多类型信息下的网络交通流演化模型

交通信息发布机构提供描述信息和规范信息给不同的出行者，描述信息接收者依据信息和经验更新路径行程时间认知，根据认知选择路径；规范信息接收者仅根据经验更新认知.规范信息遵从者选择推荐路径，非遵从者依据认知选择路径.两类信息遵从率都取决于信息准确度.依据非线性动力学理论分析了模型性质，研究表明，模型不动点存在但是不一定唯一，不动点状态与信息混合使用情况有关.数值试验结果表明，模型不动点与随机用户均衡点不同，以恰当比例混合使用两类信息可提高交通流稳定性.     

驾驶行为数据驱动的城市道路交通安全风险辨识方法探讨

为提高城市道路交通安全水平,针对道路交通安全风险辨识方法多采用宏观事故数据及小样本交通调查数据的研究现状,紧扣当前道路设计及交通管理对风险客观精确辨识的现实需求。首先,分析了已有风险辨识方法的优缺点,及现有辨识方法面临的挑战;其次,基于国内外驾驶行为研究现状,结合车联网OBD异常驾驶行为数据精确度高、数据量大等优势,定性剖析不同道路条件与异常驾驶行为的关系;最后,建立道路条件与异常驾驶行为关联模型,分析探讨利用异常驾驶行为数据辨识道路交通安全风险的研究思路,并提出相应的思路流程及关键技术的进一步研究。     

定义到统一模型的船舶三维工艺信息集成

针对基于自主造船CAD系统实施三维工艺信息集成仍属空白的现状,以国产船舶产品设计系统SPD为基础,分析解决了船舶三维工艺信息集成过程中的信息集成策略、模型轻量化、三维标注生成等问题,将分散的船舶工艺信息集成定义到统一的数字化三维模型上,生成集成数据文件,并在自研三维作业指导平台上使用工程实例对集成效果进行了验证。结果表明,上述问题的解决措施有效,集成技术路线可行。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.