基于K-means的交通综合体类型划分研究

目前,我国轨道交通综合体发展仍存在分级分类不明确、不重视、无标准的现象,存在交通综合体体系构建不完善、规划前瞻性不足、枢纽效益不高、与周边地区发展不匹配等一系列问题。因此,科学合理的交通综合体类型划分对我国轨道交通发展具有重要意义。文章采取文献计量法、频度分析法、专家打分法筛选交通综合体系统特征要素指标,建立指标体系,通过大数据、实地踏勘等方法收集国内 41 个交通综合体系统特征数据,建立交通综合体系统特征数据集。运用 K-means 聚类分析法对特征要素进行聚类分析,将 41 个交通综合体划分为 4 类,分别为枢纽型交通综合体、中心型交通综合体、均衡型交通综合体、一般型交通综合体。在此基础上,从宏观、中观、微观 3 个层面提出对我国轨道交通网络体系构建、站城一体化发展以及枢纽规划建设方面的优化策略。     

基于ARIMA模型和K-means聚类分析的动态规划算法

寻找最短路径是实现交通系统最优化的重要步骤之一。为寻找最短路径,利用历史和实时的浮动车数据,建立基于ARIMA模型和K-means聚类分析的动态规划算法。算法使用滴滴出行数据并在成都市二环区域内进行了测试。研究表明：新的算法以较低的计算量提供了高质量的时间解,运算时间均低于2.010 min,平均绝对百分误差低于6.5%,无效值比率小于20%。     

铁路运输建设与城市发展相关性研究——基于熵值法-PCA-CCA模型

自改革开放以来,我国铁路交通运输行业迅速崛起。本文选取浙江省8个地市的相关数据进行研究,首先通过熵值法对这些地区的铁路建设水平进行排序,其次利用主成分分析对这些地区的城市发展进行降维与赋权,最后采用典型相关分析和聚类分析等多元统计分析方法对8个城市铁路建设和城市发展进行分析,得出3个具有显著性差别的聚类,并针对聚类的结果为其他地区的城市发展给出参考性建议。     

重型半挂汽车质量与质心位置估计

为了更精确地获取分布式单拖挂汽车行驶过程中的质量和质心位置变化信息,提出一种聚类分析和模糊规则相结合的估计方法,并基于五自由度非线性整车动力学模型,借助Trucksim和MTTLAB/Simulink平台进行联合仿真实验分析。结果表明,该算法能实时准确地估计挂车质量和质心位置,并使得挂车质量估计误差在1%以内,质心的纵向高度估计误差在15%以内,质心纵向位置估计误差在2%以内。     

汽车主观评价综合评分方法研究

本文以各项主观评价项目评分值为依据,运用模糊聚类分析的方法得到反映各"样本车型"与"目标车辆"(各项主观评价分值最优的车辆,下同)的"接近程度"的排序情况,依据此排序结果,构造"样本车型"的综合评价评分值并通过训练得到相应的BP神经网络结构.当输入车辆各项评价项目评分值后,该BP神经网络结构能够按照车辆与"目标车辆"的...     

基于文本挖掘的轨道电路细粒度故障致因分析方法

针对轨道电路故障文本记录依赖人工分析处理且故障文本利用率低的问题,提出一种轨道电路细粒度故障致因文本挖掘方法。从故障致因类型角度出发,基于改进TF-IDF算法实现故障文本特征表示,采用支持向量机实现均衡后的故障文本自动分类;考虑轨道电路故障原因多样性,对基于Word2vec向量表示的不同致因类型故障文本,进一步采用K-means算法聚类挖掘出细粒度故障主题类型,并依据词频特征提取各故障主题类型中的易发性故障致因。通过对某铁路局集团有限公司2015—2018年轨道电路故障文本数据实验分析,表明该方法可以实现轨道电路故障文本记录自动化统计分析,对现场综合检修、制定预防性维护措施具有辅助指导意义。     

基于SOM神经网络的多工况驾驶风格识别

不同的驾驶员对车辆的各项性能可能有个性化地要求,因此有必要对驾驶风格的分类与识别问题进行研究.首先在驾驶模拟器上采集不同驾驶员在多工况下的数据,利用主成分分析法选取驾驶员在各个工况下的特征参数,SOM神经网络分别对起步、加速及制动工况下的驾驶数据进行了聚类分析,然后以驾驶风格聚类分析结果为基础,建立了基于SOM神经网络...     

战场公路网道路重要度定量评价初探

在运用模糊聚类分析方法对战场公路网中的道路进行相似分类的基础上,运用层次分析法对道路的重要度进行了分析计算,为部队有针对性地对道路实施伪装防护、抢修抢建和进行交通控制与利用提供了科学依据。     

基于OBD数据的驾驶人出行模式挖掘

传统的出行模式研究通常依靠问卷调查分析驾驶人出行特征,所得结果易受调查数据主观性影响,针对此问题基于北京市域范围内2个月共计3570辆私家车的车载诊断数据,对驾驶人的不同出行模式进行分析并建模.通过长期采集的车辆各项参数,采用基于密度峰值的聚类算法进行聚类,将不同的驾驶人分为高频出行者、通勤出行者、长距偶发出行者以及危...