一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

道路交通系统韧性及路段重要度评估

韧性可以全面描述扰动事件下系统吸收干扰并从干扰中恢复的能力. 针对已有韧性指标对系统性能评价不全面、未考虑交通流量影响等问题,从路段通行能力退化与恢复入手,以网络效率为系统性能指标,构建全面评价扰动事件影响期内系统性能的韧性指标. 分别基于乐观和悲观视角提出韧性增加值和韧性减少值路段重要度指标,提出识别路段重要度的启发式算法. 算例结果表明：本文提出的韧性指标可全面描述扰动事件下路网性能退化与恢复全过程的平均累积性能,更加符合韧性指标内涵;韧性增加值和韧性减少值指标均能有效识别路段重要度,大部分路段重要度随时间动态变化.     

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

基于复杂网络的我国高铁演化特征研究

为深入认识我国高铁网络演化的拓扑特性和规律,将高铁站点所在城市抽象成网络节点, 将高铁线路抽象成网络的边,运用复杂网络理论对我国2003—2015 年高铁网络演化特征进行分 析。研究发现：我国高铁网络密度不断提升,但依然存在东、中、西部节点城市被割裂,整体网 络密度偏低的现象;网络中介中心势不断增强,一些关键节点（比如：武汉、郑州） 具有较大的 网络控制权,不均衡性逐渐扩大;网络发展后期呈现出小世界特性。因此,提出如下建议：加快 西部地区网络规模和城市网络地位建设;提升网络均质性,弱化关键节点控制力;选择性地建设 关键中、东部和西部城市之间的长线路,提升整体网络性能。     

快递网络的要素、结构与上海节点的空间格局

在对快递网络要素、结构详细阐释的基础上,明确快递网络节点的分级和命名;运用GIS 方法对国内外重要快递企业聚集地——上海的主要快递企业服务门店、一级节点（区域中转中心）、二级节点（城市中转场） 及其空间格局的展示和分析表明：（1） 上海主要快递企业的城市 服务门店数量分布从城市中心向外围郊区递减,门店空间集聚表现为“一极多核”格局,门店密度与人口密度分布高度吻合;（2） 上海主要民营快递企业的一级节点、二级节点布局集中于浦东、青浦郊区,且邻近高速公路以及浦东机场、虹桥机场两大枢纽;（3） 国际快递巨头的区域总 部位于上海市中心城区;民营快递巨头总部除了国通位于松江之外,申通、圆通、韵达、中通等 都在青浦区。     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

基于OpenStreetMap的城市自行车网建模与多判据路径规划

自行车交通是一种健康、绿色、环保的交通出行方式,合理地规划自行车出行路线对于满足骑行者多元化出行需求、构建安全规范的城市交通出行环境具有重要的意义.在对真实骑行者路径选择行为深入分析的基础上,提出了基于Open Street Map的城市自行车网络的构建方法及基于其上的多判据自行车路径优化的数学模型,并给出了求解该模型的一种基于聚类的最优多判据路径规划方法.实验仿真结果表明,该模型及方法能够生成满足骑行者真实需求的多判据路线方案.     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

上海市历史城区震后应急救援路网评价与优化

随着我国城市化进程加快,自然灾害问题也日渐凸显,作为主要自然灾害之一的地震正在严重影响着我国城市的公共安全.城市交通系统是城市重要的生命线,因此研究震后城市应急救援道路网络连通可靠度具有重要的现实意义.历史城区由于其建筑多为老旧平房,抗震性能差,而且城区道路空间局促,在遭遇地震时路网更易堵塞.本文以上海豫园区域路网为例,基于瓦砾堆积模型对震后路段通行概率进行计算,采用蒙特卡洛模拟方法对路网节点连接可靠度进行计算,对震后路网路段单元和节点的可靠性进行评估,并在此基础上判别关键路段和优化应急医疗救援路径.