基于模糊神经网络的结合部匝道控制方法研究

针对高速公路与关联城市快速路（简称结合部）路段拥堵日益严重的现状,从匝道控制影响要素分析入手,基于模糊控制和神经网络思想,本文提出了以主线交通状态与期望状态差值和匝道交通状态为输入变量,以匝道调节率为输出变量的模糊控制方法. 同时针对结合部路网互通式立交设计的实际情况,分单匝道控制和双匝道控制两种情况进行了分析,提出了相应的匝道控制方法,并建立了5层模糊神经网络控制模型. 最后以北京京津塘高速公路与北京三环和四环关联城市快速路为案例,对建立的模型进行效果验证,结果证明了所建立方法的有效性.     

基于DHGF评价模型的物流园区风险管理研究

为了综合评估物流园区在规划、建设及营运3个阶段的风险,考虑到物流园区风险的不确定性特征,将Delph i法、层次分析法、灰色系统评估法以及模糊综合评估法加以综合运用,提出了DHGF模型,并通过算例验证了模型的有效性。文章最后提出了应对不同阶段的风险控制及防范措施。     

基于模糊评判的钢桁架施工方案优选

结合实际工程,建立大跨度钢桁架施工方案优选的模糊评判模型。根据工程概况及指标建立原则,建立评价指标体系,通过改进的层次分析法确定各指标的权重,划分评价指标等级。编制可行的多种施工方案,引入集值统计的方法来构建隶属度矩阵,利用模糊数学原理计算各方案的综合优越度。对各方案评价值进行排序,从而确定最佳方案。     

熵权模糊综合评价法在公路洪灾危险性评价中的应用

针对公路洪灾的复杂性、模糊性及不确定性,基于模糊数学理论,采用熵权法对公路洪灾各危险性指标赋权,构造基于熵权的模糊综合评价模型,通过熵权使权重由主观判断转为由各指标数据之间的关系来确定,将客观权重和专家给出的主观权重综合度量得到评价结果。经过在重庆境内渝黔高速公路洪灾危险性评价实际案例中运用,结果表明,该方法是可行的,能准确反映公路洪灾危险性程度,在实践中具有一定的应用价值。     

三峡库区码头安全评价体系研究

分析了三峡成库后重庆地区的码头安全问题,建立了一套码头安全评估指标体系,并对其权重进行分析,确定了影响安全因素的重要性;同时运用模糊层次分析法,实现了对码头安全的评估。     

基于改进差分进化算法的出租车合乘问题研究

在现有出租车合乘问题研究基础上,考虑乘客模糊时间窗、合乘意愿等因素,建立 更符合实际的多对多合乘模型,并使用改进的差分进化算法进行求解.该算法设计了一种分段 实数编码方案、基于个体排序的缩放因子F 与交叉概率CR及混合轮盘赌的半贪婪选择策略. 仿真结果表明：所提算法的求解效果优于传统差分进化算法与遗传算法,是解决该类问题的 有效方法;与非合乘模式相比,所建模型成本减少、服务乘客数增加,模型合理有效;同时分析 了模糊时间窗、合乘意愿2个因素对模型求解结果的影响.     

基于熵权法的地铁运营安全模糊综合评价方法研究

针对现有地铁运营安全评价方法中存在的指标权重、指标隶属度等客观确定方法理论研究不足这一现状,采用将熵权法和可拓理论相结合的数学综合方法,建立基于模糊综合评价方法的地铁运营安全评价模型。其中： 指标权重采用熵权和主观权重加权平均的方法求得,既能够充分考虑专家的主观决策意见,又能反映出数据本身蕴含的信息;指标隶属度则采用可拓学理论中的关联函数计算获取。以北京某地铁为例,对该模糊综合评价方法进行了分析验证。验证结果表明,该方法不仅能够有效地评估地铁运营实际安全风险水平,还可以提高指标权重精度,准确反映出各项指标的相对重要程度,进而提高地铁运营安全评价的可靠性。     

低排放导向的交叉口速度引导策略研究

根据车辆的时空轨迹以及对应交叉口信号相位的参数信息制定速度引导策略可以令驾驶员 更顺利地通过交叉口。为了探究引导策略对排放与能耗的具体影响,以大连市长江路和联合路交 叉口为例,利用微观交通仿真软件VISSIM 与微观排放模型MOVES的集成系统对不同流量与引 导控制下的交通排放进行仿真估计。比较绿波速度引导后的四种驾驶行为,结果表明,加速通过 交叉口会产生更高的车均能耗与排放。为了限制速度引导策略可能带来的更高排放,对加速过程 中的期望速度采用模糊控制,提出一种低排放导向的速度引导策略。分析结果表明,在中低流量 下基于模糊控制的速度引导策略能够在不影响通行效率的前提下有效地减少污染物的排放,且与 绿波速度引导策略相比,减排效果提升了3%~5%,从而论证了低排放导向的速度引导策略在节 能减排方面具有积极效果。     

车辆排放对大气污染的模糊监测及神经预测模型

以车辆排放对大气污染为研究对象,在综合考虑车辆排放对大气污染影响因素的基础上,构建车辆排放对大气污染的模糊监测指标体系。通过模糊集的相关理论,建立车辆排放对大气污染的监测模型,并采用熵权法确定指标权重系数,利用模糊可变模型计算监测值对各监测级别的综合相对隶属度,界定车辆排放对大气污染的等级程度。通过大数据分析,根据神经网络理论构建车辆排放对大气污染的预测模型,并利用MATLAB软件实现预测过程。应用结果表明,车辆排放对大气污染的监测模型可有效界定车辆排放对大气的污染程度,车辆排放预测模型能预测短时间内大气中污染物浓度,具有较高可信度,研究成果对解决车辆排放对大气污染有较好的指导意义和实用价值。     

基于驾驶人决策机制的换道意图识别模型

依据驾驶人换道决策的产生机制,提出速度期望满足度、危险感知系数和换道 可行性系数作为换道决策的识别指标并确定其量化方法.通过实车试验数据的分析表明： 量化指标与换道决策存在不同程度的相关性;同时在换道初期、车道保持及过渡状态阶 段存在显著差异.以速度期望满足度、危险感知系数和换道可行性系数为特征输入参数, 建立基于模糊神经网络的驾驶人换道意图识别模型,进行驾驶人换道意图的识别.结果表 明,该模型在换道初期的预测准确率达到89.93%,虚警率为9.52%,优于以碰撞时间TTC 为输入指标的BP神经网络模型,以及以RV、RP、RS为变量的Logistic 模型,说明模型具 有较好的预测准确性.