基于蚁群聚类的路面识别分析方法

道路是城市的重要基础设施．路面状况的鉴定与评价直接关系到公路的养护决策,是一项至关重要的工作．本研究将蚁群聚类算法应用于路面识别领域,提出一种基于蚁群聚类优化的路面识别分析方法,将此方法运用于路面识别系统．该系统由数据采集、数据预处理和蚁群聚类优化3个模块组成,其中蚁群聚类主要提取了纵轴方向的3个特征属性,通过不断更新聚类中心产生的信息素矩阵,并通过分类器进行路面分类．实验结果表明：蚁群聚类优化具有全局收敛以及启发式学习等优点,运算效率高,路面识别准确率达到95.3％,验证了此方法的有效性．     

办公类建筑停车特性分析

现有办公类建筑停车特性分析主要以单位高峰停车数为主,缺乏对停车样本特性的研究。以某办公大厦为例,分析总体停车供需特征。通过停车调查,基于K-means clustering算法,将停车样本分类并用高斯曲线拟合研究其特征,总结办公类建筑停车的4种类别及其特点。     

灰类白化权函数聚类法在地铁供电系统安全评价中的应用

基于灰色系统理论,将影响地铁供电系统安全的因素作为灰类指标,应用灰类白化权函数聚类法,通过计算三角白化权函数,构建灰类白化权函数模型,并以我国某城市的一条地铁线为例,对其供电系统进行了综合安全评价．结果表明,此种方法实用性强,科学合理．     

车载红外视频图像快速彩色化技术研究

为了实时高效地对车载红外视频图像进行彩色化处理,提出了一种在Lab颜色空间基于调色板的分类彩色化方法.对增强和融合处理后的红外图像采用K均值聚类方法得到聚类中心,再利用Fisher评价函数获得分类界限以对红外视频图像进行图块景物分割,在Lab颜色空间中采用分类彩色化方法对各类别景物赋予适当的色彩.试验结果表明,采用调色板的分类彩色化方法具有更高的效率,得到的图像色彩符合人眼的视觉特性且便于夜间红外图像的彩色化实现.     

基于模糊聚类的城市快速路交通流状态划分

针对城市快速路交通流状态分类的问题,提出了一种改进的模糊C均值(FCM)算法.结合层次聚类算法和FCM聚类算法,运用层次聚类算法得到最佳聚类数和初始聚类中心,并通过Relief F特征加权对影响交通状态的不同特征指标赋予相应的权值,最终用FCM算法再次聚类得出交通流状态的分类结果.以VISSIM为工具,对该方法进行了模拟.对比分析结果显示,所提出的方法能够提高城市快速路交通流状态分类的效果.     

基于模糊聚类的城市交叉口安全评价

交叉口是城市道路网中的重要节点,也是交通事故的多发点,对城市交叉口的安全性进行评价具有重要意义。交通冲突技术是交通领域新兴的一种非事故统计技术,采用典型时段的交通冲突与混合当量交通量的比值(TC/MPCU)作为评价指标,应用混合型模糊聚类方法,针对福州市八个交叉口建立安全评价模型,结果符合实际情况,该方法具有实用意义。     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

北京市智能交通管理系统的交通安全效果评价研究

提出了一种针对智能交通管理系统交通安全作用效果分析的评价方法,用来评价北京市智能交通管理系统的实施对道路交通所作贡献的程度。该方法根据智能交通管理系统的功能作用范围将北京市分为两个部分,分别在系统功能作用范围内外选取若干区域作为评价对象,利用灰色聚类评估法对所选两类区域的交通安全等级进行评价,并进一步分析评价智能交通管理系统的交通安全作用效果,评价结果显示该方法具有较好的可操作性和通用性,能够很好地解决智能交通管理系统的交通安全效果评价问题。     

基于FCM聚类的复杂交通网络节点重要性评估

网络关键节点的评估与选择对于区域交通信号控制系统的实施具有重要意义,国内外广泛应用的SCOOT/SCATS等区域交通控制系统关键交叉口的选取往往以交通流量大小、节点间距等为参考,较大程度上依赖经验. 本文以节点连接度、节点介数和交叉口高峰小时交通流量为评价指标,应用FCM模糊聚类方法给出交叉口的重要性分类方法,实现城市复杂交通网络的关键节点选择,并以北京市长安街沿线周围交叉口为例进行了实证研究. 研究表明：当聚类数取3、4和5时长椿街路口、府右街南口和和平门路口均呈现出极高的聚集性,且聚类中心体现的交通特性与实际工程中的关键交叉口基本相同. 本文方法可为区域交通控制系统的关键节点选择提供理论基础.     

基于动态灰色马尔柯夫链的铁路运量预测

结合灰色模型在短期预测中的优势和马尔柯夫链在长期预测和对随机波动性数据处理方面具有的优势,根据将一个新息数据充实到原始数据序列中进行预测时是否去除其左边的第一个老数据,分别定义并建立了定维和变维动态灰色马尔柯夫预测模型;通过对我国铁路客货运量进行预测,表明动态灰色马尔柯夫预测模型优于静态灰色马尔柯夫模型和灰色模型,并且定维动态型预测效果优于变维动态型。