二次指数平滑在交通信息短期预测中的应用

通过对当前交通道路信息的实际情况的分析并结合指数平滑预测模型,提出了符合当前交通信息的分段二次指数平滑模型,该模型主要根据某城市一天各时段的拥堵情况计算平滑系数表,在通过二次指数平滑模型对交通信息进行短期预测。该方法充分考虑到了交通道路信息的实际情况,提高了交通信息短期预测的合理性。经过实际交通信息数据验证,结果表明基于该方法预测未来短期交通信息准确率满足使用需求,并为其他交通信息短期预测提供一种新的方法。     

高速公路事件自动侦测方法研究

分析了对高速公路事件人工侦测方法，提出了事件自动侦测方式的基本思想，并详细描述了应用指数平滑指数平滑模型进行事件自动侦测的设计方案，包括数据收集、平滑模型的选择、平滑常数的确定、临界值的选取等。引入跟踪信号作为事件自动侦测的判断依据。对单指数平滑模型和双指数平滑模型的优缺点及适用范围进行分析比较。     

出租车电招业务量预测方法研究

论述了出租车调度中心业务特点,分析某公司出租车调度中心历史业务量变化规律,采用二次、三次指数平滑法进行出租车调度中心业务量预测,预测结果表明:三次指数平滑法进行业务量预测的平均相对误差较小。     

桥梁工程造价的平滑估测方法

利用指数平滑预测方法和模糊集合论，提出了估测桥梁工程造价的一种方法，这种方法速度快，精度高，可用于工程投标和其他有关工作。     

基于指数平滑法的非煤系地层隧道瓦斯涌出量预测方法

分析非煤系地层瓦斯在隧道开挖作用下的涌出特征，阐明指数平滑法的计算原理，并将其应用于七曜山隧道瓦斯涌出量预测。结果表明:非煤系地层隧道瓦斯涌出位置及时机具有随机性，但涌出过程具有一定延续性，可将瓦斯涌出量视为具有一定依存性的时间序列；指数平滑法可以通过改变历史时程数据的权重关系来对预测结果进行不断优化，适用于非煤系地层瓦斯隧道；七曜山隧道为高瓦斯隧道，二次指数平滑法的预测误差在3 %以内。     

指数平滑技术改进灰色沉降预测模型及应用

GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。该文将指数平滑技术引入到灰色预测模型中,该方法既充分利用了观测序列中的有用信息,又大大减少其随机性,采用平均斜率法对灰色模型的背景值计算方法进行了改进,将原始观测数据序列变换成规律性强的呈指数变化的序列。某公路试验段实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。     

基于指数平滑技术的灰色沉降预测模型及应用

GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。将指数平滑技术引入到灰色预测模型中,该方法既充分利用了观测序列中的有用信息,又大大减少其随机性,将平均斜率法对灰色模型的背景值计算方法进行了改进,将原始观测数据序列变换成规律性强的呈指数变化的序列。某公路试验段实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。     

基于二次指数平滑预测法的客车市场预测

客车行业的预测多停留在定性化。本文引入二次指数平滑预测法,对客车行业的市场需求量进行量化预测。     

一种行程时间检测和预测的实现方法

行程时间预报是交通信息服务的一项重要内容，章提出了一种计算行程时间的方法。在检测行程时间时采用了自动车牌识别技术，提高了结果的准确度。通过分析行程时间时间序列的时变特性，利用指数平滑模型进行预测，最后提出合理的修正方法。     

工程机械大修费预测方法分析

指出了施工企业做年维修费用计划时存在的不准确问题,研究了指数平滑法和季节周期预测法的基本原理及计算方法,通过实例分析比较,指出了指数平滑法和季节周期预测法在工程机械大修费预测中应用的优缺点.结果表明,在工程机械大修费预测中选取季节周期预测法可得到较高的预测精度,能够满足施工企业做年维修费用计划时的决策需要.     

