粗集及遗传算法在交通事故黑点分析中的应用

交通事故黑点是由好多种因素综合到一起而形成的。利用粗集理论及遗传算法对冗余的黑点成因进行删减,得到主要的黑点成因,从而进行有针对性的治理,以达到减少交通事故的目的。     

基于粗集理论的决策规则约简算法的研究与应用

粗集理论是一种新型的数据挖掘方法，其中约简是它的重要概念．粗集理论的主要思想是在保持分类能力不变的前提下，通过属性约简和值约简，导出问题的决策或分类规则．本文不同于目前将属性约简作为决策规则挖掘的重点，而是在属性约简的基础上又进一步提出了值约简算法，大大提高了规则的挖掘效率．该算法对原有算法进行了改进，最终可获得更简的决策规则．实例分析表明了该算法是较优的、有实用价值的．     

铁路车辆编组连挂中车钩缓冲装置冲击特性分析

为了提高车辆编组连挂时的平稳性,保证所运货物的完整无损,通过对铁路车辆编组连挂时车钩缓冲装置的冲击特性进行分析,建立编组连挂时的缓冲装置的力学模型,对模型分析解微分方程得出位移时间曲线、加速度时间曲线以及加速度峰值,从而得出编组连挂的最大加速度与车钩系统的阻尼有关。     

基于粗糙集和遗传算法的道路交通事故分析

通过对道路交通事故的原因分析,确定了造成道路交通事故的影响因素.研究了利用粗糙集理论从交通事故历史数据中提取有效信息的方法,并给出了基于遗传算法的道路交通事故决策表属性约简算法,得出了道路交通事故决策规则表.计算结果表明:文中所建数学模型科学合理,算法高效可行.为建立道路交通事故智能分析系统提供了一个有效的方法.     

基于粗糙集理论的决策系统属性约简

介绍了粗糙集理论的基本概念,包括等价关系、划分、条件信息量等．介绍属性约简的原理,在此基础上提出了基于条件信息量的数据约简方法,优选出有用的属性,并通过实例表明该方法是可行和有效的．     

基于粗糙集和混合聚类法的决策表约简算法

在分析粗糙集理论、分层聚类算法和k-means聚类算法的基础上,提出一种基于粗糙集和混合聚类法的决策表约简算法,该算法首先是使用基于分层聚类的k-means混合聚类法离散化决策表中的连续属性,然后利用粗糙集理论对离散后的决策表进行属性约简,得到决策规则集,并通过在铁路客运量预测系统中的应用验证了算法的可行性和有效性.     

基于遗传算法的装配顺序优化

为了解决装配顺序优化的问题,采用了集对分析理论与遗传算法相结合的方法,考虑了装配并行度与重定向次数对装配作业的影响,得到了遗传算法的程序编制方法．实例分析,验证了该算法的可行性与有效性．遗传算法对装配顺序优化具有重要意义．     

基于遗传算法的装配顺序优化

为了解决装配顺序优化的问题,采用了集对分析理论与遗传算法相结合的方法,考虑了装配并行度与重定向次数对装配作业的影响,得到了遗传算法的程序编制方法.实例分析,验证了该算法的可行性与有效性.遗传算法对装配顺序优化具有重要意义.     

面向虚拟连挂的城轨列车群组追踪运行仿真研究

城市轨道交通是解决城市交通拥堵问题最强有效的绿色交通方式,其高峰期客流激增且客流时空分布不均,而面向虚拟连挂的城轨列车动态灵活编组和群组追踪运行能有效满足复杂多变的城轨运营需求。本文剖析面向虚拟连挂的城轨列车群组追踪运行过程,给出虚拟连挂列车群组最小安全追踪距离计算公式;以单列标准车长的线路路段为一个元胞单元,设计速度及位移更新规则,构建基于元胞自动机的城轨列车群组追踪运行仿真模型;以某市地铁2号线为背景,多角度仿真刻画面向虚拟连挂的城轨列车群组追踪运行性能。仿真结果表明：面向虚拟连挂的城轨列车群组追踪运行模型能有效缩短列车最小安全追踪间隔时间,城轨线路通过能力较移动闭塞制式提高78.4%;头车延迟引起的后续列车晚点总数量及总晚点时间更小,呈现出更佳的抗干扰性与恢复性能,且宜采用小编组列车实现虚拟连挂;动态混合编组的城轨列车群组追踪运行性能最佳,单一小编组的次之,大编组列车群宜在小编组列车群前面运行;城轨列车群组旅行速度总体上与平均站间距呈正相关;当列车发车间隔大于延迟时间时,平均站间距对列车群组的延迟影响不敏感,相反,则影响较为显著。研究结论能够为面向虚拟连挂的城轨列车群组追踪运行决...     

