基于决策融合的城市道路交通事件自动检测算法研究

为了提高城市道路交通事件自动检测算法的性能,引入算法性能可靠度概念对基于浮动车数据和感应线圈数据的事件自动检测算法检测结果进行决策融合。决策融合算法包括3个模块：①感应线圈数据算法模块：选择流量、占有率、路段长度、前一个检测周期的检测参数作为输入参数,训练BP网络进行事件判别;②浮动车数据算法模块：使用误差分析理论确定满足数据精度要求的最小浮动车样本量,选择路段行程时间、行程速度作为BP网络输入参数,进行事件判别;③决策融合模块。引入算法性能可靠度概念,计算模块一和模块二判别结果的权重值,使用加权平均法进行决策融合。通过Vissim仿真获得数据,在Matlab中编程实现算法的计算,仿真结果表明决策融合算法的性能优于单数据源事件自动检测算法。     

瞬时动态用户最优决策点逆序分配方法研究

以基于瞬时路段阻抗的变分不等式模型的对角化算法为研究对象,指出若在一次迭代中完成所有时段的分配,其结果不能直接用于下一次迭代对应时段的流入率调整,对其产生的原因进行了分析,并根据瞬时动态用户最优网络的特性,阐述了时段可分离性和决策点可分离性,提出了基于时段推进的决策点逆序分配方法.结合与变分不等式模型等价的非线性规划模型,分析了该方法的原理并给出了逆序分配的步骤和示例.结果表明,该方法的核心是可用 Frank-Wolfe 算法求解的在各决策点上进行的各自紧后路段间的分配,决策点紧后路段之后的子路径最小瞬时阻抗的确定和一些决策点组合的同步分配都可以提高分配的速度.     

城市交通智能控制优化算法

在传统的交叉口信号模糊控制基础上，提出了基于相序优化的模糊控制算法，并用改进的遗传算法优化模糊控制规则。对相序的优化考虑了驾驶员的心理，执行了专家的决策；对控制规则进行优化，减少了因专家主观性而导致控制器的不完备性。以典型的十字交叉口和四相位交通信号控制为例，选择不同时段的交通流数据进行仿真。结果表明：采用该控制算法设计的信号控制器能有效避免交通流不平衡引起的拥挤堵塞，具有更好的实时性和控制效果。     

基于逆向强化学习的纵向自动驾驶决策方法

基于人类驾驶员数据获得自动驾驶决策策略是当前自动驾驶技术研究的热点。经典的强化学习决策方法大多通过设计安全性、舒适性、经济性相关公式人为构建奖励函数,决策策略与人类驾驶员相比仍然存在较大差距。本文中使用最大边际逆向强化学习算法,将驾驶员驾驶数据作为专家演示数据,建立相应的奖励函数,并实现仿驾驶员的纵向自动驾驶决策。仿真测试结果表明：相比于强化学习方法,逆向强化学习方法的奖励函数从驾驶员的数据中自动化的提取,降低了奖励函数的建立难度,得到的决策策略与驾驶员的行为具有更高的一致性。     

基于WebGIS的公路养护系统设计与关键算法

针对公路路网巡检养护工作中存在的数据上报困难、巡检工作缺少有效监督监管以及区域路网质量评价模型算法不准确等问题,设计开发了一套基于WebGIS的路网巡检养护系统,并对区域路网质量评价模型的算法进行了研究与改进。该系统由3个部分组成:微信小程序端(移动端)、Web前端、微服务后端。功能模块包括:微信小程序模块、地图服务模块、任务审批验收模块、区域路网质量检评等模块。同时对区域路网质量评价模型的算法进行改进,使用索引表匹配算法来计算检测区域路网长度,使其计算结果更加准确。该平台可以有效降低路网巡检养护作业量,并为路网的巡检养护工作提供信息基础和决策支持。     

