聚类分析在公路运输枢纽宏观布局规划中的应用

分析聚类分析法在公路运输枢纽布局规划中的应用。提出运用系统聚类、动态聚类、模糊聚类3种聚类分析法进行公路运输枢纽布局选址的思想,并通过实例分析对3种方法的特点及适用条件进行了讨论。     

常规公交路外换乘枢纽备选站址的选择方法研究

描述了现状的路侧常规公交换乘枢纽存在的主要问题,分析了常规公交路外换乘枢纽的概念及其在整个城市交通系统中的作用。选择并计算了公交枢纽衔接的公交线路条数、公交枢纽的发车频率、集散客流量、换乘客流量、换乘耗时等5项功能指标,对常规公交路外换成枢纽的集散换乘功能进行描述。通过确定灰类白化权函数、聚类指标权重,计算综合聚类系数对备选站址的归类判断,从而实现对常规公交路外换乘枢纽备选站址的灰色聚类分级,达到对备选站址选择的目的。利用调查数据进行案例分析,验证选择方法的准确性。     

基于电动出租车数据的充电桩选址聚类方法比较

为有效降低出租车运营企业及经营者的经济成本,通过分析出租车的卫星轨迹数据,比较和选取用于电动出租车充电桩选址规划的聚类方法。以上海市电动出租车充电站的选址规划为研究对象,分别基于孤立森林和聚类算法设计异常值检测方法,对相关时段的出租车卫星数据进行清理以及数据可视化处理;比较层次聚类（Agglomerative Clustering）、高斯混合模型（Gaussian Mixture Model, GMM）、K-means聚类、Mean-Shift聚类以及谱聚类（Spectral Clustering） 5种算法的聚类效果,并选取K-means算法作为充电桩选址规划参考算法。从城市区域划分及企业运营角度确定充电桩选址方案,为未来上海市区电动出租车充电桩的数量和容量配置提供设计依据。     

基于K-means聚类方法的物流多配送中心选址优化研究

针对城市物流多配送中心选址过程中因素选取和方法融合研究方面存在的不足,提出先对备选配送中心进行聚类分析而后在各聚类单元内进行选址排序的思想方法。首先,建立物流多配送中心选址的评价指标体系,将语言变量值与梯形直觉模糊数相结合并应用模糊集成方法进行计算,进而得到各配送中心在准则指标下的集成综合评价值;其次,根据隶属度函数,将集成后的综合评价值拆分成3个分属性值,并将分属性值作为聚类过程的输入。然后,应用K-means方法计算多配送中心的聚类单元和确定初始聚类中心,并选取聚类单元均值作为新的聚类中心进行优化迭代计算,直到确定聚类中心位置,进而得到最终聚类结果。最后,应用TOPSIS方法计算各类中选址位置的评价值,排序选出配送中心选址位置。实例验证表明,所提方法得到的选址结果合理且优于其他选址方法,并可应用到多级物流配送网络的选址优化问题研究中。     

亲和力传播聚类在市域公路网节点重要度计算中的应用

为了从根本上消除传统的公路网节点重要度聚类方法因各指标求和而削弱节点差异性的弊端,引入亲和力传播(AP)聚类算法对节点指标的主成分进行聚类,并转化为真实指标下的聚类结果,根据交通量预测及节点聚类结果按需布设公路线路。以某市公路网规划作为研究实例,对规划方案进行评价分析。结果表明,本文提出的公路网规划方案改善了研究区域当前路网的运行质量,并在规划年份能够与运输需求的增长相匹配。     

