典型工况构建方法对新能源汽车能耗评价的影响分析

新能源汽车的能耗及其经济性与行驶工况高度关联。为了对新能源汽车的能耗进行合理评估，以西安市为例，分别应用聚类分析法、聚类马尔可夫分析法、短行程车速-加速度(Velocity-Acceleration,V-A)矩阵法和变步长V-A矩阵法构建城市客车运行工况，并进一步提出基于自组织映射(Self-organizing Maps,SOM)神经网络聚类的V-A矩阵法。对5种方法构建的工况进行对比和误差分析。在此基础上，基于一款插电式混合动力城市客车，应用全局优化方法——庞特里亚金最小值原理设计能量管理策略，分析车辆能耗和经济性以及5种工况的优缺点。研究结果表明：聚类分析法构建工况的平均特征值误差最大，计算量较大；变步长V-A矩阵法的平均特征值误差小于聚类法，计算量最小；短行程V-A矩阵法与变步长V-A矩阵法误差接近；聚类马尔可夫法的误差居中，计算量最大；基于SOM聚类的V-A矩阵法的平均特征值误差最小，能反映不同路段以及运行时间的差异，且能在聚类之后快速提取短行程的同时兼顾速度和加速度的分布；从能耗角度来看，基于SOM聚类的V-A矩阵法的能耗在5种方法中居中；聚类分析法构建的工况平均车速低于其他工况，但加减速频繁，能耗成本最高；聚类马尔可夫法由于对车速进行平滑处理，加减速频繁程度最小，能耗成本最低。     

基于改进灰色聚类法的高速公路沥青路面使用性能评价

分析了传统灰色聚类法的弊端,引入分段指数白化函数建立了改进灰色聚类法评价模型;利用陕西省某高速公路路段路面损坏状况指标、行驶质量指数、路面车辙深度指数和抗滑性能指数检测结果,分别运用传统和改进灰色聚类评价方法对其路面使用性能进行评价,结果显示改进灰色聚类法评价模型的评价结果与规范评价结果完全一致,能客观评价沥青路面的使用性能。     

路段变长划分的模糊聚类方法

路段的合理划分是开展路面养护管理的基本前提。对通常采用的定长1km的做法进行了分析,指出了其不足;进而引进了模糊聚类方法,阐述了其应用思路,给出了模糊相似系数的构造方法,据此利用编网法建立了路段变长划分方法,并对聚类水平α给以解释;最后论述了该法的意义,还进行了实例验证。     

基于聚类和优序图法的事故再现结果融合方法

科学合理地融合多个事故再现结果具有重要现实意义，针对现有事故再现结果融合方法不能处理结果中包含潜在风险区间的问题，采用聚类算法与优序图法相结合的方式对多个事故再现结果进行融合。首先提出基于聚类的基础融合法，其先离散多个事故再现结果，再对离散后的数据进行聚类得到类结果，最后整理聚类结果可得融合结果。基础融合法操作简单、高效但不能处理再现结果中的潜在风险区间。进而通过引入优序图法提出基于优序图法的改进融合法，所提改进方法先从基础融合法的结果中得到各聚类区间概率与各聚类中心之间的距离表，并根据距离表中的距离极值将距离分段；再按照正态分布原则可知，各聚类中心之间的距离十分接近，现遵循距离越小分值越高的前提给予每段距离一定分值，距离表可根据分值得到各聚类中心的权重计算表;然后对权重计算表使用优序图法计算出各聚类中心的权重即各聚类区间权重；最后结合各聚类区间概率及其对应的权重得到融合结果。数值算例与真实案例均表明:改进融合法不仅可高效融合再现结果，还能识别出潜在风险区间并降低其在融合过程中的影响，从而提升融合结果的客观性，得到更理想的符合正态分布的结果，为融合包含潜在风险区间的多个事故再现结果提供有效解决方案。     

沥青混凝土路面预防性养护对策选择

对广东省某高速公路进行路况调查后,根据调查结果,研究预防性养护对策选择流程、养护路段划分指标和方法。采用车辙深度、横向裂缝长度和路面抗滑性能指数三指标,使用动态聚类法,划分预防性养护路段。得到了预防性养护对策选择的流程,给出了聚类分析法划分路段的过程和结果。结果表明,采用该流程进行养护措施的选择,科学性、客观性强;聚类分析法用于高速公路养护路段的划分可取得良好的效果。     

农村公路客运站点选址研究

为解决“一个区域内多个停靠站点的选址”问题,提出了基于最短距离的系统聚类综合优化方法,对资金约束下的农村公路客运停靠站点进行选址.该方法首先利用基于最短距离的系统聚类法进行居民点分类,将整个待研究区域划分成不同的居住子区域;然后利用重心法确定各子区域停靠点的理想位置;最后将理想停靠点映射到附近道路上,得到农村公路客运停靠点实际最佳位置.该方法能有效均衡建设成本上限与服务质量下限的约束,有效解决区域内多级别、分层次的停靠站点系统选址问题.论文最后以一个实例展示了该方法的实施过程,并验证了该方法的合理性和可行性.     

