直觉概念和风险占优相冲突的一些博弈进行了类似的讨论.     

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.     

极大极小投资组合选择模型和均衡价格系统

讨论了市场上不存在无风险资产条件下投资组合选择的极大极小模型,推导出市场上不存在无风险资产时极大极小模型的最优投资策略和有效前沿,得到了资本市场均衡时存在唯一的非负均衡价格系统的充分必要条件和各资产均衡价格的解析表达式.     

ATIS和道路收费下的混合随机用户均衡的效率损失

在ATIS作用下的交通网络中,用户在交通信息的接受程度上是异质的;考虑到装有ATIS的用户并不总是遵循ATIS的建议,因此,引入信息遵从率这一参数,将所有用户分为三类:安装并遵从信息、安装但不遵从信息和不安装的用户;均按照随机用户均衡的方式进行择路,但对出行时间有不同的感知。同时考虑存在道路收费的情形下,用户在时间价值上是异质的。综合考虑交通信息与道路收费的影响,基于用户两方面的异质性,对其进行合理分类,构建了多用户多准则的混合随机均衡模型及其等价的变分不等式;当收费不作为系统总成本的一部分时,建立了时间准则与费用准则下的系统最优模型;在此基础之上,分别研究了两种准则下混合均衡相对于系统最优的效率损失,给出了效率损失上界,并进一步分析了效率损失上界与各参数间的关系;交通管理者可以从道路收费策略的实施、信息诱导系统的完善等角度进行路网的改造和优化设计。     

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.     

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.     

均衡的再保险市场

本文讨论了再保险市场达到均衡状态的定义、性质以及与 Pareto最优的关系 .     

基于做市商过度自信行为的市场均衡分析

针对做市商的过度自信行为对金融市场的影响,通过建立的数学模型对市场均衡时的价格波动、市场交易量、价格质量、市场深度以及市场参与者的利润做了相应的分析。结果表明:做市商的过度自信行为对市场的影响不同于以往研究中过度自信的信息交易者。在市场均衡时,做市商的过度自信行为使得市场交易量增大、市场深度增大、价格质量改善,同时价格波动降低,即做市商的过度自信行为提高了市场的流动性、稳定性与有效性。另外,市场中的信息交易者与噪音交易者都能从做市商的过度自信行为中获利,但同时过度自信行为会损害做市商的利益,影响其在市场中的地位。较小程度的过度自信不会使做市商退出市场,其对市场的影响得以维持;但当这种过度自信达到一定程度后,做市商就会退出市场。     

基于模糊理论的交通安全评价方法的研究

道路交通安全系统的内部结构极为复杂,影响因素众多,各因素都具有模糊性.在综合研究分析国内外道路交通安全评价方法的基础上,对以往发生的道路交通事故资料进行分析,利用模糊评价理论,选取合理评价指标,建立了基于模糊的道路交通安全评价模型,对道路交通的安全性进行合理评价.     

基于BP神经网络的道路交通事故预测

道路交通事故预测是交通研究的一个重要课题.以我国交通安全状况为研究对象,依据我国道路交通事故的特点,利用神经网络具有自学习、自组织、自适应能力特性,运用神经网络的方法及我国多个年度道路交通事故统计数据,建立了道路交通事故神经网络宏观预测模型,预测精度符合道路交通事故预测的要求.     

道路行车系统中人的可靠性研究

随着人-车-路-环境系统复杂性的增加和交通事故数量的上升,新型交通设备对其使用者的素质与适应性提出了全面的要求,要提高道路行车系统的整体可靠性,必须对人的可靠性进行分析研究.从人的生理、心理、教育训练、驾车技能等因素对驾驶员可靠性的相关影响进行了探讨.分析了影响驾驶员的可靠性因素,研究了驾驶员的可靠性模型,提出建立有助于驾驶员可靠性分析研究的综合数据库,最后从理论上分析总结了提高驾驶员可靠性的措施从而得出提高道路行车安全的有效途径.     

基于DEA模型测算交通信息化对道路畅通性改善的贡献研究

交通信息化建设和应用在改善城市道路问题等方面的社会效益受到广泛关注,但实际中较少对其贡献价值进行研究.通过应用DEA方法,结合回归分析,从投入产出角度选取指标建立交通信息化对道路畅通性的贡献测算模型,并以北京市为例进行实证分析.研究结果显示,北京市2005-2014年交通信息化对道路畅通性改善的年平均贡献值为17.47%.研究结论为交通信息化绩效的评估提供理论支撑,辅助交通信息化建设和应用的规划制定.     

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.     

基于线性规划的网络流量流向控制策略

互联网的快速发展给运营商带来了网络流量流向控制的需求.控制网络流量流向不但要保证服务质量,而且要尽可能降低运营费用,更要保证各网络链路具备裕量能应对突发变化.在网络流量流向控制中结合成熟的线性规划方法从能全局角度实现网络流量流向的多目标控制,保障网络的健康运行.     

考虑交通流量和总成本的电动汽车充电站规划研究

针对目标区域充电桩规划需求问题,在对区域充电需求分析和充电站数量估算的基础上,利用以同心圆的圆周和圆心为站址的充电站选址方法,构建以俘获的车流量与充电站所有成本之比最大的数学规划模型.在此基础上,根据南昌市某区电动汽车数量,确定所需要的充电站数量为4～9个,并规划出六种方案,然后对每一种方案的规划目标值进行计算和比较,...     

突发交通事件非参数诊断的变点统计方法研究

针对智能运输系统(ITS)项目特别是先进的出行信息系统的开发，建立了突发交通事件非线性非参数诊断的变点统计方法。依据交通流理论，结合均值变点模型，对变点搜索的最小二乘法和局部比较法进行了研究。利用在英国南安普敦市检获的实际数据对上述两种算法进行了标定，并对模型进行实际应用。结果显示上述方法对突发事件检测具有很高的灵敏度和有效性。     

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。