基于GAPSO-SVM模型的行驶工况识别

提出基于GAPSO-SVM模型的行驶工况识别算法，利用现有的标准工况数据，构建城市工况、郊区工况和高速工况数据库，提取样本特征参数后采用主成分分析法进行降维处理，再采用GAPSO-SVM模型识别行驶工况。将优化后的GAPSO-SVM模型与K-CV-SVM模型、PSO-SVM模型进行对比，结果表明：GAPSO-SVM模型识别准确率为84.38%，比K-CV法SVM模型、PSO-SVM模型识别准确率分别高出5.59%、2.63%。     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。     

灰色模型与其组合模型的比较

运用灰色模型和二元回归模型的组合模型进行交通量的预测，结果表明，组合模型比单一的灰色模型具有更高的预测精度。     

多特征融合的船舶轨迹相异度模型分析与优选

基于船舶自动识别系统轨迹，构建了船舶轨迹静态相异度模型、动态相异度模型以及组合相异度模型，包括轨迹起点和终点相异度模型、轨迹长度相异度模型、轨迹空间分布相异度模型、轨迹航速均值相异度模型、轨迹航向均值相异度模型、轨迹航速标准差相异度模型和轨迹航向标准差相异度模型；采用KNN分类算法进行轨迹分类，分析了单个相异度模型的有效性和时效性，对比了单个相异度模型和组合相异度模型下轨迹分类效果，研究了组合相异度模型中相异度模型的类别和权重对轨迹分类的影响；分别以内河航道和港口水域船舶轨迹进行试验。试验结果显示:在采用单个相异度的情况下，就分类效果而言，轨迹起点和终点相异度模型和轨迹航向均值相异度模型在内河航道和港口水域船舶轨迹分类效果均优于其他模型，而基于轨迹航速均值相异度模型和轨迹航速标准差相异度模型的轨迹分类效果最低，就分类效率而言，基于航速、航向均值和标准差的相异度模型耗时明显低于其他3个相异度模型；采用组合相异度进行轨迹分类，内河航道和港口水域船舶轨迹分类结果的基于精确率和召回率的宏平均值和微平均值均能接近99%；将组合相异度中相异度类别数由4个增加到7个，轨迹分类评估结果进一步得到提高。因此，单个相异度模型中以轨迹起点和终点相异度模型、轨迹航向均值相异度模型以及轨迹空间分布相异度模型分类效果最优且稳定，而轨迹空间分布相异度模型和轨迹长度相异度模型耗时明显高于其他方式，各相异度模型在不同场景中的适应性基本相似，通过增加组合相异度中相异度类别能够提高轨迹识别效果。      

基于改进LSTM-Prophet算法的客运量预测

利用该模型对2019年的铁路月度客运量数据进行预测，并与实际客运量进行对比分析，实验表明，LSTM-Prophet算法模型预测值的MAPE值为1.91%,MAE值为559.07,RMSE值为691.82,三个评价指标值都低于SARIMA模型、LSTM模型和GM(1,1)模型的评价指标值，所以LSTM-Prophet算法模型更能准确预测客运量数据，为决策提供参考价值。     

考虑人口效益的城市路网OD 矩阵推算模型

交通分布数据获取难度大、成本高，是制约交通工程师开展交通预测的主要因素. 为提高效率、降低工程实践中的预测成本，对城市路网OD矩阵可预测性展开研究. 描述3 种交通分布推算模型并以广州为例，给出交通流概率分布及发生量概率分布. 通过回归分析及残差分析探究发生量与人口、经济的关系，提出考虑人口效益的靶向双联模型(称为TDM模型). 根据误差分析验证4 种模型准确度，并将模型应用于深圳市. 结果表明：交通流及发生量概率分布具有高度异质性，遵循Zipf 定律；发生量与人口、经济相关性强，拟合优度为0.87； TDM模型精度略低于重力模型，但高于其他两种模型，且在深圳市推算效果良好. 综合预测精度、成本和效率，TDM模型更适合预测城市道路交通分布.     