基于模糊聚类的农村路网建设水平评价

针对目前建设水平评价方法不适用于农村路网，且评价方法多为对路网整体的分析，提出基于模糊聚类的农村路网建设水平评价方法。(1)提出缓冲区重叠率和区域路网等级指标，作为路网服务水平和等级水平的评价特征；(2)采用村级行政区划和泰森多边形区块划分的方法，将每一个区块作为聚类区域，使评价结果不易被整体均衡化；(3)为获取相对区域整体来说建设水平较弱的区块，且指标量化后只有数值没有明确界限，故采用模糊聚类算法以指标作为特征参数对各区块分级。以辽宁省某县路网为例进行实验，分析并可视化聚类结果，验证了该方法对于农村路网建设水平评价的可行性和适用性，可为农村路网优化改善提供辅助决策。     

DHSSA优化的K均值互补迭代车型信息数据聚类

针对传统方法在车型信息数据聚类过程中受初始化中心点的影响较大导致聚类精度低、鲁棒性差以及在迭代过程中求取均值选择聚类中心受离群点影响大的问题，提出了一种DHSSA优化的K均值互补迭代车型信息数据聚类方法。首先，针对SSA算法中发现者位置更新不足和种群多样性不足的问题，设计了一种扰动因子-领头雀优化策略，通过自适应领头雀策略加强了最优个体的影响力，利用扰动因子扩大搜索空间，提升了寻找聚类中心的准确率；其次，设计了基于筛选最大最小距离积方法 SMMP优化聚类中心的初始化，在MMP基础上增加了筛选机制，使初始化的中心尽可能更均匀地分布在每个簇中；最后，融合DHSSA和SMMP来优化K均值互补迭代，在减小迭代次数的同时增加搜索效率，得到较好的聚类结果。利用多种数据集进行测试，通过试验结果中的收敛曲线和性能指标可以看出，提出的DHSSA-KMC方法相对于SSA-KMC、IMFO-KMC、KMC和KMC++具有更高的搜索精度、收敛速度和更低的聚类代价，并且耗时相对于SSA-KMC和IMFO-KMC有所减少，证明了算法的有效性和优越性。在车型信息数据处理过程中，DHSSA-KMC可以高效聚类生成竞品...     

基于SOM聚类的不同纤维掺量下SMA-13路用性能对比研究

为了区分SMA-13在不同纤维掺量下路用性能相近的混合料聚类,综合评价聚类后混合料路用性能的优劣,该文提出一种基于自组织神经网络(SOM)的聚类评价法。该方法是从试验结果中提取能反映不同纤维掺量下混合料路用性能的特征参数并构建特征向量,利用SOM进行网络训练,最终输出聚类结果。试验结果表明:通过SOM神经网络训练后的聚类结果与路用性能试验结果综合分析,确定不同纤维在不同掺量下SMA-13路用性能的相似性与优劣性。     

基于两阶段K-means聚类的道路运行状况评价方法

为有效评价道路运行状况,通过分析车辆在行驶过程中运行状态的变化,研究了一种基于两阶段K-means聚类(TSKC)的道路运行状况评价方法.针对K-means聚类数选取的任意性和聚类中心选取的随机性问题,提出基于遍历的K-means聚类方法,采用类吸引度确定聚类数和初始中心,并以此为初始条件进行第二阶段K-means聚类,得到交通模式.提出模式吸引度、路段评价指数、分布均衡度,并用这些指标来评价路段交通运行状况.以北京市朝阳区北辰东路为例进行验证,结果表明,该方法比传统道路评价方法更细致、全面、直观地描绘了车辆状态的演变过程和交通模式的分布情况,具有良好的实用性.      

公路交通安全评价的灰色聚类法

考虑到灰色聚类指标的重要程度不同,采用模糊一致性矩阵来确定聚类指标的权重,提出了定权灰色聚类分析方法.运用该方法,选取公路安全评价指标,建立公路安全状况评价模型,对新疆公路历年交通安全状况进行评价.通过实例分析证明了该方法的简便性和实用性.     

低等级公路路段交通安全服务水平分级量化研究

安全服务水平用来描述道路的交通安全状况和道路为交通参与者提供交通安全服务的一种质量指标.为了客观评价低等级公路路段的交通安全状况.提出了路段安全服务水平的基本概念,分析了影响路段安全服务水平的因素,选取线形、路侧危险度、交通量、货车比例及大小车速度差作为评价指标,将路段安全服务水平划分为4个等级,建立灰类白化函数,确定相应阈值,运用灰色聚类评价法评价路段的安全服务水平.应用灰色聚类法评价实际低等级公路路段的安全服务水平,结果表明该方法是合理可行的.      

