基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

基于最小浮动车样本数量的道路覆盖率与交通信息更新周期研究

基于浮动车样本数量的道路覆盖率与交通信息更新周期的关系是浮动车信息采集技术应用中亟待解决的关键问题。浮动车的道路覆盖率与交通信息更新周期之间成正比关系,通过对基于经典概率统计理论的传统计算最小浮动车样本数量方法中所存在不足的分析,提出从路段内车辆运行时间角度出发考虑样本量,引入表征运行时间变化的变量,确定满足道路覆盖率的最小浮动车样本数量,进而建立基于浮动车样本数量的道路覆盖率与交通信息更新周期的关系模型,并给出满足道路覆盖率的浮动车最小样本数量计算的改进算法。通过成渝高速公路成都—龙泉段的实际浮动车数据,验证了关系模型的可靠性及改进算法的优越性。     

公路运输应急保障系统探讨

在总结我国公路运输发展现状及趋势的基础上,明确了交通突发事件的含义和范围,建立了以智能交通系统(ITS)为基础的公路运输应急保障系统模型,并对系统的结构和功能进行了详细的分析,为公路运输管理实现智能化、信息化提供了理论依据。     

非对称库存信息下供应链协调策略

在一个供应商和一个零售商组成的两级供应链系统中，分别分析了供应商和零售商以及系统的成本，建立非对称成本信息下满足一定约束条件的协调策略模型，使供应链中各成员说真话的同时系统的成本也实现最优，最后，经过数值分析证明了协调策略模型的有效性。     

出行信息传递效用与模式分析

为了揭示出行信息的传递效率,并为出行信息的传递模式设计提供理论支持,从出行全过程和城市交通系统的角度,详细分析了出行信息的内容及特征。对国内外相关研究进行的系统分析表明：通过获取充分的出行信息,出行者可以做出最优行程安排,从而提高出行效率;对交通系统管理者而言,良好的出行信息传递能够提高网络的整体运行水平。在此基础上,从总体规划、信息发布策略和效用评估3个方面提出了出行信息传递模式的设计原则,并对目前我国城市出行信息的传递模式进行了详细分析,指出了存在的主要问题和改善途径,为ATIS的建设和评估提供了理论采础和评价方法。     

电动汽车电机旋转变压器及其解析电路失效分析及优化

近年来,随着电动汽车的热销,其售后质量也引起了广泛的关注。其中旋转变压器作为电机的位置传感器,承担着控制电机驱动的核心作用。虽然旋转变压器具有结构可靠、抗干扰能力强、适用于恶劣的环境等优点,但是一旦损坏或者信号解析电路失效,整车将面临扭矩失控的极大风险。因此,本文分析了旋转变压器及其解析电路的失效模式并提出相应的设计改进的方案。     

浮动车数据在车辆路径问题中的应用

利用浮动车信息采集系统预测路段行程时间,实现对带时间窗的混合车辆配送路径选择的优化.提出了带时间窗的混合车辆路径选择优化问题的求解模型;设计了浮动车地图匹配和路段行程时间预测算法,以实现对路段行程时间的预测,并通过给出的成都市浮动车数据证明了所提出的算法比同类算法更有效——地图匹配率提高6%,路段行程时间预测值与实测值的拟合度更高,运输总费用节约24%.