基于自适应模糊C-均值算法的退役锂离子电池快速聚类

梯次利用处理退役锂离子电池具有巨大的经济和环境价值,而如何高效、准确地对退役电池进行分选重组是梯次利用中突出的技术挑战。首先,为准确反映退役电池的一致性,提取最大可用容量（MAC）、放电欧姆内阻（DOIR）和容量增量曲线的弗雷歇距离（FD）3个因素共同作为聚类因子。然后3个聚类因子结合自适应模糊C-均值（AFCM）算法构建退役电池聚类方法。结果表明：AFCM算法聚类簇内MAC的最大误差为79 mA·h,DOIR小于45 mΩ;三因素的聚类方法成组的电池一致性较好;并且在117颗电池聚类时,AFCM算法聚类耗费的时间最短。     

基于符号有向图的汽车涡轮增压系统故障诊断

基于符号有向图SDG(Signed Directed Graph)的传统故障诊断方法融入了定量推理的方法,提高了诊断精度,然而对不可测节点的处理大多采取等效删除以及假设状态信息扩展有效节点的方法,容易引起信息丢失和诊断效率低下的问题.结合汽车涡轮增压系统诊断实例,针对含有不可测节点的故障传播路径,提出引入模糊聚类的方法...     

基于模糊聚类BP 神经网络在边坡稳定性评价中的应用研究

利用边坡样本之间存在的相似性,采用模糊聚类分析方法对边坡样本进行分类,并根据择近原则将预测样本划归为贴近度最大的聚类模式,运用该模式对预测样本的稳定系数进行BP神经网络预测。通过实例证明了该方法的可靠性和有效性。     

基于增长极理论的区域物流枢纽城市规划方法研究

区域物流发展的不平衡性要求区域物流发展规划体现出层次性和规划的重点,为此本文提出了物流枢纽城市的概念和以其为中心的区域物流规划思路,再应用增长极理论主要研究了物流枢纽城市的作用机理和规划原则,然后结合灰色聚类法提出了物流枢纽城市的规划方法,最后通过实际应用证明该方法的可行性和有效性。     

城市对外客运枢纽选址方案比选模型与遗传算法应用

城市对外客运枢纽选址规划是城市规划的重要组成部分。分析了城市对外客运枢纽选址存在的问题及其解决方法,针对土地开发密集的老城区和土地规划正在进行(或尚未完成)的新城区,结合其不同的土地使用限制条件,以城市对外出行旅客市内出行总时间最小为目标,分别建立了约束型和无约束型两种选址模型,并分别设计了线性规划和遗传算法的计算方法对其进行求解,通过模型求解,可以得出规划城市对外客运枢纽的数目及其规模。     

非常态下城市道路交通检测器布局优化方法

为了使城市道路上布设的交通检测器能够实时、准确地提供路网动态交通流信息,并最大程度地节约经济成本,通过仿真对交通异常事件下城市道路交通流量和车辆延误进行了估计,并利用模糊聚类分析法、回归分析法和车辆延误估计模型,研究了路网在非常态下的检测器空间位置以及空间密度的布局优化方法;通过一个算例,对提出的检测器布局优化方法进行了验证分析,并得出了算例中检测器布局的优化方案。结果表明:所提出的检测器布局优化方法是可行的。     

Cluster-based correlation of severe driving events with time and location

In this article, a systematic strategy is proposed to identify severe driving events occurrence correlation with time and location. The proposed approach, which is constructed based on batch clustering and real-time clustering techniques, incorporates historical and real-time data to predict the time and location of severe driving events. Batch clustering is implemented with the combination of subtractive clustering and fuzzy c-means clustering to generate clusters representing the initial correlation patterns. Real-time clustering is then developed to create and update real-time correlation patterns on the foundation of the batch clustering using the evolving Gustafson–Kessel like (eGKL) algorithm. In both clustering processes, the correlation of the events within time domain is identified first, and then two different levels of accurate correlations are conducted for the location domain. Real-time data of operating vehicles each equipped with a data acquisition and wireless communication platform are used to validate the proposed strategy. Batch clustering results reveal the severe braking events distribution and concentration at daytime and nighttime. Real-time clustering provides and updates the variation of the correlations/intercorrelation of different regions. Drivers can be notified of the potential severe driving locations through maps showing the driving routes. Through the variation of the correlations, drivers can recognize the events occurrence at different times and locations. The generated time series can be potentially used to develop spatial-time models for regions to model and forecast the events occurrence.     

