模糊聚类分析方法及其在交通规划中的应用

模糊聚类分析方法是一种多元统计分析方法，它通过多个指标将样本划分为若干类，这种分类方法能很好地应用于交通规划的各个阶段。章以交通调查的选择为例说明了模糊聚类分析在规划过程中的具体应用，并分析了模糊聚类分析在交通规划其他方面的应用。在交通调查中，可利用模糊聚类分析将交通分区按工业、居住、公建、道路绿化广场等各项用途来进行分类。可相应减少同类交通分区的相似调查工作量。     

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。     

基于卷积神经网络的锚杆锚固质量评估方法

锚杆的锚固质量通常使用声波反射法进行检测，然后使用人工方式对其进行分析和分类，但人工方式不仅具有较强的主观性，而且还费时费力。为解决上述问题，提出一种基于Alexnet卷积神经网络的锚杆锚固质量评估方法。首先，对已经经过人工分类的声波反射信号进行预处理，得到原始样本数据，并将其按一定比例划分为训练集和测试集； 然后，用该样本数据训练卷积神经网络模型并进行分类测试。试验结果表明： 1）该预处理方法极大地提高了最后分类的准确性，样本数据集达到了约90%的准确率； 2）在实际工程应用中，与人工分类结果相比，采用该方法得到的分类结果认可度达到95%。     

基于GA模糊聚类的城市快速路交通流状态划分

采用基于遗传算法的模糊聚类划分城市快速路交通流状态,借助模糊相关度函数分析聚类结果的有效性,以寻找交通流状态的最佳分类数。遗传算法的引入,有效改善了传统模糊聚类对初始化敏感以及容易陷入局部最优解的问题。经上海市城市快速路实测数据验证,此算法对交通流状态的划分具有可行性,且聚类有效性分析能够合理确定交通流状态最佳分类数。上述研究成果可用于城市快速路交通信息发布、服务水平评价以及交通设施的控制与管理。     

基于小波分析和神经网络的交通事件自动检测

提出了利用小波分析和神经网络进行交通事件自动检测的方法，其基本思想是通过小波变换对原始采样信号进行奇异点检测，然后通过神经网络对小波变换的结果进行分类，最后给出交通事件的信息。通过MATLAB仿真实验，证明该方法相对于传统的事件检测算法能更准确、快速地实现分类。     

干道信号协调控制优化方法

针对干道信号协调控制中控制策略及其控制优化参数设置上存在的问题,考虑到智能控制中Sugeno模糊推理所具有的复杂系统动态性能表达能力和神经网络控制方法所具有的学习能力,结合两者的优势建立了1种基于模糊神经网络的交通信号协调控制模型,实现对绿信比与相位差的优化,使用微观交通仿真软件Vissim对干线交通进行了仿真研究,仿真结果表明,该方法能更为有效地减小平均车辆延误。     

降雪天气下高速公路交通流状态划分

为了给降雪天气下高速公路交通管理者提供合理、准确的交通状态信息,提出了一种可用于高速公路降雪天气下交通状态划分方法。考虑到高速公路交通状态分类存在模糊性的特点,以速度、密度作为样本数据的特征属性,提出了改进的模糊C均值聚类(FCM)的交通状态分类方法。针对传统算法要求事先确定交通状态划分的数目c存在的缺陷,利用自适应函数求得聚类数c。以乌鲁木齐市机场高速公路为实例进行分析,获得降雪天气下交通流状态的划分结果。     

基于大规模定位数据的出行方式模糊判别研究

交通需求信息对于从战略上解决交通拥堵问题是非常重要的。从无线通信网络和GPS系统中可以获得大规模的定位数据。从定位数据中可以挖掘出完整的出行轨迹信息和有价值的出行需求特征信息。文中提出了以各种出行方式的先验知识为依据的出行方式模糊判别方法。该方法以从出行轨迹信息中提取的出行属性数据为输入,采用模糊推理机制实现机动车、自行车、步行等3种出行方式的良好区分。该方法可为交通规划工作提供出行方式划分方面的数据,并具有比传统交通调查方法更低的成本和更短的数据更新周期。     

