基于数据分析的铁路列车到达晚点预测模型

准确估计列车的实际晚点时间对于列车运行图制定、列车调度员决策具有重要意义。为此,以荷兰铁路列车运行实际数据为研究基础,根据列车实际运行数据选择自变量,以列车的实际晚点时间为因变量,建立列车晚点的随机森林预测模型,并以BP神经网络模型作为对比,结果表明随机森林模型预测误差稳定,预测精度较高,比传统的神经网络方法取得了更好的预测效果。     

DCM船施工钻杆冲洗水泵随机启动器系统的设计

本文将结合船舶水泵的工作原理,对船舶水泵的运行情况进行分析,详细介绍以单片机为核心的钻杆冲洗水泵随机启动器系统的设计。同时通过搭建Proteus仿真模型,针对钻杆附着淤泥的不同程度对船舶水泵进行动态模拟。本文将着重介绍DCM钻杆冲洗中船舶多水泵随机启动器系统的设计。     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

基于粒子群优化的深度随机神经网络

针对传统多层随机神经网络性能不稳定问题,提出了一类利用粒子群优化算法来优化各层权值的深度随机网络方法.该方法利用粒子群优化算法,结合网络的输入输出灵敏度信息,逐层对自动编码器的输入层权值进行优化,通过改善自动编码器的性能来改善多层随机神经网络的性能.最后利用粒子群优化方法,对整个网络的权值作适当优化,进一步提高深度随机神经网络的性能.相对于传统深度学习算法,该方法在保持收敛精度的基础上降低了时间开销;相对于传统深度随机神经网络,该方法在增加时间开销基础上提高了收敛精度,从而较好地平衡了时间复杂度和收敛精度.     

基于随机森林的DC 600 V供电系统接地故障诊断方法研究

为解决目前DC 600 V供电系统接地故障诊断方法只能诊断出较少的故障模式且通用性较差的问题,文章搭建了DC 600 V供电系统的仿真模型,对供电系统输入端接地、中间直流环节接地、输出端接地等多种故障模式进行了仿真分析,提取了故障波形的关键特征,并采用随机森林分类器方法解决了现有诊断方法通用性较差的问题。验证结果表明,该方法能准确诊断多种接地故障模式,且具有更好的通用性和可维护性。     

基于滚动时域优化的共享自动驾驶汽车动态调度方法

共享自动驾驶汽车被视为未来城市交通系统的重要组成部分。本文考虑随机订单需求研究共享自动驾驶汽车的动态调度优化方法。通过建立车辆调度时空网络，分别针对订单分配与空车移位生成车辆运行时间弧，提出车辆调度问题的刻画方法。基于马尔科夫决策框架，以时空节点流量为状态，以时空弧流量为决策变量，建立最大化系统净收益的车辆动态调度优化模型。 采取滚动时域优化思想，建立含前视时间窗的随机规划模型，并利用CPLEX优化引擎，滚动求解车辆动态调度决策结果。Sioux Falls网络算例结果表明，滚动时域优化方法可保证车辆动态调度决策效果，提升系统运营效率。在计算时间限制下，滚动时域方法应优先采用长时间窗中等规模 样本。在最大化系统净收益的同时进一步最小化乘客等待时间，可有效提升车辆动态调度决策效果。     

大规模运输网络二阶段随机规划模型的可积性

分析了大规模运输网络随机规划模型的凸性，证明了该类模型为一随机凸规划问题。     

一类大规模运输网络多阶段随机规划配流模型

利用随机规划理论，分析大规模运输网络的基本特性及优化，是近几年交通运输领域发展起来的一种新的研究方向，已广泛地应用于交通运输管理的各个部门。本文在分析了一类大规模运输网络在市场经济模式下的基本特性的基础上，提出了一类适用范围更广、更复杂的多阶段和广义多阶段随机规划配流模型。     

日常路径选择行为的模拟研究

假设司机只能根据自己的历史经验做出判断，本文据此设计了日常路径选择行为中的四种路径更新规则。应用基于多智能体的模拟环境-SeSAm，在简单网络上对四种规则进行模拟，比较和分析了模拟结果。