驾驶人驾驶决策机制遵循最小作用量原理

为提升智能汽车的自主决策能力，使其能够学习人的决策智慧以适应复杂多变的道路交通环境，需要揭示驾驶人决策机制。首先通过对自然驾驶数据的分析，发现在车辆行驶过程中能够反映驾驶人决策行为的主要运动特征参数存在极值现象，而产生极值现象的内在动因是驾驶人遵循“趋利避害”的基本决策机制，即驾驶过程中驾驶人力图实现机动性和安全性综合性能最优。受自然界包括物理和生物行为上的众多极值现象遵循最小作用量原理的启发，提出驾驶人决策机制遵循最小作用量原理的假设。随后建立抽象描述驾驶过程的物理模型，并提出最小作用量决策模型（Least Action Decision-making Model，LADM），通过与传统驾驶决策模型（经典跟车模型和换道模型）对比，分析结果显示LADM模型更具通用性。最后开展了实车试验，采集20名驾驶人在自由行驶、跟车行驶和邻车切入3种工况下的试验数据，分析计算并检验了不同驾驶人行车过程的理论最小作用量和实际作用量。试验结果表明：驾驶人在驾驶过程中的实际作用量与最小作用量之间无显著性差异，体现出驾驶人在行车过程中对安全和高效具有共性追求，验证了驾驶人决策机制遵循最小作用量原理。     

基于车用柴油机不平衡数据集的故障识别组合模型

基于车用柴油机的不平衡数据集,根据对应故障发生频次高与低,将模型建立对象分为样本丰富的大数据量故障与样本集不完备的小数据量故障两种。面向前者,基于XGBoost （Extreme Gradient Boosting） 分类算法构建故障识别模型,面向后者,基于模糊神经网络构建故障识别模型,然后针对两类模型进行参数调节以获得最优效果,并分别建立评估机制。模型评估结果表明,该故障识别组合模型能够较为精确、全面地识别大多数故障种类,是一种对数据量要求不高且总识别率超过80%的多适应性识别模型算法,可作为汽车维保工作中的重要工具使用。     

广东省高速公路运营管理信息系统的设计

章针对目前广东省高速公路运营管理中实际存在的问题，在分析广东省高速公路运营管理信息系统的现状和需求的基础上，阐述了其子系统组成和数据特点，提出了基于综合信息平台的设计方案和软件结构，实现了对广东省高速公路网的统一规划、统一管理，加强了高速公路管理部门之间的工作协调性，并为决策部门提供决策支持，实现信息资源的共享和综合利用。     

一种车载数字相机与激光雷达融合算法设计

环境感知是智能辅助驾驶的底层模块，单传感器感知存在易受干扰、所需配置传感器数量多和感知效果差等弊端，为此提出一种车载数字相机与激光雷达融合算法。综合考虑信息融合高效性与系统鲁棒性采取决策级融合策略，利用CENTER POINT算法对雷达点云数据进行处理，再利用Yolo v3算法进行密集型数据训练处理图像数据，最后使用交并比匹配（IOU）和已有文献的D-S论据实现数据融合并输出决策结果。经过KITTI数据集验证，该融合算法输出的识别效果优于单传感器，且在多种路况上均有良好的目标检测效果。     

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。     

基于ATIS的多用户多准则随机均衡交通配流演化模型

为了刻画实现随机用户均衡态的过程,提出一个考虑多用户参与和多准则决策的随机均衡交通配流演化模型。在模型中,根据时间价值的不同,将出行者分为有限类,每类用户的先进出行者信息系统（ATIS）市场占有率由信息收益确定;出行者依据由出行时间和出行费用线性组合的最小感知阻抗选择出行路径;利用不动点定理分析了模型不动点的存在性。数值试验结果表明：提出的模型能够收敛到不动点,可以模拟网络中ATIS市场占有率和流量的演化过程。     

基于混沌的网鱼算法在边坡稳定分析中的应用

针对多变量优化问题的求解,基本网鱼算法的搜索效率下降,提出采用混沌变量的遍历性来模拟网鱼算法中两种不同密度网的实施过程。密度较小的网主要用于对未知解的探索,而密度较大的网主要用于对已知解进行开发,形成了基于混沌的网鱼算法,并将其应用于某边坡的最小安全系数搜索中。详细介绍了基于混沌的网鱼算法的实施步骤。所得计算结果与已有结果进行了比较,分析结果表明,基于混沌的网鱼算法具有较高的搜索效率,可应用于道路边坡的设计。     

基于PSO-LSSVM的高速公路短时行程时间预测

高速公路行程时间预测对指导公众出行具有重要意义。鉴于高速公路数据采集难,文中以高速公路收费数据为研究对象,建立最小二乘支持向量机模型对高速公路行程时间进行预测,并引入粒子群算法对最小二乘支持向量机的参数进行优化;利用广东某高速公路收费数据进行验证,结果显示该模型与以往研究相比其相对误差较小,用于高速公路行程时间预测具有一定的可靠性和实用性。     