基于改进模糊聚类算法的快速路交通状态分类评价

基于城市快速路实时交通信息发布出发,对其交通状态进行了有效分类。研究首先在选取分类指标时,在传统分类指标流量、速度、占有率的基础上增加了新的分类指标——路网宽裕度。并运用模糊聚类的思想对交通状态进行聚类分析,对传统模糊聚类算法进行了适当改进,从而增加了方法的创新性。案例分析结果表明,研究所提的分类指标及改进算法是可行的,可对城市快速路的交通状态进行较为有效的分类。     

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。     

综合模糊品质机能法和模糊TOPSIS的配送中心选址方法

考虑第3方物流企业在配送选中心选址决策过程中的模糊不确定性和多角度性，综合模糊TOPSIS和模糊品质机能法建立了配送中心选址的多角度决策方法。首先应用模糊品质机能法分别从客户、第3方物流企业的角度确定配送中心选址准则因素权重，并对选址准则因素权重进行集成，然后再利用模糊TOPSIS综合确定最优选址方案。最后，应用一个案例说明此选址方法的有效性。     

电子节气门参数自整定模糊PID控制器的实现

详细介绍参数自整定模糊PID控制系统的结构和控制策略,设计了汽车电子节气门参数自整定模糊PID控制器。     

基于自适应模糊神经网络的故障诊断方法

对模糊逻辑和神经网络的优缺点进行分析,提出一种基于自适应模糊神经网络的故障诊断方法。它把模糊逻辑和神经网络有机结合起来,生成自适应模糊神经推理系统(ANFIS);文中给出了该系统的原理及实现算法,最后使用M atlab Fuzzy工具箱对柴油发动机喷油泵柱塞故障数据进行建模,结果表明该方法是可行的,并且有较高的诊断效率。     

基于模糊集理论的车道标志线精确检测

为了解决复杂路面条件下车道标志线的检测问题,提出了一种基于模糊集理论的车道标志线精确检测方法.采用阈值分割、腐蚀、边缘检测等技术对交通图像进行处理;通过Hough变换粗略提取位于各车道标志线及其附近的所有亮点像素作为待分类的像素点,构成样本集;按照模糊聚类分析准则得到直线的斜率和截距,实现车道标志线的精确检测.实验证明了该方法的精确性和有效性.     

工程车辆液压行走驱动系统模糊自适应PID控制策略研究

在现有工程机械PID控制器的基础上,利用模糊推理实现了对PID参数在线自整定模糊自适应控制,并且在MATLAB软件下将该控制器在车辆液压底盘试验台系统中的应用进行了研究,仿真结果表明,参数自适应模糊PID控制能使系统达到满意的控制效果.     

模糊数学方法在挡土墙稳定性分析中的应用

在挡土墙稳定性分析中存在模糊性的基础上,运用模糊集合论的理论提出了模糊稳定系数的概念和描述方法。建立了挡土墙稳定性分析的数学模型,从而使挡土墙稳定分析更接近客观实际。     

基于模糊重心理论的软土地基处理方案优选

将模糊重心决策法应用于软土地基处理方案中,在确定指标权重向量时进行了改进,引入模糊一致矩阵,无须进行检验。同时给出了一个连续的语言标尺,有利于专家充分表达评测意见,指标的重心排序可避免传统模糊综合评判中指标被淹没和信息丢失的现象。该法可利用所有的评价信息,可信度较高。     

深基坑支护方案中模糊综合评判优选法

针对深基坑支护施工方案选择的优化目标,在建立支护方案评价的指标体系基础上,该文论述了利用模糊综合评判法进行深基坑支护方案优选的详细步骤,并通过了工程实例验证。结果表明:模糊综合评判法进行深基坑支护方案优选的方法是可行的、有效的,可供工程实践参考。     

基于模糊模型的跟驰车流特性研究

针对有关车辆跟随的传统车流跟驰理论存在的许多不足,分析了跟驰模型存在的问题,提出采用模糊模型来建立局部车流跟随模型,并针对隐性知识问题,提出了采用输入-输出数据对来设计模糊规则,应用权重来解决规则冲突问题并简化规则库.通过实例验证了模糊模型较之跟驰模型的优势.证明模糊模型更能有效地模拟真实的局部车流模型,其将对车辆避撞预警的研究提供理论上的参考价值.     

车用发动机故障综合智能诊断方法研究

提出了用模糊神经网络代替模糊推理并与规则推理相结合的新的诊断实用技术,给出了一个汽车发动机的诊断实例。结果表明该方法有效,具有工程应用前景。