指数平滑法在路面使用性能预测中的应用

对路面使用性能指标随时间发展规律及其特点进行了研究和分析,指出了传统预测方法的不足,提出指数平滑法,此方法可以提高预测精度。通过实例分析表明,使用该方法可以很好地预测路面使用性能。     

城市道路交通量短时预测的GSVMR模型

在分析现有城市道路交通量短时预测方法缺陷的基础上,针对目前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,结合遗传算法容易寻找全局最优解与支持向量机回归法具有结构风险最小化的特点,提出了将两种算法相结合的GSVMR预测模型,该模型同时具有结构风险最小和容易寻找最优解的双重特性,并对某城市四车道主干道路8：00,8：45的交通量进行了预测,结果表明用该模型进行城市道路交通量短时预测所得结果误差较小,依此验证了用GSVMR模型进行城市道路交通量短时预测的有效性。     

基于改进熵权与灰色模糊理论的城市轨道交通PPP项目风险评价研究

针对城市轨道交通PPP项目风险繁多复杂等特点,为保障PPP项目的成功实施,提出基于改进熵权灰色模糊理论的风险评价方法。首先,考虑风险动态性特征,采用Delphi法对城市轨道交通PPP项目全生命周期风险按阶段进行有效识别,建立相应的风险指标体系; 其次,通过灰色聚类与模糊综合评判法相结合构建城市轨道交通PPP项目风险评价模型,利用灰色白化权函数实现风险指标信息的透明化,借助模糊理论计算风险综合评价值,判断项目风险等级,并采用改进熵权法与层次分析法相结合的方法确定主客观权重; 最后,将模型应用于青岛地铁3号线实际案例中。研究结果表明该项目风险等级为“中等”,评价模型具有合理性与有效性,同时提出相应的风险应对措施。     

灰色系统理论在大跨径连续刚构桥施工控制中的应用

介绍了灰色系统理论在大跨径预应力连续刚构桥施工控制中的应用,结合一座大跨径连续刚构桥梁的施工实践,阐述该理论在施工控制中的具体实施步骤及应用效果,为同类型桥梁的施工控制提供借鉴。     

灰色预测法在城轨客流预测中的应用

选择灰色系统理论对城市轨道交通客流进行预测.此方法利用城市轨道交通客流量历史数据建立GM(1,1)模型群,对模型群中的各个模型进行精度检验,选取其中精度较高的模型对客流进行预测.     

灰色理论在沥青路面质量控制中的应用研究

分析沥青路面工程项目的质量特点和现行质量控制中数理统计方法的局限性后,提出了一种基于灰色系统理论的沥青路面质量控制方法,建立了GM(1,1)模型,并对模型精度进行检验,针对沥青路面施工过程中的实际情况,引入新陈代谢预测模型的概念,对GM(1,1)模型作了适当的修正,使得模型具有更强的适应性和更好的预测效果.     

基于深度学习的网约车供需缺口短时预测研究

城市不同区域网约车供需缺口预测可为车辆调度策略提供支持,从而提高车辆运行效率和乘客服务水平.为实现网约车供需缺口短时预测,提出一种基于时空数据挖掘的深度学习预测模型(Spatio-Temporal Deep Learning Model, S-TDL).该模型由时空变量模型、空间属性变量模型和环境变量模型 3个子模型融合而成,可捕捉时空关联性、区域差异性和环境变化对供需缺口的影响.同时,提出特征聚类-最大信息系数两阶段特征选择方法,筛选与供需缺口相关性强的特征变量,提高训练效率,减少过拟合.滴滴出行实例分析证明,特征选择后的 STDL模型预测精度显著优于BP神经网络、长短期记忆网络和卷积神经网络.     

手机操作类型对驾驶人跟车行为的影响（双语出版）

为了探究行车过程中手机使用模式对驾驶人跟车行为的影响,依据功能类型及使用模式将手机操作分为8类,利用驾驶模拟器开展试验,提取跟车速度、跟车间距、车头时距、横向偏移距离、方向盘转角5项指标表征车辆的横向、纵向运行状态,定义驾驶人的注视点分布信息熵、注视点区域分布比例、注视时长、扫视频率、扫视时长、眨眼频率、眨眼时长7项指标表征驾驶人眼动特性,分析驾驶人进行不同手机操作时的车辆运行特性与驾驶人视觉特性,并利用方差分析法验证上述指标作为驾驶人跟车行为衡量指标的有效性。应用灰色关联分析法对8类手机操作对驾驶人跟车行为的影响程度进行量化,并结合具体手机操作的分心内容、形式和动作时间,对具有相近功能的两两操作进行对比分析。结果表明：特定的手机操作行为对选取的各项车辆运行指标与驾驶人视觉特性指标有显著影响;对驾驶人跟车绩效影响由大到小的手机分心操作依次是发送文字信息、阅读文字信息、手持接听电话、发送语音信息、按键拨打电话、听取语音信息、语音拨打电话、免提接听电话,文字信息的编辑和阅读等操作对驾驶人跟车行为的影响大于其他手机操作;研究结果可帮助驾驶人明确不同手机操作对行车安全的危害程度。     

货运方式选择的灰色系统方法研究

运输方式的选择要考虑到多种相互关联又相互制约的影响因素,如运输时间、运输费用等,所以运输方式的选择也应该看成是一个复杂的系统问题.又因为某一运输方式在某些性能中表现的好坏又很难用准确定量表示,所以可以说运输方式表现出灰色性质.考虑把运输方式的选择问题看作是对多种可选的运输方式进行综合评价的问题,通过综合评价排定所有可选方式的优劣顺序,并选择出最优的运输方式.结合本系统的信息灰色这一特点,运用灰色系统方法来对多种可选运输方式进行灰色评价,并用综合权值排序方法进行排序.     

基于机器学习的锂离子电池荷电状态多步预测

先进电池管理技术依赖于对未来一段时间荷电状态变化的预测，难点在于误差积累和时间依赖性降低引起的预测精度下降。提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度，利用实际锂电池数据研究了不同多步预测策略的效果。结果表明，实际锂电池荷电状态预测在充电过程中具有显著线性特性，放电过程表现出非线性特性。预测步长为 15个时，LR模型、KNN模型、RF模型的 MAPE均低于 6%，R2均大于 0.90。线性回归结合 MIMO策略具有最大的实际应用潜力。