基于随机重复爬山法的交通状态预测

合理构造影响交通状态网络结构,是实现交通状态预测的前提条件.为克服爬 山法易陷入局部最优的缺陷,提出一种基于随机重复爬山法的交通状态预测方法.对随机 生成的有向无环图迭代运行爬山法得到多网络结构;通过有向边置信度的定义和置信度 阈值的计算,确定了最优贝叶斯网络结构中节点和有向边选取准则;利用最优贝叶斯网 络结构,实现了畅通、平稳、拥挤和阻塞等4 种交通状态的预测并综合评价.分析结果表 明,该方法仅选取时段、节假日等两变量时,对交通状态预测总体准确率超过85%,能够 为高速公路运行状态监测预警和决策分析提供有效方法和数据支撑.     

基于过饱和控制的疏散网络优化模型

应急条件下疏散需求呈现短时爆发性特点,为提高网络优化模型在应急疏散状态下的适用性,本文提出了网络过饱和度概念,并结合疏散交通组织策略建立过饱和控制的疏散网络双层优化模型.上层模型从疏散组织者的角度出发最小化疏散网络过饱和度,下层模型以Wardrop 用户平衡准则模拟疏散参与者的疏散路径选择行为.采用禁忌搜索算法求解所建模型,并以Sioux Falls 网络为平台验证其有效性.实验结果表明,在应急交通疏散状态下,基于过饱和控制的疏散网络优化模型能够实现疏散网络通行能力的最大化利用和应急交通组织策略的最优化配置,具有较强的适用性.     

一种基于分布式网络多智能体的匝道协同控制方法

针对高速公路与城市快速路交汇区域(路网结合部)拥堵日益严重的现状,综合考虑异构交通网络的通行能力与转换需求,基于多智能体和局部感应控制思想,对路网结合部匝道控制模式进行分析,建立单点CPSO-RBF-PID 匝道控制模型、关联主线多匝道一致性协同方法和不同主线间匝道竞争性协同方法.在此基础上,将路网结合部进行网络拓扑,建立基于分布式网络多智能体的匝道协同控制方法.并选取相应路网结合部对所建模型进行验证,结果证明,该模型具有良好的控制效果,能够起到有效地稳定路网结合部交通流密度,缓解结合部区域交通拥堵的作用.     

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.     

城市轨道交通线网用地规划与控制

结合南京的工作实践,介绍城市轨道交通线网用地规划与控制研究的思路和流程、网络资源配置和共享的措施、工程实施方案研究的要点、一般控制要求、延伸进行开发用地规划等内容,并针对做好用地规划与控制工作提出总结性建议。     

城市燃气管网安全性检测与评价

以北京市二高压线为例,介绍了城市管网安全性的检则和评价方法。对土壤环境性质、防腐层破损程度和管体腐蚀状况进行检测和评价的结果表明:土壤含水量偏高,呈弱碱性,土壤环境腐蚀性综合评价为中等。管线防腐层老化严重,厚度较薄且有破损点,保护性能比较差。管道的部分管体已经遭到破坏,003号探坑处已经不符合强度安全要求;其他探坑处管道在现在的服役条件下,剩余壁厚仍然可以提供足够的强度,但是管体已经发生腐蚀,建议加强检测或采用阴极保护。     

高速局域网络选型策略研究

网络高速化是计算机网络发展的重要体现之一,文中首先阐述了选择高速网络应考虑的各种要素,对流行的高速网络技术的性能进行了分析探讨,最后对各种高速网络技术的应用范围进行了研究并给出了相关产品。     

BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用,但存在收敛较慢问题.笔者在文中简述了BP算法原理,针对BP算法的收敛性问题,提出了几点改进措施.     

襄樊市地方路网建设的造价管理与控制

随着襄樊市地方道路网建设发展,投资规模越来越大,就如何有效控制工程投资规模和效益,做好路网建设的造价管理工作,本文根据路网后评估课题的实测资料,对市县路网建设的造价管理和投资控制方法作了探讨.     

多雷达多目标航迹跟踪法

提出了一种改进的模糊极小极大(Fuzzy Min-Max,FMM)神经网络算法,并结合无师训练FMM神经网络的聚类,给出了一种基于FMM神经网络的多雷达多目标航迹跟踪方法.仿真实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并较好地实现了多雷达多目标的航迹相关.