基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度.使用2015—2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利...     

一种改进的蚁群算法及其在TSP中的应用

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法,算法中参数的设置一直是依靠经验和试验来确定的,造成试验工作量大而且收敛速度慢;研究中提出了一种基于自适应调整信息素的改进蚁群算法,从路径的实际信息出发,动态地分配信息素,从而使算法能较快地收敛到最优解;通过仿真试验结果表明:改进的蚁群算法在收敛速度和收敛精度方面相对于原算法都具有较好的改进效果.     

土性指标的变异特性研究

本研究以实际工程的勘察测试资料为依据,采用概率统计与随机过程理论,分析计算了地基土抗剪强度指标c、ψ和静力触探比贯入阻力p。等土性指标的均值、变异系数和相关距离等概率特征值,既是对土性指标本身的一种深入的探索。也为岩土工程的可靠性分析研究以及地基基础的设计分项系数确定提供必需的技术参数。     

基于AutoSEA2的船舶典型动力源辐射噪声分析

利用以统计能量分析原理为基础的声仿真软件AutoSEA2建立典型动力源激励的某船分段3D模型,分析了动力源激励力的等效计算及此激励产生的辐射噪声.首先根据舱段的特点,划分子系统并建立耦合关系,得到了统计能量分析模型.然后利用动力设备基座的面导纳概念,将基座面板分别简化为有限简支矩形薄板和无限大薄板,计算并对比了在中高频段这两种简化方案下的激励力.根据确定的激励方案计算得到r该舱段的舱室噪声和水下辐射噪声,并与试验结果进行了比较.对比表明,依此激励计算得到的声振环境预示结果与试验结果吻合较好,证明了统计能量分析在高频区预示船舶声振环境的可靠性.     

车用发动机比油耗积分均值探讨

本文分析了不同用途发动机运行工况及比油耗特性，提出以“比油耗积分均值”来评价车用发动机的燃油经济性能。     

考虑生理特性的驾驶行为险态辨识研究

生理指标是驾驶过程中驾驶人状态最直观的体现,探讨生理指标与驾驶行为险态之间的关联关系对实现危险驾驶行为的辨识具有重要现实意义.以驾驶人生物反馈系统采集的3项生理特性指标为特征向量,采用皮尔逊(Pearson)相关系数法对不同生理指标与险态等级之间的关系进行深入分析,并在此基础上采用K-均值聚类方法构建驾驶行为险态辨识模型.通过对30组模拟驾驶实验数据的分析,最终得出驾驶人的血流量脉冲值(BVP)和皮肤表面电位(SC)与驾驶行为险态等级间存在显著正相关性(p<0.05),呼吸率(RESP)与驾驶行为险态间存在一定相关性,但是规律性不强.采用BVP和SC作为特征向量构建模型对驾驶行为险态辨识精度最高达到96%,对可忽略、可容忍和不可容忍3种状态的识别准确率分别达到97.33%,98.16%和88.16%.     

基于KFAV的中国铁路货运客户细分方法研究

中国铁路货物运输由于诸多因素的影响,在客户和货源数量上受到了冲击,需要在客户关系管理及营销等方面不断完善,其中客户细分是精确营销的重要手段.本文提出了基于RFM模型的,新的客户分类KFAV模型,并对货运客户价值进行了计算.之后引入了局部密度值ρ和斥类值δ,对传统K均值(K-means)聚类方法在初始聚类中心选取方面进行了优化.通过搭建hadoop集群环境,采用spark计算框架,对选取的大量货票数据进行仿真.仿真结果显示,基于KFAV模型的铁路货运客户细分方法更加具有针对性,并且改进的K均值聚类方法提升了算法的效率,同时基于大数据分析的spark+hadoop平台极大地降低了客户细分的运行时间.