基于物流系统的公路主枢纽货运适站量预测

货运适站量的预测是确定公路主枢纽货运站规模和功能的重要依据。传统的预测方法由于统计数据与统计方法的原因，使得预测量与实际需求量有较大偏差。本文提出两种基于物流系统的公路主枢纽货运适量的预测方法，并对两种预测方法的内容和分析预测过程作了详尽的论述，最后根据实际情况给出实例。     

公路货运需求灰色-组合预测方法研究

现行公路货运需求的预测方法[1]是在现有公路货运量(或周转量)的基础上,通过公路运输需求曲线的趋势外延来描述其发展变化,本文称之为直接预测法。上述方法对公路货运需求的派生性以及不同货运方式之间的协同与竞争作用考虑不足。货运需求是由社会发展派生而来,它在很大程度上受到经济、人口等的影响;同时货运需求是公路还与其他货运方式(如铁路和水运等)共同承担的,它们是相互联合又彼此竞争的关系。考虑到以上不足,本文在灰色关联度的理论基础上,综合考虑公路货运需求外部因素,提出一种间接预测方法--灰色-组合预测法。文章首先给出了灰色关联的基本理论,并以此为基础提出灰色-组合关联的概念以及影响因素相对权重系数的计算方法,接着分析了公路货运需求主要的外部影响因素,然后利用该方法对现有数据进行了实例演算,最后通过演算结果分析,验证了该预测方法的可行性。     

基于BP神经网络的公路规费征收量预测方法

文中简要地介绍了人工神经网络方法，并将其应用于公路规费征收量的预测，最后通过实例说明了该模型的应用。     

国民生产总值年增长对货运周转量增长间关系分析

随着国民经济的发展,货运周转量与国民生产总值呈上升趋势.通常情况下,宏观经济时间序列都存在着一定的自相关性,用一般的线性统计回归无法对两者关系进行准确的研究.介绍了协整以及格兰杰因果检验,对中国货运周转量增量和GDP增量2个时间序列为对象进行实证,证明了它们之间存在着稳定的联动关系.     

基于扩展卡尔曼滤波算法的智能泊车航位推算研究

针对智能泊车系统对高精度车辆航位估计的要求,设计了基于轮速及方向盘转角信号的扩展卡尔曼滤波航位推算算法.离线仿真实验将本算法与传统航位推算算法进行了对比,结果显示本算法具有更高的精度;实车试验进一步验证了本算法的实际应用价值.     

基于改进扩展卡尔曼滤波算法的SOC估算

在电动车、储能系统和移动设备等领域中,电池管理系统是保障电池组性能和安全性的关键技术之一,而电池荷电状态（SOC）估算是其重要的组成部分。文章重点针对18650型号的磷酸铁锂电池（单体电池）SOC估算展开研究和设计,首先选择双阶远程控制（RC）模型作为电池模型,通过电池容量标定实验、开路电压（OCV）-SOC标定实验、混合功率脉冲特性（HPPC）实验确定了双阶RC模型的各个动态参数,在MATLAB/Simulink中搭建动力电池仿真模型,验证了所选模型的可靠性。然后,为了解决单体电池SOC估算精度和成本等问题,以扩展卡尔曼滤波（EKF）算法为基础提出了一种改进方法,即在预测第k个时间步的误差协方差矩阵时,引入了时变渐消因子,在更新方差Q和R时引入自适应分子。最后,通过不同循环工况对提出的算法进行仿真分析,结果显示,提出的算法提升了SOC估算的精度,实用性强。     

基于组合预测方法与情景分析的广东省客运周转量预测

客运周转量是制定区域客运发展规划的重要依据,它与区域经济发展水平具有密切联系.以广东省较长一段时期内客运周转量的历史统计数据为基础,通过设定不同的经济发展情景,利用回归分析与马儿可夫组合预测法,对未来一段时期内广东省的客运周转量进行预测,通过误差分析表明预测结果具较高可信度.     

