基于模糊约束的空中交通流量预测模型研究

鉴于传统流量预测模型存在预测精度差、耗时长、效率低的不足,将模糊约束引入空中交 通系统,用于表示人工智能领域中一些不确定的信息,构建了基于模糊约束的空中交通流量预测模型。通过分析影响模糊约束的决策向量、模糊参数向量及模糊约束集三个因素,提出预测模型 的构建流程,选取空中交通路线多转折点,并获取模糊矩阵,建立了空中交通流量预测模型。实验结果表明,对空中交通流量进行预测时,采用改进的预测模型相比传统预测模型的预测结果较 优、耗时较短、精度较高。     

考虑多因素的城市道路交通拥堵指数预测研究

在分析城市道路交通拥堵指数总体变化规律的基础上,综合考虑天气、节假日、重大活动等因素对交通的影响,以未来3 h、第2天24 h每5 min的交通拥堵指数明细为预测目标函数,建立基于K近邻的城市道路交通拥堵指数预测模型,确定了模型的状态向量、距离计算方法、预测值计算方法等,并根据实际采集数据对模型各参数进行标定,实现了对广州市宏观交通拥堵指数的短期、中期预测.最后,以2016年1~2月的数据为例,对模型进行测试验证.结果表明,预测模型对于普通日、特殊日的预测效果理想,且具有较强的可操作性,基本达到工程应用效果.     

基于客流量预测的旅游公路投建决策研究

旅游公路的建设能够提升景区通达性,为景区带来经济效益,同时也需要大量的资金投入.由于建设资金的限制,需要根据旅游公路收益率对实际投建项目进行决策."旅游公路收益率计算模型"通过对景区在不同旅游交通条件下的客流量进行预测,定量分析旅游公路建设对客流量的影响,计算出不同旅游公路建设项目的收益率.该模型中客流量预测以游客对景区的"旅游资源吸引力"和"旅游阻力"评价分布曲线为基础,认为游客对景区做出选择是基于对该景区的"旅游资源吸引力"评估大于"旅游阻力"评估.同时以我国西南地区某县为例,对该县旅游公路建设项目进行投建决策分析.     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

高盐高湿环境电务轨旁器材腐蚀寿命评估方法研究

在高盐高湿环境的海底隧道内,轨旁电务器材腐蚀情况较为严重,对信号传输和行车安全带来极大的隐患.通过对高盐高湿隧道环境调研,量化隧道内环境指标,结合隧道环境评估结果制定腐蚀加速实验的环境谱,在实验室进行加速盐雾试验,选取实验样品的失重比表征腐蚀程度,结合腐蚀动力学评价方法进行金属腐蚀寿命评估方法研究.为海底隧道轨旁金属器...     

统计能量法在船舶舱室噪声预报中的应用

详细介绍了统计能量法并结合某船模型以统计能量法进行舱室噪声预报及改进设计研究。在某段舱室内分别以加减震器与不加减震器2种工况下噪声的计算结果与统计能量法得出的计算结果进行分析对比,充分验证了统计能量法的预报可行性,得出结论:统计能量分析法可以有效地预报船舶舱室的高频噪声,可以对局部设计的更改和局部减震装置的施加进行有效的仿真,适用设计阶段船舶舱室噪声的预报和结构声学优化计算。本文所得数据也可为今后船舶设计开发提供相关参考依据。     

船舶航迹复合预测控制模型

为了提高船舶航行控制质量,建立了船舶航迹复合预测控制模型,依据灰色预测模型处理船舶运动控制的不确定量,利用反传多层感知器自适应网络从船舶航行偏差的历史数据中得出控制偏差趋势,根据灰色预测和神经网络预测的误差大小,进行组合模型优选及组合权系数优化,确定航迹最优控制策略。仿真结果表明:当船舶旋回性指数、船舶追随性指数与滞后时间其中一个大于1时,任何参数的改变均会引起PID振荡,而船舶航迹复合预测控制模型能以较少的操舵动作迅速收敛,从而使船舶航迹与预定航线更加拟合,因此,其控制系统的鲁棒性、快速性和稳定性高。     

自动驾驶障碍车辆行为预测技术研究

为了使自动驾驶车辆可以像有经验的驾驶员一样对周围车辆的行为做出准确的判断,通过车辆周围传感器来感知障碍车辆的相对位置信息,并结合自身车辆的高精定位信息,获得障碍车辆的精确位置,通过应用隐马尔可夫模型建立不同驾驶行为的预测模型,最终通过模型的预测来判断障碍车辆的可能驾驶意图,辅助自动驾驶车辆进行有效的驾驶决策,更好的规划安全高效的行驶路线。     

钢桥面浇注式+SMA组合结构车辙变形深度预估

为了阐明浇注式沥青混合料室内60℃车辙试验结果与实体工程应用中表现出的高温稳定性不一致的原因,揭示钢桥面浇注式沥青混合料+改性沥青SM A组合结构车辙变形发展规律,采用理论研究与工程应用相结合的方法,以马鞍山长江公路大桥为依托,采用建设期现场铺装用沥青混合料成型试件,进行了40℃、60℃、70℃温度条件下、接地压强为0...     

北京市共享单车出行的时空规律与需求预测研究

基于北京市摩拜单车的工作日骑行数据,利用非负矩阵分解算法(NMF)从时间和空间两个维度深入探究共享单车的出行规律,并构建逆序群体稳定性指标(RPSI)改善k值选择过程。利用得到的出行规律,运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型,对共享单车的出行需求进行预测,并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模型的结果进行对比。研究结果表明,共享单车可分为5种基本的出行模式,每个区域的出行都可以由这5种出行模式的线性组合来表达,其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征,分别确定其出行含义：通勤出行中居住地到地铁站的出行;通勤出行中地铁站到工作地点的最后一公里连接;居民其他的非通勤出行行为,如休闲娱乐活动等;回程通勤出行中从工作地点到地铁站;回程通勤出行中从地铁站到居住区的最后一公里连接。最后,模型预测结果的对比分析显示,本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。