汽车正面碰撞法规中乘员保护指标探讨

比较美国、欧洲等国和我国汽车正面碰撞法规中对乘员保护指标的规定,结合人体冲击损伤机理和耐受极限的相关研究,分析我国法规中头部伤害指标HPC的不合理之处。在分析实车碰撞试验数据和模拟计算的基础上,指出我国正面碰撞法规中乘员保护指标的不完备性,并探讨影响伤害指标结果的一些因素。     

浅析交通行业数据中心的构建

数据中心是交通运输行业信息化建设的重要信息基础设施,数据中心将根据信息共享和战略发展需求,从相关信息系统抽取数据,实现行业基础性、全局性和战略性的权威数据在部级层面的汇集,为行业管理、领导决策和公众服务提供各类数据支撑,也为其他行业提供交通运输服务数据支撑。     

基于大数据的公路路面养护智能决策研究

在制定运营公路路面养护计划或实施养护工程过程中，公路管理者常忽略全生命周期养护成本，且因缺乏科学的养护决策辅助技术延误最佳养护时机，应这方面的实际要求提出基于路面大数据分析的养护决策分析方法，主要包括建立养护大数据库、变长分段法划分路段单元、通过随机森林算法预测路况衰变、多层感知算法输出养护方案、非支配排序遗传算法推荐路网级养护最优方案。结果表明：1)养护数据标准制定及养护数据清洗是大数据算法建立的基础；2)决策分析过程涉及的变长分段法、多种预测模型的偏离度对比分析、考虑静动态大数据的神经网络模型更具有工程实际意义；3)通过与实际养护工程项目对比，本文研究的大数据养护决策系统生成的决策方案匹配率达到93%,表明该大数据养护决策系统具有较好的应用前景及实际工程价值。     

改进的关联规则挖掘算法及其在教育信息挖掘中的应用

利用数据挖掘的关联规则技术，可以从大量数据中发现有价值的规则。文章利用改进的Apriori算法对上海海事大学的教育信息数据库进行了挖掘，从中发现了一些有价值的规则，为学校的教育决策和教学管理提供了有指导意义的信息。文章还实现了大量规则的文本和图形可视化。     

基于遗传算法的飞机滑行路径优化

研究了飞机场面安全滑行问题,将典型冲突限制规则和安全间隔作为约束条件,建立了系统的无冲突滑行路径优化模型。基于遗传算法给出了该问题的优化算法,并进行了实际算例的计算机仿真验证。与不考虑冲突约束条件的最短路径算法的对比结果表明,算法避免了最短路径算法中存在的冲突现象,可以为繁忙机场的安全运行提供决策支持。     

大数据环境下的企业决策策略浅析

信息技术和互联网的迅速发展,使各类数据呈现爆发式增长.企业决策策略应在决策过程、决策粒度、决策对象和决策方式上采取相应改变,快速应对以适应大数据时代环境,才能使企业更快发展和壮大.     

基于ARWLS和AUKF的锂电池SOC估计

精确估计锂电池荷电状态（SOC）对纯电动汽车的安全稳定行驶有着深远影响,对锂电池SOC状态的估计主要有参数辨识算法和SOC估计算法两个热点问题。针对辨识过程中出现的“数据饱和”现象以及锂电池SOC状态估计时的滤波发散问题,文章提出了自适应遗忘因子递推最小二乘法（ARWLS）-自适应无迹卡尔曼滤波（AUKF）联合算法。首先建立了二阶R-C锂电池数学模型,并针对传统最小二乘法在参数辨识过程中出现的“数据饱和”现象,引入了自适应遗忘因子动态修正新旧数据权重,提升在线参数辨识的准确度以及效率。其次,针对无迹卡尔曼滤波存在的滤波失效问题,提出了自适应无迹卡尔曼滤波算法来自适应调整系统噪声和观测噪声,从而提高SOC估计时的适应性和鲁棒性。最后在混合动力脉冲能力特性（HPPC）工况下对扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）和AUKF三种SOC估计算法进行仿真比较,仿真结果表明,AUKF算法估计的SOC曲线跟随SOC真实值曲线变化的性能最好,估计精度也优于其他两种算法,具有更小的估计误差,收敛性也最好。