短期电力负荷预测的小波支持向量机方法研究

在充分研究和比较多种负荷预测方法的基础上，提出一种称为小波支持向量机(Wavelet Support Vector Machines，WSVM)的负荷预测新算法．该方法是在研究支持向量机(SVM)核方法与小波框架理论的基础上，引入非线性小波基函数来构造SVM的核函数，从而得到新的SVM模型，并给出了此模型的结构设计与实现算法．通过实例验证，该方法能有效提高预测精度．     

基于最小二乘支持向量机和证据理论的交通数据融合

针对基于浮动车辆数据(floating car data,FCD)的城市道路交通信息采集系统存在的问题,提出一种基于最小二乘支持向量机(LS-SVM)和证据理论的数据融合方法,通过融合地感线圈采集的交通流量信息,提高FCD系统交通速度信息采集的准确性.利用LS-SVM回归得到速度-流量关系曲线的临界速度参数,再根据历史数据库用统计方法计算出流量-速度关联规则的可信度矩阵,在得到这些经验知识的基础上,定义了两种证据源的基本概率分配函数.最后,通过D-S证据理论对两种证据源进行数据融合,获得融合后的速度信息.实地跑车实验结果论证了融合算法的有效性和可靠性.     

MAS技术在交通仿真中的应用

运用MAS技术,构建了交通系统的MAS功能仿真模型,并在Visual C 对象类的基础上设计了agent类.仿真结显示,这一技术能较大地提高交通仿真的精度.     

基于CTM-RH的城市交通信号线控制

采用细胞传输模型(cell-transmission model,CTM)对城市干道交通流进行建模,并运用滚动区域法(rolling horizon,RH)对信号周期、绿信比和相位差进行优化.仿真结果令人较为满意.     

基于细胞模型及多目标优化的交叉口信号控制

建立了城市平面十字路口交通流的细胞传输模型，该模型适合各种交通流状态．同时，在对信号灯配时进行优化的过程中，采用了两个控制目标，以最小延误为主要控制目标，以最大通行能力作为次要控制目标．模型采用多目标遗传算法对信号周期和绿信比进行优化．仿真结果令人较为满意．     

基于改进蚁群算法的路径规划方法

针对城市道路交通中路径规划的特点,提出了一种基于改进蚁群算法的路径规划方法.该方法通过对交通约束的分析与转换,加强了对实际道路交通网络的描述,提高了路径规划的有效性;在引入方向启发的同时,保留了足够的初始搜索空间,提高了算法的路径规划效率.实验结果表明,该方法在规划效率与有效性上均有明显提高.     

一种基于D-S理论的多Agent合作决策机制

为了克服单个agent知识的局限性,提高系统决策的可靠性,提出了一种基于D-S理论的多agent合作决策机制,并对多agent合作决策进行了定义和形式化描述.多agent合作决策划分为学习和决策两个阶段,学习阶段反馈信息的引入,使各agent根据正确的训练案例和修正公式实现了冲突消解,降低了合成计算的复杂度,改进了Dragoni等人的工作,较投票机制和加权多数算法具有更高的可靠性,实验结果验证了这一结论.     

一种基于FCD的城市道路车流速度估计算法

针对在城市路网中大面积采集交通信息所存在的问题,提出了一种基于浮动车辆数据(floating car data,FCD)的城市道路车流速度估计算法,并通过FCD系统进行交通速度信息的采集.速度估计采用了一种改进的弧段Dijkstra路径寻优算法,在图的弧段-弧段存储结构中考虑了城市路网限制性道路交通信息的表达,并将路网的一些先验信息引入弧段关系结构中,提高了搜索效率和准确性.实验结果论证了所提出方法的有效性和可靠性.