工程网络计划中的多目标优化问题

提出的方法是网络计划多目标优化问题,即按照用户或业主的综合要求,对于工程的质量、工期、成本、资源的均衡等多个目标都进行适当的考虑,建立多目标规划模型,利用网络计划软件和目标规划计算软件,对网络进行优化。从而使工程网络计划达到总体最优．本文主要介绍多目标规划模型的建立和部分解题的方法．     

神经网络模型优化问题的研究及其应用

在研究分析多层前馈式神经网络的基础上提出了反向变量选择法，使得神经网络的高度非线性映射性能能够以尽可能少的变量实现，同时还证明了由此方法所删除的变量是对网络的输出具有最小影响的那些变量，文中还提供一个在模式识别领域的应用实例，结果令人满意。     

热传导方程解法例析

本文避开微分方程定性理论的复杂、严谨讨论，想就一类最基本的热传导方程，通过分离变量的方法将偏微分方程的边值问题转化为常微分方程的边值问题，给出一种简捷的定解模式，并利用Fourier级数，将解题范围加以推广。     

隧道钻爆法施工进度模型的分析建立及应用

通过对钻爆法施工中各工序的分析,建立施工进度模型,找出影响施工进度的变量参数,通过对变量参数实施有效控制,实现工程进度的量化管理.     

多源交通信息融合技术在重庆市智能交通诱导系统中的应用研究

由于特殊的地理条件和历史原因,重庆市道路交通信息采集设备形式多样,形成的交通信息数据格式和设备数据接口标准不尽相同,多源交通信息数据的存储、处理和使用过程中遇到了诸多困扰.为此,重庆市交通管理局与重庆市科委共同谋划了“重庆主城区交通诱导示范工程”项目,将多源交通信息数据融合技术作为项目研究的重点,采用数据融合技术对多源交通信息数据进行处理,通过判别算法实现对道路交通状态的实时判别,并利用VMS、WEB等多种形式进行道路交通状态的发布,从而实现对主城区路网交通流进行策略性分流的目标.     

基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究

为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(receiver operating characteristic curve, ROC)分析方法,确定基于脑电信号样本熵值的驾驶疲劳判别阈值.研究结果表明:脑电信号样本熵值处于区间(0.32,0.71)时,驾驶员处于疲劳过渡时期,可能出现疲劳特征;脑电信号样本熵值小于阈值0.605时,判定驾驶员处于驾驶疲劳状态,准确率为0.95,该值可作为基于脑电信号样本熵的驾驶疲劳判定阈值.      

房地产投资风险的仿真评估

房地产开发是一项投资大、建设周期长、风险大的经济活动.本文基于仿真技术提出了房地产投资风险的定量评估分析方法.并结合工程案例,对各风险变量的相关性对房地产投资经济效果的影响做了分析.     

预测通道客运分担率的MNL模型特性变量选取

基于非集计离散选择模型理论,结合通道内各种运输方式特性,给出了在运用MNL模型预测通道客运分担率时特性变量的选取原则。分析了影响旅客出行方式选择的出行时间、安全性、舒适性、方便性、费用等因素间的关系以及各因素作为特性变量的适应性,认为在运用MNL模型预测通道客运分担率时应选取出行时间、费用收入比和发车频率作为特性变量,并给出了各特性变量的取值标定方法。结合旅客出行特征调查数据,进行了实证分析和各个特性变量灵敏度分析,得出制定客运专线运营策略时应主要考虑出行时间、费用和出行者收入变化影响的结论。     

一种改进的基于轮廓特征拐点的遮挡车辆分离方法

在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法．该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类;然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离．仿真实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,且方法简单,具有很高的实际应用价值．     

单向非机动道路内混合自行车交通状态判别

为准确判别单向共享非机动道路内混合自行车交通流的状态,以流量和密度为表征指标,将模糊C均值聚类方法应用于状态判别,并采用统计回归方法分析道路特征参数、车辆特征参数和骑行者特征参数对交通流状态聚类中心的影响。结合杭州实测数据,将混合自行车交通流状态划分为畅通、稳定通行和拥挤3种状态,分别建立各状态下聚类中心流量和密度与车道宽度、电动自行车占比、男性骑行者占比3个特征参数之间的回归关系模型。结果表明,在稳定通行和拥挤状态下,聚类中心的流量都与车道宽度呈线性相关,稳定通行状态下的密度与电动自行车占比呈线性相关。