基于T-S模糊模型的船舶柴油机动态辨识

考虑到船舶柴油机模型的非线性和负载的不确定性,用T-S(Takagi-Sugeno)模糊辨识方法建立了船舶柴油机的动态模型。采用模糊聚类简化了T-S模糊规则数的确定和前提中隶属度函数参数的生成,用加权最小二乘算法得出辨识结论中的线性参数。对船舶柴油机在稳态运行工况下作小偏差工况扰动实验,得到在油门尺度和负载变化下柴油机转速、涡轮增压器转速等输出数据,利用该数据建立了描述柴油机动态性能的T-S模糊模型。仿真结果表明,利用该算法能有效地辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力等输出在小工况扰动下的变化模型。     

基于系统聚类的沪宁城际高铁列车停站改进方案

列车停站方案是旅客列车开行方案优化的重要环节。在定义城际高铁概念和分析沪宁城际高铁运营状况以及列车停站方案存在主要问题的基础上,提出根据客流量采用系统聚类法对车站进行分级的方法,并将沪宁城际高铁各站分为5个等级。对比现行列车停站方案,按照公交化的理念,提出了沪宁城际高铁基于高峰和平峰时段车站不同平均服务间隔的停站改进方案和改进建议,为城际高铁运营组织提供有力的技术支撑。     

基于谱聚类的城市轨道交通车站间客流分型研究

在轨道交通运营管理过程中,不同车站间客流的时间分布特性及规律直接决定了客流组织方案。明晰 车站间客流分型及特征,对合理配置客流组织方案大有裨益。相对于单车站客流类型,多车站间客流类型的影 响因素多样且复杂,为此,从时间、空间和结构 3 个角度对车站间客流分类特征进行分析,并通过谱聚类方法 压缩搜索空间,从而达到更加精准的类型划分。利用轮廓系数与戴维森堡丁指数对比不同方法的分类结果,证 明所提出的谱聚类方法相对于 k-means 等其他方法具有更好的分类效果。以苏州地铁 2020 年数据为例,通过 提出的方法寻找出 7 种车站间客流分型,该结果可应用于预测模型训练等领域。     

基于多因素聚类的城市轨道交通 换乘车站分类方法研究

为解决换乘车站分类标准缺失或不精准的问题,从用地、区位、客流 3 个维度,分析换乘站分类的影响 因素并提出分类指标计算方法,结合 k-means 聚类算法,构建基于多因素聚类的换乘站分类方法,应用南京地铁 换乘站开展实例分析。结果表明：与单因素(仅用地、仅区位、仅客流)聚类方法相比,多因素聚类方法在分类均 匀度、实际分类效果等方面具有明显优势。结合分类结果,提出南京地铁换乘站宜按综合枢纽型、公共中心Ⅰ型、 公共中心Ⅱ型、居住生活型及外围接驳型 5 类划分,并分析换乘站在不同要素上的阈值特性及取值建议,为未来 地铁换乘站规划及设计提供借鉴。     

基于半监督聚类的网络入侵检测算法

入侵检测是维护网络安全的重要技术手段之一.本文提出一种聚类算法:k-cubes,用于网络异常检测.算法采用基于网格的方法对网络连接数据进行预处理,然后以网格为数据处理单位进行聚类,在聚类过程中通过动态合并与分裂自动决定聚类的数目.在此基础上给出了半监督k-cubes聚类算法,并根据聚类的结果生成检测规则.k-cubes聚类算法适合处理高维并且含有多值字符属性的大数据量数据,同时具有输入参数少等特点.在KDD99入侵检测数据集上的实验结果显示,算法获得95.82%的检测率和1.25%的误报率,并且在识别新入侵的能力上,算法检测到17种新入侵中的15种.     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

Inferring patterns in the multi-week activity sequences of public transport users

The public transport networks of dense cities such as London serve passengers with widely different travel patterns. In line with the diverse lives of urban dwellers, activities and journeys are combined within days and across days in diverse sequences. From personalized customer information, to improved travel demand models, understanding this type of heterogeneity among transit users is relevant to a number of applications core to public transport agencies’ function. In this study, passenger heterogeneity is investigated based on a longitudinal representation of each user’s multi-week activity sequence derived from smart card data. We propose a methodology leveraging this representation to identify clusters of users with similar activity sequence structure. The methodology is applied to a large sample (n = 33,026) from London’s public transport network, in which each passenger is represented by a continuous 4-week activity sequence. The application reveals 11 clusters, each characterized by a distinct sequence structure. Socio-demographic information available for a small sample of users (n = 1973) is combined to smart card transactions to analyze associations between the identified patterns and demographic attributes including passenger age, occupation, household composition and income, and vehicle ownership. The analysis reveals that significant connections exist between the demographic attributes of users and activity patterns identified exclusively from fare transactions.     

基于K均值聚类与Bayesian分类器的车型识别方法

不同车型经过感应线圈时,线圈检测器采集过来信号变化的波形不同,同类车型对应采集的波形中如波峰极大值、峰值位置、平均值、波峰数等特征值都具有相似性。根据感应线圈采集所得信号的特点,讨论了一种基于K均值聚类与Bayesian分类器的车型识别方法。学习训练中,通过K均值聚类算法把不同波形的特征值归类,再采用Bayesian分类器算法去获得分类器。实验结果表明,该方法具有较高的车型识别精度。     

基于邮政网络的社区物流多中心m-TSP问题

从社区物流的配送问题着手,在总结社区物流配送特点和要求的基础上,提出了基于邮政网络对社区物流进行分区规划的问题.基于假设邮政网点足够密集的研究思想,即配送中心随地可取的情况下,对有社区物流需求的某个地区做分区规划.利用Weight-K-means算法,对划分好的每个区域做一次TSP计算,从而满足在每一个聚类中,不仅车载量均衡,而且车辆所走里程也大致相同.算例分析表明该算法能够得到满意的解.     

Evaluation preparation technology of Xiaochaihu granules using fingerprint-peak pattern matching

An approach was proposed to evaluate preparation technology by means of fingerprint-peak matching technology of high performance liquid chromatography with diode array detector （HPLC-DAD）. Similarity and hierarchical clustering analysis （HCA） were applied