杨涛:渴盼国家层面的公交立法

我参加过全国人大,同时还是南京市人大常委。从学术层面上讲,大家可以放开来,回归初心、回归源头,从理论、实践的角度,从国际与国内的角度谈一些关于公交立法的事情,针对《城市公共交通管理条例(征求意见稿)》的讨论,我主要想表达以下观点。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

基于最优回归理论的舰船辐射噪声指向性统计模型及分析方法研究

文章在已有单航次的舰船噪声空间特性建模分析方法等研究成果的基础上,进一步研究了若干航次条件下的统计建模及分析方法。该研究主要以单一部位垂向剖面的噪声指向性为例,建立了基于最优回归理论的舰船目标辐射噪声特性的统计模型及分析方法,并开展了海上实测研究,验证了该模型及分析方法的正确性和可行性。该项成果为深入分析不同航行工况下各类舰船目标的噪声空间特性及其统计规律等创造了条件。     

通过交叉验证准则选择线性模型

考虑建立在交叉验证准则基础上线性回归模型的选择问题．我们对原来的交叉验证准则进行改进,通过增加惩罚函数来解决交叉验证过程中模型过度拟合问题,从而提出一个新的模型选择准则．在一定的假设条件下,新准则确定的模型具有强相合性并且在样本容量充分大时能得到最小的真实模型．在本文中,我们将证明新准则确定的模型在一定条件具有强相合性,并给出一般条件下模型选择准则。     

最佳回归分析法在工程中的应用

在工程中常作回归分析，所建回归模型常含有模型误差，为了提高回归精度，作出正确的回归预报，研究回归模型的误差补偿，笔者在文中建成了一套检验和补偿模型误差的方法．     

支持向量机对交通流量的预测模型

针对目前交通量预测中所广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,介绍了一种新的预测方法——基于结构风险最小化的SVMR交通量预测模型,经实践证明能够较好地解决道路交通量预测问题。     

城市停车管理措施对市民出行方式选择的影响

为研究城市市民以通勤为目的的出行行为及其关键影响因素,设计 SP( stated preference)出行意向问卷调 查表,通过细致的调查获取不同出行情境下市民的出行方式选择数据。 建立出行方式选择的无序多分类 logistic 回归模型,解析城市停车管理措施对市民出行方式选择的影响程度。 结果表明,工作单位是否配备停车位和停车 费对市民出行方式选择的影响显著。 与工作单位未配备停车位的情况相比,工作单位配备停车位时市民更倾向于 选择私家车出行;而随着停车费的提高,市民选择私家车出行的比例逐渐减少,选择地铁和公交出行的比例逐渐增 加。 研究结论可为城市停车管理措施制订提供理论支持,也可应用于城市停车规划与管理、停车收费定价及效果 评价上     

轨道交通与城市协同发展的空间差异性分析：以北京市为例

为识别轨道交通与城市协同发展程度的空间差异性,以及不同空间范围内城市发展水平对轨道交通客流影响的差异性,引入描述空间集聚特征的莫兰指数Moran's I 建立轨道站点周边城市发展水平评价方法,将轨道站点周边城市发展水平和站点客流空间集聚分布特征作为轨道交通与城市发展协同程度判断标准,划定若干研究区域,利用地理加权回归GWR 模型研究两者空间相关性和城市发展因素对轨道交通客流的影响. 实证研究表明：轨道站点周边城市发展水平与站点客流协同程度较高的区域,城市发展水平对站点客流影响更大;将城市发展因素对站点客流影响程度进行排序,密度高于交通便捷程度、功能多样化程度和发展紧凑度.     

城市轨道交通客流增长滞后性与预测方法研究

城市轨道交通客流是确定城市轨道交通建设规模及投资决策的主要依据,然而客流增长速度并不与城市轨道交通建设同步.考虑到城市轨道交通客流增长的滞后性,利用上海城市轨道交通1996-2010年客流与建设数据,基于协整理论建立了向量自回归模型进行城市轨道交通客流预测.研究结果表明:城市轨道交通客流与城市轨道交通网络长度以及连接度存在协整关系;在城市轨道交通建设初期,客流增长对于网络长度具有显著滞后性,随着城市轨道交通系统的完善客流滞后性减弱;2011年上海城市轨道客流预测误差为9.3％.     

基于单参数自调节RM-GO-LSVR的船舶操纵灰箱辨识建模

为实现舵角小、试验数据少条件下船舶操纵辨识建模, 提出了一种船舶操纵运动灰箱模型; 搜集水动力系数已知的船舶运动数学模型作为备选参考模型(RM), 计算被辨识船舶与备选RM的相关系数, 并以此筛选合适的RM; 运用相似准则将观测数据映射到RM的输入值域, 建立被辨识船舶与RM的运动关联, 获得了RM的加速度项, 并使用线性支持向量回归(LSVR)机补偿被辨识船舶和RM加速度项间的误差; 分析了机理模型, 设计了合适的LSVR输入项, 使用全局优化(GO)算法自动调节了LSVR的不敏感边界参数; 基于自航模试验数据训练了灰箱模型, 并与约束模试验(CMT)结果和计算流体力学结果比较, 验证了灰箱模型的泛化能力和预报精度。研究结果表明: 在20°船艏向、20°舵角Z形试验预报中, 灰箱模型所得第一超越角精度至少比CMT、虚拟约束模试验(VCMT)和RM方法所得结果高1°, 灰箱模型所得第二超越角精度至少比CMT和VCMT所得结果高0.4°; 在35°舵角旋回试验预报中, 灰箱模型所得进距精度至少比CMT、VCMT、数值循环水槽试验(NCWCT)和RM方法所得结果高1%, 灰箱模型所得战术直径精度比CMT所得结果低4%, 比NCWCT所得结果高10%;RM方法有助于灰箱辨识建模, GO算法能够优化LSVR的不敏感边界参数, 建立的单参数自调节灰箱辩识建模方法能够实现小舵角、少数试验条件下的船舶操纵辨识建模。