指数平滑预测方法引起供应链库存波动的传递函数分析

分析不同指数平滑预测模型对供应链库存波动的影响,建立不同指数平滑预测模型的传递函数模型,通过对不同指数平滑预测模型分别在阶跃函数、斜坡函数、二次曲线函数等不同激励函数输入下输出响应的Matlab仿真,说明零阶指数平滑预测模型没有导致供应链库存波动,1阶、2阶指数平滑预测模型将导致供应链库存波动;通过噪声带宽分别衡量不同指数平滑预测模型引起供应链库存波动的程度,并且通过匹配滤波的方法可以减少不同预测模型引起供应链的波动性。     

ABS轮速信号的滤波技术研究

常用的ABS轮速信号的滤波技术是滤波增益为常数的指数平滑数据滤波技术，由于没有考虑到测量信号的方差变化特性，滤波效果不能满足ABS系统的要求：文中根据实测轮速信号的方差数据，利用二阶多项式数据拟合得到了系统的测量方差。在假定系统方程和过程方差的情况下，轮速信号的处理采用了卡尔曼滤波器的结构。实际试验结果表明，可变滤波增益的滤波器滤波精度高、滞后小，可以满足计算ABS其它控制量的要求。     

Real-time weighted multi-objective model predictive controller for adaptive cruise control systems

In this paper, a novel spacing control law is developed for vehicles with adaptive cruise control (ACC) systems to perform spacing control mode. Rather than establishing a steady-state following distance behind a newly encountered vehicle to avoid collision, the proposed spacing control law based on model predictive control (MPC) further considers fuel economy and ride comfort. Firstly, a hierarchical control architecture is utilized in which a lower controller compensates for nonlinear longitudinal vehicle dynamics and enables to track the desired acceleration. The upper controller based on the proposed spacing control law is designed to compute the desired acceleration to maintain the control objectives. Moreover, the control objectives are then formulated into the model predictive control problem using acceleration and jerk limits as constrains. Furthermore, due to the complex driving conditions during in the transitional state, the traditional model predictive control algorithm with constant weight matrix cannot meet the requirement of improvement in the fuel economy and ride comfort. Therefore, a real-time weight tuning strategy is proposed to solve time-varying multi-objective control problems, where the weight of each objective can be adjusted with respect to different operating conditions. In addition, simulation results demonstrate that the ACC system with the proposed real-time weighted MPC (RW-MPC) can provide better performance than that using constant weight MPC (CW-MPC) in terms of fuel economy and ride comfort.     

指数平滑法在路面使用性能预测中的应用

对路面使用性能指标随时间发展规律及其特点进行了研究和分析,指出了传统预测方法的不足,提出指数平滑法,此方法可以提高预测精度。通过实例分析表明,使用该方法可以很好地预测路面使用性能。     

基于自适应卡尔曼滤波的轮速信号处理技术

分析了轮速信号的检测误差,建立了轮速估计的系统状态空间模型,采用了用于轮速估计的自适应卡尔曼滤波算法.利用MATLAB进行了仿真,验证了算法的有效性.实车试验表明,滤波后的轮速信号延时小,响应速度快,平滑效果比较理想,可以用来直接估计车速.     

基于数据挖掘的固定型交通检测器配置优化

结合固定型交通检测器空间配置的4条原则和配置密度优化步骤,提出基于数据挖掘技术的固定型交通检测器配置优化方法.设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对象,运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型、ARIMA预测模型及神经网络预测模型.采用网格搜索技术确定Winters模型参数,设计一种比传统ARIMA模型参数估计方法更精确的算法程序,来估计ARIMA模型参数,采用3项误差指标评价模型预测效果.根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案.实例研究表明,在保证满足ITS 对交通参数精度要求的同时,通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本.     

基于神经网络的交通方式选择模型

已有的交通拥挤问题研究大多关注于城市交通的宏观层面,而对于微观层面的居民出行个体研究甚少,这主要是因为与出行个体相关的特征指标难以量化,只能做定性分析,引入神经网络模型即能够识别线性指标又能够识别非线性指标的特性。分析了影响居民出行方式选择的相关因素,这些因素包括出行者自身特性、出行者的出行特性、运输系统特性、出行区域特性和目的地区域特性5类,并建立了神经网络居民出行方式选择预测模型。通过实际调查数据的验证,表明本文模型具有很好的实用性,为城市居民出行方式的选择预测提供了新的思路。