证券投资的最优组合

引入了一种风险度量指标－组合偏差，构造出寻求最优投资组合的两目标决策模型，并采用约束法将其转化为线性单目标规划模型。该模型与均值－方差模型相比较，无论是在模型的合理性，还是在求解模型的方便性等方面，都有所改善，证明了线性单目标规划模型存在最优解，求解该模型等价于求解相应的线性规划模型。     

���н�ͨ��۷��潨ģ������ʵ���о�

从物理模型、概念模型和仿真模型原理三个方面，讨论了城市交通宏观模型的建模方法。在文中，以四阶段模型为基础给出了宏观仿真模型的建模要点和步骤。最后，以北京市域宏观交通战略模型为例，对模型开发环节进行了描述。实践证明，城市交通宏观仿真模型，能够有效地分析城市交通系统运行状态，为城市规划、建设与管理工作提供所需关键参数，定量化的仿真平台是提高决策科学性的重要手段。     

神经网络修正灰色残差模型的交通量预测

通过比较神经网络、GM模型的预测结果，融合GM（Grey Model）模型与神经网络模型并构建组合模型进行交通量的预测，可以克服单个模型所存在的不足。结果证明，该组合模型在交通预测中是可行的。     

考虑异质性的经典随机后悔最小化模型改进研究

传统基于后悔理论的交通行为模型对异质性考虑不充分，对真实选择行为的解释存在不足.本文利用韦伯比率，考虑出行者对各方式属性变量感知的异质性，对经典随机后悔最小化模型进行改进，分别建立基于随机效用最大化，经典随机后悔最小化和改进经典随机后悔最小化的选择模型；以网约车选择行为为例进行实证研究，验证改进模型效果.结果表明：3种模型参数标定结果具有一致性，改进模型的拟合优度(0.271)和命中率(75.8%)相较于另外两个模型均较优；改进模型能更好地描述多维属性决策过程中的半补偿原则和折中效应，可以提高模型对真实选择行为的解释能力.     

基于蚁群算法的公交线网规划研究

以直达客流密度最大为目标函数,可建立满足公交线网约束条件的城市公交线网规划模型,并通过改进型蚁群算法对模型就行求解,最终可使所建模型的有效性得以验证。     

树状结构网络在列车状态监测中的应用

为确保大数据量下列车状态数据传输有序、传输错误可修复,建立了列车状态监测设备树状组网模型,分析了树状拓扑列车在途监测系统应用的可行性,继而给出了支持自由挂载的车载设备组网算法,实现了基于以太网的数据传输和路由数据结构与算法在NS-2工具上的建模.仿真结果表明,树状网络延时主要受制于发送端与接收端所在网络的深度,相对于EXP流量模型和使用TCP协议,在树状网络中使用CBR流量模型与UDP协议能够获得更好的性能.     

���и��Ͻ�ͨ��������������о�

针对北京市三环内实际交通网络,分别构建城市道路交通网络和由城市轨道交通网络叠加形成的城市复合交通网络模型。基于复杂网络理论,采用Matlab计算节点度、聚类系数、平均路径长度、介数和节点紧密度等指标,分析了其分布规律,然后对这两个网络模型的统计特征值进行比较分析。结果表明,它们都具有一定的随机网络模型和无标度网络模型的小聚类系数特征,叠加后的城市交通网络直径和平均最短路径减小,平均度、聚类系数和节点紧密度都有不同程度增加,使整个路网的可达性得到了一定的提高,网络承载力变大。     

城市复合交通网络的若干特性研究

针对北京市三环内实际交通网络,分别构建城市道路交通网络和由城市轨道交通网络叠加形成的城市复合交通网络模型.基于复杂网络理论,采用Matlab 计算节点度、聚类系数、平均路径长度、介数和节点紧密度等指标,分析了其分布规律,然后对这两个网络模型的统计特征值进行比较分析.结果表明,它们都具有一定的随机网络模型和无标度网络模型的小聚类系数特征,叠加后的城市交通网络直径和平均最短路径减小,平均度、聚类系数和节点紧密度都有不同程度增加,使整个路网的可达性得到了一定的提高,网络承载力变大.     

