基于遗传算法的最大熵模型交通分布的求解

将遗传算法应用于求解最大熵模型的交通分布问题中,从而提供了一种求解简单的方法,降低了熵模型求解分布问题的复杂性.为利用最大熵模型进行交通分布开创了一条新的途径,同时显示出遗传算法在交通规划中的实用前景.     

基于Fratar模型的交通分布预测系统设计

交通分布预测是交通规划四阶段法的主要步骤之一,可基于Fratar模型开发交通分布预测系统.以南平市2009年OD调查表为基准,计算获得了2010年预测表,预测表和2010年OD调查表相对误差率为16.83％,验证了系统的可行性.以2010年OD表为参照,实现了该市2015年OD表的预测.实践表明,采用该系统预测目标年交...     

出行时间价值最大熵分布估计模型

为提高使用时间价值数据拟合其统计分布的精度,将最大熵原理分别与低阶(≤6)经典矩和概率加权矩相结合,建立了时间价值低阶经典矩与概率加权矩统计分布函数模型。仿真结果表明:在大样本量下,利用经典矩与概率加权矩对参数估计的精度相当,在小样本量下(<30),采用概率加权矩估计参数的相对误差在10%~35%之间,而采用经典矩估计参数的相对误差在20%~80%之间。可见利用概率加权矩克服了经典矩模型在小样本量下参数估计的大偏差问题,且利用其可以准确地预测交通方式分担率与分析交通定价政策对交通行为的影响。     

基于最大熵模型的城市快速路交通状态预测方法研究

道路交通状态预测是交通流诱导和交通信息发布系统的重要依据. 本文提出了一种基于最大熵模型的城市快速路交通状态预测方法,该方法通过提取影响交通状态的时间、空间等各种特征,运用最大熵模型训练得到各特征权重,直接预测道路交通状态等级. 最大熵模型能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性. 实验结果表明,基于最大熵模型直接预测交通状态等级同样具有较高的准确性. 最大熵模型的成功使用,也证实了将交通状态预测作为一种模式分类问题来解决的可行性,进一步扩展了交通状态预测的思路.     

基于Wilson熵分布假设的交通公平性量化评价模型

在对交通公平性的量化评价方法进行考察的基础上,从效益分配符合"W ilson熵分布"的假设出发,尝试建立了群体决策型的公平性量化评价模型,该模型综合考虑了区域公平性和不同群体效益归属公平性.对于模型的分析表明交通设施的群体决策型公平性量化评价模型具有最佳解.同时通过数学方法可以证明建立的基于"W ilson熵分布"假设的交通公平性量化评价模型能很好地体现对于弱势群体和不发达区域的效益"补偿"作用.分析结果表明该模型用于交通公平性评价是合理、可行的.     

居民出行分布的熵模型及其参数标定

为寻求一种描述各种出行分布情况的普适性模型, 运用最大信息熵原理, 结合数理统计方法, 建立了以原点矩均值为约束条件的新模型体系。为确定模型参数, 提出了熵模型的参数标定方法, 利用长春市居民出行调查数据对参数标定方法进行了验证。数据验证结果显示, 对于步行、自行车、公交车和小汽车四种出行方式, 最高阶原点矩的阶数分别取3、4、5时, 所有模型均通过置信度为95%的χ²检验。通过χ²值和分布曲线的比较发现, 不同出行方式取得最好效果的最高阶原点矩的阶数并不一致, 这种差异取决于出行方式的内在特性。居民出行分布的信息熵模型可以定量描述任意出行方式的分布规律, 所提出的参数标定方法简单有效。     

遗传算法在均衡交通分配模型中的应用

均衡交通分配模型虽具有结构严谨、结果合理等优点,就目前而言却因为变量多、维数大导致无法很好的求解,从而影响其在实际交通规划中的应用.为了提高交通分配预测的准确性,解决均衡交通分配的求解问题,本文将遗传算法(GA)应用到其中.最后通过一个简例,并利用Matlab的GA工具箱进行编程求解,证明了该方法用于求解均衡交通分配模型的可行性.     

遗传算法在均衡交通分配模型中的应用

均衡交通分配模型虽具有结构严谨、结果合理等优点,就目前而言却因为变量多、维数大导致无法很好的求解,从而影响其在实际交通规划中的应用.为了提高交通分配预测的准确性,解决均衡交通分配的求解问题,本文将遗传算法(GA)应用到其中.最后通过一个简例,并利用Matlab的GA工具箱进行编程求解,证明了该方法用于求解均衡交通分配模型的可行性.     