基于扩展卡尔曼滤波的车道融合跟踪

车道检测算法的研究是智能车辆自动导航的首要环节。与目前基于视觉的车道检测与跟踪系统不同,本文提出一种基于扩展卡尔曼滤波的车道融合跟踪方法。该方法利用毫米波雷达探测到前方车辆的距离信息,并采用扩展卡尔曼滤波技术和图像处理技术,建立车道跟踪的动态视觉窗口,提取车道边界,并判断前方车辆相对于车道的位置。该方法大大缩减了处理时间,且增强了系统的鲁棒性。     

基于自适应扩展卡尔曼滤波算法的道路纵向坡度估计

车辆在长下坡路段行驶过程中,道路纵向坡度对汽车纵向受力分析时尤为重要,当道路坡度过大会时会影响汽车的行驶安全性。然而道路纵向坡度很难通过传感器直接测量获得,实时获取道路纵向坡度可以为优化车辆长大下坡提供依据,文章提出基于自适应扩展卡尔曼滤波算法实时估计道路纵向坡度,并进行仿真试验,结果表明,此方法有很强的准确性和实时性。     

基于Kalman滤波的城市环路交通流短时预测研究

在介绍现有的主要交通流预测方法的基础上，阐述了基于卡尔曼滤波（Kalman）的预测模型及其具体算法。结合城市环路的交通运行特性，构建了基于卡尔曼滤波的交通流短时预测模型，并根据北京市三环路的实际数据对模型进行验证。实证数据表明．所建立的交通流动态实时预测模型的预测效果比较理想，算法的实时性也满足实际预测系统的要求，可应用于交通流预测及交通智能控制。     

交通冲突量的BP神经网络预测方法

交通冲突预测是进行交通事故预防和制定安全改善措施的有效手段，节约观测时间和人力。针对BP网络的缺点，提出了改进的快速BP算法，建立了交通冲突量的BP神经网络预测方法，并应用该方法对具体的交叉口交通冲突量的预测实例进行了研究，实践验证了该方法的有效性。     

基于改进稀疏正则化的扩展卡尔曼滤波损伤识别研究

基于传统扩展卡尔曼滤波方法(EKF)的损伤识别过程是一个典型的反问题求解,反问题的不适定性使EKF识别结果容易受噪声干扰,导致EKF算法收敛困难、识别精度下降.基于l1正则化的EKF算法在一定程度上可以缓解此问题,但其不能获得足够准确的稀疏解.为此,提出了一种改进稀疏正则化的EKF方法.该方法采用Arctangent罚...     

路面附着系数的自适应衰减卡尔曼滤波估计

为了获得实时、准确的路面附着系数,进一步提高观测路面附着系数算法的精度和收敛速度,结合非线性车辆动力学模型和轮胎力修正模型,搭建分布式驱动电动汽车联合仿真平台,提出一种基于自适应衰减无迹卡尔曼滤波的路面附着系数观测算法。该算法设计与各轮对应的路面附着系数观测器,应用协方差匹配判据对观测器发散趋势进行判别,设计自适应加权系数修正预测协方差,以增强新近观测数据的利用率;同时采用次优Sage-Husa噪声估计器对未知的系统过程噪声进行估计,抑制观测器的记忆存储长度,调整过程噪声和测量噪声的均值与协方差,提高观测器的跟踪能力。利用分布式驱动电动汽车分别进行高、低附着路面和对开路面直线制动试验,并将自适应衰减无迹卡尔曼滤波路面附着系数观测器的观测结果与无迹卡尔曼滤波观测值、参考路面附着系数进行比较和分析。结果表明：高附着路面条件下,所设计的算法估计误差可控制在0.64%以内;低附着路面条件下,所设计的算法估计误差可控制在1.03%以内;对开路面条件下估计误差可控制在1.26%以内;自适应衰减无迹卡尔曼滤波算法相比无迹卡尔曼滤波算法响应速率更快,具有更高的估计精度和较强的自适应能力,估计结果整体上维持稳定,能够适应各种不同路面的估计。     

