"计算机网络"课程教学研究

"计算机网络"课程的特点是计算机技术与通信技术的结合,从事"计算机网络"课程教学的教师应具备计算机网络建设、管理和研究的背景。课堂教学应以主流技术和主要应用为教学内容,理论与应用相结合,辅助多媒体教学手段,实践教学则以典型网络案例为内容,帮助理解理论教学并提高学生动手能力。     

考虑交通需求特征的有轨电车运营网络优化

为了提高有轨电车线网规划的科学性与运营效率, 研究了有轨电车运营网络的特征与指标, 建立了基于客流需求特征的运营网络搜索方法; 考虑有轨电车网运分离特点, 应用客流需求-运营效益建立了节点-边集网络; 以断面客流量为依据, 采用切比雪夫法则确定初始选择阈值, 通过计算重要度、“节点-流量”矩阵, 建立了时间效益-票价-运营成本的最优运营效益模型, 对有轨电车运营线网进行筛选, 结合遗传算法对运营网络总规模进行控制; 基于西咸新区有轨电车线网规划方案, 筛选出14条有轨电车运营线路, 通过MATLAB软件进行运营网络最优化模拟。分析结果表明: 有轨电车最优运营线路长度为24~25km, 运营网络总规模为339.5km, 得出的运营网络与最优效益、断面客流分布、线网布局、客流需求特征、重要客流集散点等网络要素有较好的匹配, 且大部分运营线路长度小于30km, 满足一般有轨电车运营网络要求; 该优化方法考虑了有轨电车规划与运营过程中诸多实际因素, 通过对搜索过程的整合与量化, 得出的优化结果与需求特征较为符合。     

基于BP神经网络的预测模型

预测是数据分析的基本任务之一,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的产生为处理非线性问题提供了一条新途径。文中运用智能计算技术建立了BP网络模型。通过珠江三角洲天河水文站的水位预测结果表明,BP网络模型有较好的泛化能力,预测更为可靠。     

人工智能在舰船避碰领域的应用

讨论人工智能技术的分类,分析模糊逻辑、神经网络(模糊神经网络)、专家系统、主体(A-gent)和基于案例推理(CBR)技术等各种人工智能技术在避碰领域的研究现状,展望了人工智能技术在避碰领域的发展前景.     

枢纽辐射式航线结构在海运业中的应用

枢纽辐射航线架构(HSS),既可以为船公司及其船舶运行带来显著的规模经济效益,又可为HSS架构下产生的枢纽中心港口带来规模经济效益,港口城市对的服务数量也大大增加。本研究成果能够解释枢纽港效益、国际航运中心成因、船公司干支线的开辟以及集装箱船舶的大型化等问题。     

基于局部连通性的在途动态路径诱导方法

驾车购物已经成为现代城市居民常见的生活出行方式,而驾车购物出行量的不断 增长也引发了严重的道路交通供需矛盾,加重了城市交通拥堵程度.为更好地满足居民驾车购 物出行的实际需要,出行路径诱导已成为一种优先选择,但目前大多数路径诱导方法运用固 定的最优路径搜索算法来规划行驶路线,不能完全自适应交通流的变化,并没有考虑到购物 出行特点.本文提出一种在途动态路径诱导方法,分析实时交通信息对路网连通性的动态影 响,在途中对诱导路径进行局部范围的重新搜索,并及时将更新结果反馈给在途车辆.实验结 果表明,与其他动态路径诱导方法相比,该方法计算量减少了56%以上,具有更强的实时性和 有效性,并具有开放性结构,能够根据需求替换不同路径搜索算法.     

铁路网络列车运行调整的优化模型 及其分支定价算法

研究了铁路网络中列车可变更运行线路下的列车运行调整问题,目标是使得所有 列车偏离终到时间之和最小化.首先引入流平衡约束建立基于列车到发时刻的网络流模型,采 用商业软件GUROBI求解.同时构建了基于列车时空路径的整数规划模型,并给出了分支定 价算法,采用伪费用分支和最佳优先搜索策略加快算法的收敛.最后设计算例进行验证,通过 与GUROBI对比说明本文算法是有效的.当列车数为20 列时,求解时间减少91.6%,得到的最 终可行解距离最优解的间隔为9.72%.验证了本文分支策略较最为分数分支策略更优,列车运 行调整可变更线路相比于只能按原始线路行驶平均可降低目标函数值37.4%.     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.     

基于在线地图交通态势分析的路网拥堵状态识别

为了实现道路网实时拥堵状态识别,以在线地图的历史延时指数为基础,用相邻路段有效拥堵状态发生时间顺序、持续时间阈值和流向流量关系识别传播性拥堵,用拥堵发生频率和持续时间阈值识别单路段系统拥堵,由此确定特定周期内的系统拥堵路段集合Nmax.以其集合范围内相邻路段时刻t的延时指数,以及其邻近拥堵持续时期的皮尔逊相关系数计算传播性系统拥堵程度值DtS;以非传播路段时刻t延时指数计算DtS?;综合前两者得到路网系统拥堵综合程度DtN,并找出该周期内的极限拥堵程度量化值.用Nmax内路段实时延时指数和实时拥堵路段数与极限拥堵状态对应的数值进行比较,计算实时拥堵程度的量化值.经实验证明,该方法能够反映路网系统拥堵形成的规律,实现路网实时拥堵状态的快速识别.     

考虑连接性的路网划分算法

针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题.先使用最大最小距离算法确定初始聚类中心和路段差异性,并以聚类评价指标ANSK确定K值;然后统计连续时间间隔下路网划分结果的动态频数,合并和拆分不稳定的“噪声”路段,提高划分子区内路网的紧凑性.最后,基于现实路网中的车牌照自动识别实测数据,对改进的聚类方法进行了验证.将算法得到的划分效果与K均值聚类算法和Ncut算法进行对比,并对子区做宏观基本图分析.结果表明,改进后的K均值聚类算法在保证自身原有聚类优势下,可以有效实现连接性约束下的路网划分.