基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.     

基于自适应变分模态分解的扩展工况传递路径分析方法

为削减扩展工况传递路径分析在信号采集过程中干扰噪声的影响,提高分析精度,提出了一种结合自适应变分模态分解和巴氏距离的优化OPAX方法.该方法考虑到多尺度模糊熵能够较好地表征非稳态复杂信号,将其作为适应度函数.采用模拟退火粒子群算法和粒子群算法分别对信号进行自适应变分模态分解,并通过模拟信号证明了模拟退火粒子群算法的泛化...     

针对主辅路的Vissim仿真模型参数标定方法

微观交通仿真模型的参数标定是保证仿真模型有效性的基础和前提。针对车辆在主路和辅路运行特征的差异,提出了1种针对主辅路的微观交通仿真模型参数标定方法。该方法以进口道的车均延误的偏差作为评价指标,以遗传算法作为求解工具,分别实现了微观交通仿真软件Vissim中主路和辅路驾驶行为参数的标定。同时,结合工程实例将该方法应用于北京市朝阳路与高碑店北路交叉口、南苑路与久敬庄路交叉口仿真模型的参数标定中。结果显示,采用该方法标定后的主路和辅路延误与实测延误的平均偏差分别为2.1s和2.5s ;采用主路和辅路统一标定的方法,主路和辅路延误与实测延误的平均偏差分别为7.1s和7.5s。结果表明,仿真模型参数能够有效地提高参数标定的仿真试验效率与仿真精度,验证了该方法将主路和辅路仿真模型参数分开标定的有效性。     

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500（18%的初始样本量）,150（5%的初始样本量）时,ADASYN-XGBoost的F1分数分别为94.47%,88.89%,81.93%。在进一步的消融实验中,均衡正负样本后各基准模型的性能指标提高了2.68%~44.85%。本文提出的方法能够有效解决道路交通事故检测中的样本不均衡问题,同时也为道路交通安全预防与事故处理等提供了技术保障。     

无人水面艇航向航速协同控制方法

针对无人水面艇(USV)在未知干扰环境下的自主运动控制问题,研究基于模糊自适应算法的USV航向、航速协同控制方法。设计以航向角偏差量和直线距离偏差量为输入量,以及以舵角偏转控制量和油门开度控制量为输出量的模糊控制算法,并通过以航向角偏差率为输入量及以控制周期为输出量的自适应控制,使系统响应外部环境的变化。以抵达目标点的时间和舵角变化次数的加权最小值作为优化目标函数,分析论域、控制周期等参数对控制效果的影响。优化分析的结果表明:此方法在不同海面风、浪、流随机干扰的条件下,均能使无人艇抵达目标点,实现点对点的自主航行。     

基于多目标优化算法NSGA Ⅱ的极地穿梭油轮型线设计

  目的  随着北极丰富油气资源的不断开采,需要大量满足极地航行要求的船舶。  方法  将非支配排序遗传算法（NSGA Ⅱ）应用于船体型线优化设计,提出极地船舶多目标优化方法。以船舶无冰静水阻力以及冰区航行阻力为优化目标,通过极地船舶排水量以及船舶能效设计指数EEDI两项标准进行船型筛选,快速实现满足冰区船舶装载量与EEDI排放要求的船型优化。以常规6.5万吨穿梭油轮为研究对象,采用全参数化建模方式,通过极地船舶多目标优化方法分别对3种不同艏部形式的船型进行优化,  结果  优化后的船型均满足冰区IA级航行要求,其中无冰静水阻力最大减小约12.94%,冰区最小推进功率最大减小约27.36%,  结论  有效验证了基于NSGA Ⅱ的极地船舶多目标优化方法的可行性与合理性。     

基于免疫遗传算法的铁路列车运行调整研究

列车运行调整是铁路调度部门的重点研究对象,而自动调整是衡量铁路调度指挥自动化水平的核心。因此,以偏离运行图最小为优化目标,考虑了区间运行时分、追踪间隔时间、车站停车时分、越行约束等6个约束条件,建立了列车运行调整模型;在算法方面,针对遗传算法的缺陷,如收敛速度较慢,易于早熟收敛,提出了1种效果较好的免疫遗传算法,并对编码方案、适应度函数、抗体浓度、变异算子等进行设计改进。仿真结果表明该算法与遗传算法相比,在收敛速度,最优值以及试验成功率方面都具有更为优越的特性,可为调度人员提供1个较好的调整方案。     

船舶吊舱SSP推进电机的无模型自适应矢量控制方法

考虑具有不确定动态和航行中负载变化与海况干扰的船舶吊舱SSP推进电机控制问题, 提出了一种无模型自适应矢量控制方法, 推导了SSP推进电机的动态线性方程, 设计了基于速度跟踪误差无模型自适应矢量控制器和进行了收敛性证明, 在线调整伪偏导数, 保证了推进电机控制系统跟踪误差一致有界, 并对比了无模型自适应矢量控制器与自整定PI矢量控制器的控制性能。计算结果表明: 基于复合无模型自适应矢量控制的SSP推进系统在恶劣海况下转速平均振荡小于6 r·min^-1, 转矩平均振荡小于8.20×104 N·m, 机动航行时对应的值分别小于7 r·min^-1与1.08×105 N·m, 而采用自整定PI矢量控制时, 在恶劣海况下转速平均振荡达到13 r·min^-1, 转矩平均振荡达到2.13×105 N·m, 机动航行时对应的值分别达到12 r·min^-1与2.81×105 N·m, 因此, 复合无模型自适应矢量控制下的转速与转矩抖动和稳态运行静差较小, 具有良好的动态响应。     

公交专用道选址与公交线网组合优化模型

提出了基于公交走廊的专用道选址和公交线网同步调整的组合优化设计思路, 并构建了双层优化模型, 上层模型以最小化用户出行成本、公交运营成本和最大化线路运营效率为目标, 寻找最优的专用道选址与公交线网优化组合优化方案, 下层模型以最小广义出行成本为目标, 进行小汽车和公交车的客流分配。利用遗传算法对模型进行求解, 通过算例对模型的有效性和实用性进行验证, 并对模型的关键参数进行灵敏性分析。分析结果表明: 优化后线路覆盖站点率为100%, 覆盖63个路段, 路段覆盖率为76%;路网总出行成本为525 147元, 比现有总出行成本655 282元降低了20%;公交线网效率目标值为234人次·h^-1, 比现有公交线网效率179人次·h^-1提高了31%。可见, 基于公交走廊的专用道选址与公交线网组合优化方案明显优于单一优化公交专用道选址与单一调整公交线网方案, 能够更好发挥公交走廊的网络效益。     

基于改进自适应遗传算法的船舶电力系统滤波装置优化配置

近年来随着大量非线性负载的投入使用,船舶电网谐波问题日益严重,直接影响到船舶电气设备的正常工作和使用寿命。论文结合船舶电力系统动态负荷多等特点采用节点电势法进行基波潮流计算,忽略传输线路压降,对非线性负荷进行迭代求解,因而收敛速度快,精度高。在迭代求解过程中,采用改进的自适应遗传算法。根据适应度值的集中程度自适应地变化整个种群的交叉概率和变异概率,增加了种群多样性,扩大了搜索空间。应用改进的自适应遗传算法对一个12节点船舶电力系统进行滤波器优化配置,优化结果表明了算法的有效性。