最优化路网可观可控性的DSRC 网设计模型研究

我国高速公路电子不停车收费系统联网建设即将实现全国联网,如此大规模的系统互联为高速公路的运行管理带来了新的契机.既提供了一种可靠的交通运行状态信息获取方式,也构建了一个具有相当覆盖范围的车路交互平台,从而实现路网的协同管控与出行服务水平的提升.基于此,首先给出路网可观性、可控性的概念模型;其次根据 DSRC设备双向交互的特点,提出面向路网可观性与可控性双目标优化模型,基于路网旅行时间测量误差最小化为目标的路网可观性评估模型及基于路网系统旅行时间最小化为目标的路网可控制性评估模型,最后,通过数值算例对模型进行了验证.结果表明,提出的模型是可行的、有效的.     

交通运输网络扩能优化算法研究

当交通运输网络的预期流量超过路网能力时,如何选择经济、合理的扩能优化方法改进路网能力,是交通运输部门需要面临的重要问题。因此,建立交通运输网络的扩能优化模型,设计通过构建关于改扩建费用最短路逐步迭代的求解算法．并对模型及其算法的有效性加以验证,可为解决交通运输扩能优化问题提供参考。     

���ڸĽ�BAģ�͵IJ�ͬ��ģ���˸��������ݻ��о�

以复杂网络理论为基础,分析海运网络的拓扑结构具有无标度网络特性,可运用BA无标度网络模型构建演化海运网络.连接概率是BA模型中节点优先连接的重要依据,据此,针对海运网络港口节点进行研究,通过加权量化和MATLAB编程将影响节点间连接的因素组成节点吸引度,引入连接概率公式,改进了BA模型.分别选取2010年全球15个和25个主要集装箱港口的相关数据,运用上述改进BA模型分别得到不同规模的海运网络演化情况,演化结果验证了海运复杂网络具有无标度网络特征,呈现的特性与网络规模没有必然联系,规模大的网络平均路径更长、集聚性更强,度值相差更悬殊.进一步运用全球班轮航线实际网络进行验证,得到两者结构特性基本相同.     

基于过饱和控制的疏散网络优化模型

应急条件下疏散需求呈现短时爆发性特点,为提高网络优化模型在应急疏散状态下的适用性,本文提出了网络过饱和度概念,并结合疏散交通组织策略建立过饱和控制的疏散网络双层优化模型.上层模型从疏散组织者的角度出发最小化疏散网络过饱和度,下层模型以Wardrop 用户平衡准则模拟疏散参与者的疏散路径选择行为.采用禁忌搜索算法求解所建模型,并以Sioux Falls 网络为平台验证其有效性.实验结果表明,在应急交通疏散状态下,基于过饱和控制的疏散网络优化模型能够实现疏散网络通行能力的最大化利用和应急交通组织策略的最优化配置,具有较强的适用性.     

Term Structure of Interest Rates Based on Artificial Neural Network

In light of the nonlinear approaching capability of artificial neural networks （ ANN）, the term structure of interest rates is predicted using The generalized regression neural network （GRNN） and back propagation （BP） neural networks models. The prediction performance is measured with US interest rate data. Then, RBF and BP models are compared with Vasicek＇s model and Cox-Ingersoll-Ross （CIR） model. The comparison reveals that neural network models outperform Vasicek＇s model and CIR model, which are more precise and closer to the real market situation.     

�¼�������������ģ�͵Ľ�������֤

在对概率神经网络(PNN)的分类机理、输入向量选取和网络设置分析的基础上，建立了用于识别两类事件模式(无事件模式和有事件模式)的事件检测PNN模型。采用高速公路路段Ⅰ-880实地线圈数据集和事件数据集验证模型，通过比较PNN模型与多层前向神经网络(MLF)模型的结果，发现无论对于向北、向南或混合方向的高速公路事件检测,PNN模型的检测率(DR)比MLF模型高；平均检测时间(MTD)比MLF模型短；但误报率(FAR)较高。概率神经网络是高速公路事件检测的一种有效算法，其在理论基础、算法和学习速度等方面比多层前向神经网络具有优势。