基于谱聚类算法的城市路网动态分区研究

合理高效的路网分区是交通优化与控制的基础,为适应动态分区的原则并提高分区的效率和划分结果,以谱冈理论为基础结合谱聚类算法进行路网动态分区的研究。分析路网分区的原则并提出路网动态分区的模型框架,根据实时变化的交通流数据和道路交叉口的拓扑结构属性建立谱聚类的相似矩阵,给出结合谱聚类算法的路网分区步骤。通过实际数据验证了算法的实用性。结果表明运用该算法进行路网动态分区可以较好的体现交通流的变化特性,能够得到较为理想的分区结果。     

基于模糊C均值聚类的快速路交通流相态划分

交通相态的识别问题是智能交通系统里一个关键问题,基于模糊C均值聚类分析可以很好地解决这种没有先验知识情况下的分类问题。文中介绍了三相流理论,根据我国实测快速路交通流数据,利用模糊C均值聚类方法对交通流相态的分类进行了研究,实现了一种交通相态的划分方法,研究结果表明：该方法能够识别出三相流理论中的自由流和同步流状态。     

基于加权Kendall相关系数和序贯代理模型的有限元模型修正

为了提高桥梁结构有限元模型修正的效率和效果，提出基于加权Kendall相关系数和序贯代理模型的有限元模型修正方法。首先，建立基于目标响应误差和待修正设计参数灵敏度的加权Kendall相关系数指标，并采用凝聚层次聚类算法，合理确定待修正设计参数的数量和位置，保证待修正设计参数对目标响应具有合适的解耦能力；其次，为解决传统一次性代理模型法在构造代理模型过程中产生的欠采样或者过采样的问题，采用基于FLOLA-Voronoi通用序贯设计策略的序贯代理模型法，提高构造代理模型过程中试验设计样本的利用率和模型修正效率；最后，根据一座斜拉桥的静动力荷载试验数据进行有限元模型修正。结果表明：基于FLOLA-Voronoi算法的序贯代理模型能够合理地确定构造代理模型所需的样本数量和位置，使得在相同样本数量的情况下，序贯代理模型比一次性代理模型具有稍好的精度指标；采用加权Kendall相关系数指标的聚类方法可以得到具有合适解耦能力的待修正设计参数，使得修正前大误差目标响应的误差显著下降，小误差目标响应的误差基本都处于合理范围内，有效地降低了目标响应的整体误差；同时，有限元理论静动力响应与实测静动力响应的平均误差分别由5.56%、8.43%降低至1.87%、3.41%，并且相较于常规方法，修正精度更好，所提方法可以用于桥梁结构有限元模型修正，可得到准确的桥梁结构数值模型。     

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

重庆市山区公路雪灾等级划分及预警评估模型研究

通过对国内外相关领域雪灾等级的分析,结合重庆气象条件和公路网的实际情况,提出适合重庆的山区公路雪灾分级标准。将雪灾强度数学模型与雪灾等级划分情况相结合,用动态聚类法找出各雪灾等级的重心,从而建立雪灾预警评估模型。     

环境承载力约束条件下城市最大乘用车保有量预测

以城市环境承载力为约束条件预测城市内可容纳的最大乘用车保有量。预测模型是一个双层优化问题，其中上层是环境承载力约束下的最大乘用车保有量模型，以交通小区的乘用车保有量之和最大为目标函数，以各路段的环境承载力为约束条件；下层是道路网上的用户平衡分配模型，模拟乘用车出行者的路径选择行为，预测交通需求在道路网上的分布及行驶特征。开发了一个基于灵敏度分析的算法用于实现上下层模型间的反馈及同时求解两个优化问题。利用实例验证了模型及算法的有效性。