Urban traffic flow prediction: a spatio‐temporal variable selection‐based approach

Short‐term traffic flow prediction in urban area remains a difficult yet important problem in intelligent transportation systems. Current spatio‐temporal‐based urban traffic flow prediction techniques trend aims to discover the relationship between adjacent upstream and downstream road segments using specific models, while in this paper, we advocate to exploit the spatial and temporal information from all available road segments in a partial road network. However, the available traffic states can be high dimensional for high‐density road networks. Therefore, we propose a spatio‐temporal variable selection‐based support vector regression (VS‐SVR) model fed with the high‐dimensional traffic data collected from all available road segments. Our prediction model can be presented as a two‐stage framework. In the first stage, we employ the multivariate adaptive regression splines model to select a set of predictors most related to the target one from the high‐dimensional spatio‐temporal variables, and different weights are assigned to the selected predictors. In the second stage, the kernel learning method, support vector regression, is trained on the weighted variables. The experimental results on the real‐world traffic volume collected from a sub‐area of Shanghai, China, demonstrate that the proposed spatio‐temporal VS‐SVR model outperforms the state‐of‐the‐art. Copyright © 2015 John Wiley & Sons, Ltd.     

基于奇异滤波及稳健回归的轨道曲线主点定位方法研究

曲线主点位置的准确获取是线路整正的基础。在缺失线形标记的情况下如何准确地计算出轨道主点的位置一直是业界广泛关注的问题。在分析曲线轨道正矢图形的特征后,提出基于奇异分解和稳健回归的曲线主点定位方法:利用相对测量正矢数据构造截断矩阵进行奇异值分解滤除其中幅值较大的冲击部分,在此基础上通过稳健回归减少数据微小变化带来的拟合偏差,得到主点的具体位置。实验表明:该方法能够基于相对测量的正矢数据推算出曲线各个主点的位置,受分段点选取偏差影响较小,适合工程应用。     

铁路货运量组合预测方法

为了对铁路货运量进行科学预测,在指数平滑、模糊移动、线性回归、灰色预测4种单一模型的基础上建立组合预测模型。结果表明：组合预测模型能有效综合各模型的有用信息,并能提高其预测精度,预测结果可靠。与单一模型相比,该法具有较好的实用价值。     

铁路隧道现场监控量测回归分析

介绍了包西铁路通道大保当至张桥段铁路中新九燕山隧道现场监控量测记录和数据的回归分析方法,应用铁路隧道现场监控量测结果,可以指导铁路隧道现场施工,科学合理确定开挖方法,及时施工二次衬砌,从而保证铁路隧道施工顺利进行。     

基于Lasso回归的高速动车组齿轮箱性能检测方法

传动齿轮箱作为高速动车组走行系统的核心部件,直接决定列车的运行速度和运行状况,对列车的行车安全起着至关重要的作用。提出了一种基于Lasso回归的动车组齿轮箱性能检测方法,通过分析动车组齿轮箱实际运行时的性能指标与其期望值的偏离情况,检测动车组齿轮箱的异常状态,进而识别动车组齿轮箱的早期故障。实例验证了基于Lasso回归的动车组齿轮箱性能检测方法的有效性和可行性。     

水泥混凝土路面温度应力回归计算分析

针对现有水泥混凝土路面结构温度应力的计算方法不完善,对现行规范中通用设计方法进行了数值回归分析,建立了温度翘曲应力系数和温度应力系数的经验公式,公式中首次引入的计算参数a,b能反映温度翘曲应力和温度内应力的变化。基于此建立起了路面结构温度应力经验计算公式,并对其进行了可靠性分析,分析结果与规范相吻合且能满足工程需要。结合路面铺筑施工温度,计算路面铺筑的临界温度和路面发生初始翘曲和胀缩时的临界温度,分析了路面结构温度应力的各个影响因素对温度应力的影响,为路面铺筑施工温度的控制提供参考。     

多输出支持向量回归算法

提出了一种新的多输出支持向量回归算法(M-SVR),给出了定义在超球上的损失函数,并将训练SVM的问题转化为迭代解线性方程组的问题.在求解过程中采用边计算边使矩阵降阶的办法,使得在求解的同时找到了支持向量.实验结果表明:M-SVR算法与SVR算法相比,支持向量明显减少,并且具有更好的整体预测精度和抗噪性能.     

指数有界C-cosine算子函数扰动的一个结果

讨论了R(C)不必稠情形下C-cosine的算子函数的扰动问题,借助于C-cosine算子函数对应于的子空间∑中的一个cosine算子函数,基于已有的cosine算子函数的扰动定理,得出了C-cosine算子函数的扰动定理.     

Regression analysis of initial stress field around faults based on fault throw by displacement discontinuity method

The back analysis of initial stress is usually based on measured stress values, but the measuring of initial stress demands substantial investment. Therefore, amounts of underground engineering have no measured initial stress data, such as tunneling engineering. Focusing on this problem, a new back analysis method which does not need measured initial stress data is developed. The fault is assumed to be caused by initial load, the displacement discontinuity method (DDM) which considered non-linear fault is adopted to establish a numerical model of the engineering site, and the multivariable regression analysis of the initial stress field around the faults is carried out based on the fault throw. The result shows that the initial stress field around the faults is disturbed significantly, stress concentration appears in the tip zone, the regressive fault throw matches the measured values well, and the regressive initial stress field is reliable.     

���ڲ�����ͨ����·������������ʻ���JVNTK����ģ��

车辆行驶里程(VMT)估算是包括尾气评估在内的许多交通工程相关领域研究工作的基础.由于在现行的技术条件下难以得到VMT的真实值,VMT只能根据其他信息估测获得.目前主要使用的两种方法是“基于交通量方法”和“非基于交通量方法”,这两种方法各有其优缺点.在实际操作中,“基于交通量方法”的应用更为广泛，但不足之处是，它仅仅将采样得到的交通流量数据简单用于其它具有相同道路等级的路段上来估测VMT,而没有考虑各路段的具体特征对VMT的影响.本文提出了一种新的VMT估算模型,该模型引入指数回归模型,结合采样交通流量和路段特征来估测流量和VMT.在实际运用中,该模型在现有技术条件下也易于标定.同时,为了使研究结果直接用于尾气评估模型MOBILE6,对VMT又按速度和时间进行了进一步分解.由于在国内实验条件下难以收集到验证该模型所需的大量配套数据,因此,结合美国休斯顿西南地区所提供的相关交通数据对模型作了有效性检验.研究结果表明,通过该模型得到的VMT比美国EPA提供的交通流量方法(TCM)得到的值更接近实际;同时,将该模型得到的VMT输入到MOBILE6后经运算得到的尾气排放因子结果也比其使用缺省值和TCM提供值更为精确.