最大熵原理在交通流统计分布模型中的应用

交通流统计分布函数的形式具有多样性, 选择把数据套到一个适合的分布上去常常是困难的。为此, 寻求一种简便的产生概率密度函数的统一方法是十分必要的。运用最大熵原理不仅导出了几个科学实践中常见的概率分布密度函数, 而且在分析物理学中已有的导出公式的基础上给出了交通工程实践中产生概率密度函数的统一方法及其实用的数值算法。理论例题仿真与实例计算验证表明该方法和程序是合理有效的     

信息化条件下CDM交通分布模型修正与验证

为了研究信息化条件下交通出行分布规律,以基于最大熵理论的目的地竞争力分布模型 （CDM） 为研究对象,从出行者对目的地选择行为这一微观角度出发,引入目的地强迫度和信息 强迫度两个参量,对CDM进行修正。通过建立无信息和有信息两种假设情景,以弹性出行和非 弹性出行两种出行目的为分类,分析出行者对不同类型出行目的地的选择过程,建立最大熵优化 模型,通过求解引入新参量后的多目标优化问题,建立CDM交通分布修正模型并进行参数估 计。利用南京市居民出行调查数据对CDM修正模型进行验证,并与传统的双约束模型进行对 比,结果显示CDM修正模型拟合误差在2%以内,精度较高。改进后的CDM修正模型不仅能够 减小拟合误差,而且能够体现出行目的地的选择行为对交通分布的影响程度,在信息化条件下能 够很好地模拟居民出行分布规律。     

最大熵模型的语义句法分析在陪护机器人中的应用

介绍了语义句法分析的重要性,然后着重介绍了用最大熵模型方法对日常对话进行训练,通过训练结果集总结规则,并用基于语义理解的语义分析向量弧和面向句型结构的语法分析树相结合的方法,通过该方法能够准确的把握问题的分类特征[1],并确定问句的关键字[2],在该方法的基础上,采用最大熵模型方法对查找到的关键字进行优化,此方法在用于...     

交通出行诱导的Stackelberg博弈模型及其遗传算法求解

针对交通出行诱导的实际需求,分析了进行博弈的共同知识.基于对道路交通管理者和道路使用者的策略分析,通过建立道路使用者确信度模糊模型,构建了交通出行诱导的离散动态Stackelberg博弈模型.针对交通出行诱导的两阶段博弈特征,提出了基于逆向归纳法的博弈模型求解算法.设计了基于遗传算法的博弈模型计算机求解算法,使产生的交通出行诱导方案能够实现系统最优下的用户最优.     

城市公交线网优化的双层模型及遗传算法求解

为了有效地优化城市公交网络,综合考虑了乘客和公交企业的利益,建立了双层优化模型。上层模型考虑整个公交系统的利益,以乘客出行和公交企业运营费用最小为目标,下层模型作为辅助,以乘客直达率最大为目标,尽量减少总的换乘次数。针对该模型设计遗传算法进行求解,并给出算法的具体实现步骤。最后考虑定长设线的方法,设计一个简单的算例,给出不同站点数量的线网的优化方案,并对优化结果进行了对比．验证了模型和算法的有效性。     

重力模型在交通分布预测中的应用

研究了公路建设工可研究中的交通分布预测方法问题,介绍了重力模型法的原理及其在交通颁预测中的应用前景,并通过实例比较了Ｆｕｒｎｅｓｓ法和重力模型改进法的运用差别,有助于目前应用较多的工可研究中交通预测方法的正确使用。     

基于遗传算法的交通仿真模型参数校正方法研究

参数校正是交通仿真模型应用中的重要环节。基于遗传算法设计的交通仿真模型参数校正方法，可以在交通仿真软件VISSIM平台中结合实际交通调查数据对其进行验证。结果表明，采用该方法校正后的仿真模型参数能够更好地符合实际道路交通状况．且能有效地减少参数校正的仿真试验次数，同时该研究结果也可以推广应用于其他类型的交通仿真模型中去。     

城市交通流配流问题的遗传算法求解

路径的选择和交通量的分配是智能交通运输系统的主要问题．本文以遗传算法为基础，设计了一个求解该问题的优化算法，将其化为一个多约束条件的0-1规划。对路网优化设计实例表明，这一方法能迅速求出问题的全局近似最优解，并具有较高的计算精度。     

遗传算法在求解背包问题中的应用

对决策优化的经典背包问题进行了研究,提出了应用遗传算法对该模型进行求解,两例背包问题实例研究表明,遗传算法优化结果较其它方法都更合理。     

计算机图象的最大熵重构

讨论了不完全信息状况下的图象重构法，由最大似然原理导出最大熵重构准则，给出了具体的选代算法，算例表明本算法是有效的。     

遗传算法与极大熵相结合解多目标规划问题

采用极大熵解法，将多目标规划转化为一般的可微规划，鉴于转化后的目标函数和约束条件都是高度非线性的，采用遗传算法求解多目标规划，取已有的典型算例运用文中提出的方法，则得到了较好的精度。