基于增广卡尔曼滤波并考虑车辆加速度的路面不平度识别

为实现车辆在实际加减速行驶工况下路面不平度的准确识别,提出了一种考虑车辆加速度、基于增广卡尔曼滤波算法的路面识别方法.以车辆纵向加速度作为已知输入,车身垂向振动和俯仰振动响应作为观测向量,设计增广卡尔曼滤波观测器估计路面不平度信息;求取固定位移窗长度内的国际平整度指数,实现了对路面的等级分类.仿真结果表明在典型非匀速工...     

卡尔曼滤波短时交通流预测普通国省道适应性研究

短时交通流预测是提高普通国省道交通运行效率和安全的关键技术之一。普通国省道具有分布地域广、情况复杂的特点,要求短时交通流预测方法具有良好的适应性,然而,针对短时交通流预测算法适应性及其机制的系统性研究尚不多见。选取1种自适应卡尔曼滤波算法,系统分析其适应性和适应机制。获取江苏省徐州市普通国省道路网中8个交通调查站所采集的实际交通流数据开展实例分析,结果表明：在不同的交通流量水平下,所选算法均值预测的平均绝对百分比误差在10.98%~15.92%之间,区间预测的无效覆盖率在5.21%~6.15%之间,表明所选的自适应卡尔曼滤波算法在不同交通流水平下都具有良好的预测性能;对所选算法的参数进行分析发现,算法参数能够随交通流水平的变化而自动调整,具有良好的自适应机制;所选算法能够在预测初期实现有效的性能调整和收敛。

     

基于蚁狮算法的UKF车辆状态参数估计器

为了准确获取分布式驱动电动汽车状态参数信息,满足车辆稳定性控制系统的需求,提出一种基于蚁狮算法的无迹卡尔曼滤波状态参数估计器。针对无迹卡尔曼滤波（UKF）过程中噪声协方差矩阵的不确定性,采用蚁狮优化算法（ALO）对其进行寻优,并引入奇异值分解（SVD）的方法来维持噪声协方差矩阵的正定性,此外,基于指数加权最小二乘法对车辆侧偏刚度进行辨识并将其作为状态参数估计器输入。基于MATLAB/Simulink和CarSim联合仿真平台,建立分布式驱动电动汽车参数估计模型,分别进行双移线工况和正弦迟滞工况仿真,并基于A&D5435快速原型开发平台进行双移线工况实车试验。仿真与试验结果表明：相比于SVDUKF算法估计结果,双移线仿真工况下,基于ALO-SVDUKF算法估计得到的质心侧偏角和横摆角速度的均方根误差分别降低了55.7%、30.7%,正弦迟滞仿真工况下,均方根误差分别降低了58.1%、85.1%,且在车辆处于极限失稳状态时仍能维持较好的估计效果;双移线试验工况下,横摆角速度的估计值与实际测量值之间的均方根误差仅为0.938 4（°）·s^-1;提出的基于ALO-SVDUKF算法的分布式驱动电动汽车状态参数估计器能够有效提高质心侧偏角和横摆角速度的估计精度,可为车辆稳定性控制提供精确的状态信息。     

基于BP网络的道路水泥再生混凝土性能的评价

为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。     

基于BP神经网络的微观交通安全预测方法

将主成分分析及BP神经网络模型引入到道路交通安全性预测中,从微观层面分析影响交通事故的因素,重点分析道路参数,并形成文中的原始数据。对原始数据进行主成分分析,将结果作为神经网络模型的输入,建立BP神经网络模型,对道路交通安全性进行预测。结果表明,基于主成分分析的BP神经网络模型比一般BP神经网络模型精度更高,而且从微观的层面进行分析可以得到道路参数对交通事故的影响。