基于GA-BP神经网络算法和粗糙集理论的交通事故黑点模型

道路交通事故黑点的预测鉴别是改善道路交通安全状况最重要、最关键的一步,采用基于GA-BP神经网络算法与粗糙集理论相结合的方法建立交通事故黑点预测模型.分析天津市津围公路的交通事故统计数据,通过GA-BP神经网络算法建立静态单元,考虑静态道路状况,分析得出道路的事故黑点样本.考虑实时动态道路交通环境条件的影响,并利用粗糙集理论建立有效的交通道路事故黑点预测模型,2种理论的有机结合,减少糙杂繁冗的数据量,降低伪报警率,提高事故黑点的预报精度,并通过实例进行实证分析.     

一种基于Rough集的案例推理模型的构建

利用Rough集理论处理案例推理问题具有不需要外界信息和先验知识的优点,对案例库中冗余属性进行简化,能够起到优化案例库的作用,同时能够依赖于统计知识提炼规则并形成多个有效的案例索引,在进行案例检索时可针对不同的检索问题选择恰当的索引快速检索到相似的案例,并进行推理得出相应的问题解决方案.最后,以稀土萃取分离生产过程的产品纯度和料液处理量等生产指标的智能优化设定控制为例,验证了该模型的可行性和精确性.     

基于粗糙集理论的交通事故形态成因分析

交通事故成因复杂且具有不确定性,难以用一两种因素表征。为提取影响交通事故的核心因素并量化各因素的影响力,引入不确定性分析方法--粗糙集理论。首先根据历史事故数据建立粗糙集信息决策表,之后利用粗糙集理论的简约算法求出各因素相对于事故形态的属性重要度,最终判断出各因素对事故形态的影响程度,为道路事故形态预测模型的建立提供科学、合理的指标选取依据。     

基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义，分析了它与属性值约简的关系，并提出了一种利用可辩识矩阵实现属性值约简的方法，分析了利用可辩识矩阵实现属性约简和属性值约简的方法，设计了基于可辩识矩阵的最佳约简的算法，使得属性约简和属性值约简得以一致计算，使知识推理过程变得统一且相对简单．     

基于粗糙集理论的公交信号优先算法研究

提出一种基于粗糙集理论的公交信号优先控制算法,以绿灯阻塞参数和红灯拥挤度为条件属性,以绿灯延时率为决策属性,构造知识库和边界域函数并约简规则,然后利用VISSIM仿真软件,以车辆延误和人均延误为评价指标对该算法进行评价。结果表明,该算法能减少交叉口4．93％的车辆延误和8．25％的人均延误。     

基于Rough集理论的增量式数据挖掘算法

提出一种求精简规则的带支持信息的增量式算法IDMA,该算法改进了传统挖掘算法的缺点,可充分利用已挖掘出的规则集来对新增实例进行决策规则挖掘,同经典Rough集挖掘算法比较,算法IDMA计算过程简单,而且效率较高.     

基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UC I数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.     

基于粗糙集的相邻交叉口信号控制方法研究

复杂交通区域的交通状况难以利用具体模型直接描述,而粗糙集理论能够在分析大量经验数据的基础上找到用于决策的规则。以交大东路上的行人和机动车为研究对象,提出一种基于粗糙集的信号配时算法,对交大东路上的两个相邻交叉口的信号灯进行控制,提出控制规则,对该复杂交通区域进行优化和疏导,是对多交叉口交通管理与控制的一次有益尝试。