基于Microsoft时序算法的广东省交通运输领域能耗预测研究

通过收集历史数据,建立多个影响城市交通能耗的因素与交通运输能耗的数据库,首先用决策树算法对影响因素进行选择,然后根据给定的输入列,用Microsoft时序算法对广东省交通能耗进行短期预测。结果表明,运行的车辆数、车辆的周转量是影响能耗的两大主要因素,同时短期内交通能耗呈上升趋势,且较往年有所增强。     

基于自适应小生境遗传算法的混合交通网络设计双层规划模型

在现有的交通网络设计问题研究基础上,采用双层规划模型来描述混合网络设计问题,其中上层模型综合考虑网络阻抗、投资额以及CO的排放总量三方面因素,建立起以三者之和最小为目标的优化函数;下层模型为用户均衡模型。根据所建模型的特征,利用一种基于自适应方法和小生境技术的改进遗传算法进行求解。实例计算证明：此模型和算法是研究混合交通网络设计问题的有效方法。     

基于数据存储的重复删除技术的研究

重复数据删除也称为单一实例存储或智能压缩.首先对文件分段,再使用SHA-1算法进行重复数据段的检测,最后建立数据字典存储单一实例的数据段并进行压缩,从而节省大量的存储空间,实现有效的数据存储和数据备份.本文通过对数据重复删除的关键技术进行分析,找出现有技术的不足,然后加以改进.重复数据删除技术在数据存储领域的应用相当广泛,有效地节省了数据存储的硬盘成本.     

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

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。      

基于鲁棒性的竞争环境下枢纽航线网络优化设计

针对当前航空运输网络的逐步复杂化,通过对枢纽机场选址模式的分析,研究 竞争环境下枢纽航线网络设计方案.首先,在一定的航线网络基础上,定义了旅客效用函 数及捕获能力函数.然后在原有枢纽的基础上,以从竞争者那里获得的最大捕获流为目 标,选址新的枢纽,建立竞争环境下枢纽逐步选择模型,并且设计了求解模型的高效算法. 最后,通过随机产生的案例应用模型,分析模型中各参数变动的情形下,所得枢纽解的情 况;同时,通过枢纽解对计划延误时间的敏感性分析,验证最优枢纽解的稳定性,进而验 证模型的有效性.该模型可为航空公司的航线规划人员提供依据.     

基于手机基站数据的混合地图匹配算法研究

基于移动通信的交通信息采集是智能交通系统中新兴的应用技术之一,将车载 手机定位到电子地图上是其应用的基础,而地图匹配技术则是解决车载手机定位的关键. 本文通过对车载手机行驶在不同的路网时所产生的基站切换数据信息,分析得到车载手 机实际运行时基站切换的基本规律;并结合电子地图的数据结构特点,对使用基站切换 数据进行地图匹配时需解决的难点问题展开研究;在使用基站切换对代替道路稳定切换 序列的方法的基础上,提出了结合切换对和基站源址的混合地图匹配算法.此算法可以缩 小待选路段集,有效处理交叉口和平行路段等复杂情况,提高匹配准确率.最后,选取广州 大学城为实地测试区域,验证了此算法的可行性.     

黑名单快速匹配算法的研究

以电话号码为例进行了黑名单快速匹配算法的研究,并给出了具体实现方式.     

基于单毛坯条带的矩形件最优两段排样方式

对大规模矩形件排样问题提出一种精确、可生成一种新的满足剪冲下料工艺需求的排样方式：基于单毛坯条带的矩形件最优两段排样方式．采用动态规划算法生成最优单毛坯条带,通过一维背包算法确定条带在级中的排样方式和级在段中的最优排样方式,选择最优的两个段组成排样方式．对传统文献中的43道大规模基准测题进行计算,有38道测题达到最优,剩余5道测题的优化结果与最优化结果的比率达到99．9％,每题的平均计算时间仅用2．17s．结果表明,本文算法优于经典两段和著名的T型排样算法,在解决大规模矩形件排样具有高效性．     

基于组合预测模型的轮轨力连续测试

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2%,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.