基于三维超像素分割的隧道围岩结构面智能识别方法

随着人工智能的不断发展，基于智能算法的快速、无损化隧道开挖面岩体特征识别方法，为在建或在役隧道地质灾害事故下的开挖面结构面调查提供了新思路。在开挖面三维全景图像的基础上，提出了三维SLIC超像素分割改进算法，将三维Mesh图像的基本元素——三角面(Triangle)按照颜色、空间坐标、法向量等指标进行聚类分组，以获取开挖面三维超像素；提出了基于角度差异性的结构面提取算法，对超像素进行逐一筛选，获取开挖面节理裂隙识别结果；基于此，进一步提出了基于无监督聚类学习的多级聚类围岩结构特征融合算法，将围岩节理裂隙识别结果进行聚类，获取开挖面的优势结构面组和大型跨里程结构面组；最后，结合浙江虎溪台隧道的21组开挖面三维图像数据对所提出算法进行了验证。结果表明：所提出算法的识别结果与地勘资料中2个主要结构面方向的倾向误差不超过14.8°,倾角误差不超过17.8°,验证了所提出算法有效性，该方法能较为准确地反映隧道围岩的结构面信息，并为隧道开挖面的结构面三维信息识别与评估提供了一种新的思路与方法。     

铁路土质边坡坍塌预测的研究

文根据多条铁路线的土质边实际高校共雨量法及灰色聚类法预测边坡坍塌，并将两种方法对同一段线路边坡进行预测判断，两种方法有一定的一致性。     

灰色聚类法在泥石流类型判别中的应用

介绍灰色聚类法在泥石流流体分类中的应用,并以一些地区的泥石流沟为例,利用灰色聚类法对泥石流类型进行了判别。结果表明:用灰色聚类法对泥石流进行分类,使其分类数学化和定量化,对于解决常规多因子分类,由于指标交叉而不能归类的问题更显其优越性。     

一种新型复合边坡稳定性预测模型及其应用

提供了一种将模糊层次综合评价法和K-Means聚类方法相结合的新型边坡稳定性预测模型计算方法,并将该复合边坡稳定性预测模型应用于20个边坡样本中,预测准确率达到100%,验证了该模型的可靠性和实用性。传统极限平衡法所计算出的安全系数大于1并不能完全保证边坡工程的稳定安全,该复合边坡稳定型分析模型能有效的克服单纯安全系数预测边坡稳定性的局限性,为边坡的稳定性评价提供了新思路。     

公路快速货运站点布局的综合模糊聚类分析

在分析公路快速货运站点布局影响指标的基础上,选择模糊聚类法,建立公路快速货运站点布局的模型。并基于各指标的客观发展状况,引入增长率构造综合模糊等价矩阵,充分体现事物发展趋势在分类过程中的主动性,克服事物聚类的静态片面性。最后给出计算实例,说明该方法的有效性。     

基于聚类-随机期望值的铁路货运量预测研究

本文以降低数据选取范围的依赖性、提高货运量近期预测精度为目标,采用K-MEANS聚类和随机期望值相结合的方法,建立基于聚类-随机期望值的铁路货运量预测模型。通过应用历年数据对该模型进行验证分析,说明了该方法的可行性。     

基于改进K＿means的发动机状态评估方法

针对目前在缺少先验知识和小样本条件下,进行发动机状态评估难度大的问题,本文中提出了一种基于改进K_means聚类算法的发动机状态评估方法。该方法利用K_means算法的基本原理,避免了评估过程中主观因素的影响;提出相关性指标,对算法进行改进,根据特征参数性质赋予其相应权重;提出最小方差启发式初始聚类中心优选方法,避免小样本条件下初始聚类中心选择中孤点和噪声点的干扰;并充分利用Bootstrap小子样统计方法削弱了试验样本的随机性对评估模型的影响。最后通过实例评估,验证了该方法的可行性和有效性,与传统方法相比,该方法具有更强的客观性与稳定性。     

系统聚类法在机动车司机违法驾驶行为中的应用

以某高速公路交通事故为例,针对多种机动车驾驶人违法驾驶行为进行定量分析,考虑事故起数、死亡人数、受伤人数和直接经济损失4个评价指标,通过6种不同系统聚类法对违法驾驶行为进行聚类,使用MATLAB软件对数据进行处理,运用R软件得出聚类结果,在符合实际意义的情况下,聚类个数k=6时结果最优,类内样本具有相似性;计算了各类中违法驾驶行为对道路交通安全状况的影响因子δ,δ值越大,则该类中的违法驾驶行为对该高速公路交通安全状况的影响越大,管理部门需对应加大整治力度。