混合Logit模型的参数估计与应用研究

混合Logit模型具有较高的灵活性,其效用变量的系数可以服从正态分布、对数正态分布、SB分布等多种形式. 本文以北京市居民出行调查数据为基础,建立交通方式选择的混合Logit模型,允许系数取不同分布类型的组合,采用极大模拟似然法完成参数估计. 在模拟中使用拟随机数序列计算模拟概率,首先使用变序Halton序列给出几种高精度的结果,进一步采用MLHS（Modified Latin Hypercube Sampling）方法对其中最好的假设模拟求解,为效用变量的系数确定了合适的随机分布函数. 参数的估计值清晰地解释了影响人们出行的各种因素.     

对农村汽车市场主要车型的中长期预测

本文分析中国农村汽车市场上普及率较高的车型,基于历年《中国汽车工业年鉴》的调查数据和相关统计资料中的基础数据,结合多元线性回归、时间序列预测与专家调查法,采用统计学软件SPSS,对农村汽车市场上的各主要车型进行定量化的中长期预测,探究未来农村汽车市场的发展潜力。     

汽车零件的拆卸技巧

汽车零件的拆卸是汽车维修人员的基本功,有人说：拆卸修理工,技术就在拆卸中。机件拆卸的顺利与否,直接关系到汽车维修的速度和质量,技术过硬的维修人员十分讲究拆卸技巧。做好记号汽车各配合件经过长期的磨合后,形成了相互适应的配合环境,在拆卸时应认真判别并做好记号,使原有的配合间隙不受破坏,保证装配后的总成质量。如发动机曲轴轴承盖、驱动桥减速器从动圆锥齿轮、差速器壳等零件的拆卸,不但要做好记号,还要注意以下2点：④应在零件的各固定螺钉拆下之前做好牢固记号,     

汽油机劣化时的瞬态排放量熵值分析

介绍了符号时间序列分析中的直方图、Shannon熵等,并给出了熵值的计算程序,选用BN492Q和CS492Q两台汽油机台架进行实验,对得到的实验数据进行熵值分析,结果验证了符号时间序列分析方法的Shannon熵可以作为汽油机瞬态排放的评价参数。     

在役城市隧道衬砌裂缝扩展规律及其温度效应研究

为了获得在役隧道衬砌裂缝扩展量随时间及温度的变化关系,针对重庆市某在役隧道的长期监测数据进行了分析研究,得到了裂缝扩展速率随温度的变化关系以及同一温度下裂缝宽度随时间的发展关系,并将不同温度下的量测数据转换到同一温度条件下,结合时间序列建模方法建立了考虑温度影响的隧道衬砌裂纹扩展量预测时模型;同时,为了增加模型结果的可信度,分别对模型的短期预测误差和长期预测误差进行了分析,结果表明:模型在短期预测中具有较高的精度,而长期预测误差也会随着预测步数的增加而趋于常数.     

基于序列图像的交通流自动调节系统

本文提出了从视频动态序列图像中检测、识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统。通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯。从而估算城市道路汽车流量,并调整道路中间隔离栅。仿真实验结果表明：算法能够有效的检测、识别目标,并对控制系统进行自动调节。     

空中交通流非线性分形特征

为了给空中交通流建模与预测提供科学依据,建立4种时间尺度的时间序列,采用替代数据法进行了非线性检验,确定5 min尺度的时间序列作为后续研究对象;应用小波分解方法研究了时间序列的自相似性特征,通过R/S方法计算了全局和局部Hurst指数,研究了时间序列的长相关性特征;应用关联积分的二阶差分法计算了时间序列的无标度性区间;采用多重分形谱方法研究了时间序列的多重分形特征,应用Grassbeger-Procaccia （GP）算法计算了时间序列的关联维数. 研究结果表明:5 min时间尺度的时间序列具有非线性因素的概率为99.2%,其他3种时间序列的非线性尚不明确;从小波分解图可定性观察出时间序列具有较强的自相似性;全局Hurst指数为0.756 5,局部Hurst指数均大于0.5,表明时间序列具有长相关性;关联积分二阶差分法能够有效识别出无标度区间,说明时间序列具有无标度性,不同嵌入维数对应的无标度区间是不同的;多重分形谱图呈现钟型,说明具有多重分形特征;关联维数为6.89,表明至少需要7个变量才能清晰描述本时间序列对应的空中交通流.      

基于序列Kriging-GA的薄板件定位点优化方法

为降低车身薄板焊接装夹时的重力以及夹具定位点偏差对柔性薄板件定位精度的影响,提高薄板定位方案的稳健性,基于有限元分析方法对薄板件第一基准面的定位点布置进行了优化。为了建立能反映薄板定位精度对定位点偏差敏感度的定位方案评价指标,引入影响系数法,建立了定位点偏差对薄板件定位精度的影响系数矩阵。基于影响系数平方矩阵的迹,并考虑重力对薄板定位精度的影响建立了多目标优化模型。采用Kriging代理模型构造出优化模型的目标函数,为了解决代理模型预测精度较差的问题,提出了基于序列Kriging-GA的薄板件定位点优化方法,将最优点选点准则和期望改善准则融合使用,反复在兴趣域增加样本点,更新代理模型,提高了代理模型的预测精度并保证了算法的全局搜索能力。结果表明：序列Kriging模型在兴趣域的预测误差可低至1%,具有很高的预测精度;与采用遗传算法相比,所提出的方法能减少75%仿真次数,显著提高设计效率;在不同定位点偏差组合下,零件各关键点位移量的均值与方差都显著减小,定位精度对定位点偏差的敏感度降低,优化后的定位方案具有较高的稳健性。     

基于改进加权一阶局域法的空中交通流量预测模型

空中交通流量精准预测是实施空中交通控制和管理的重要前提.针对空中交通流量时间序列的内在混沌动力特性,研究了基于改进加权一阶局域法的混沌交通流量时间序列预测模型.首先,提出了一种临近相点演化加权的改进一阶局域预测法,并通过在预测过程中构建误差序列进行预测结果修正;其次,利用关联维数出现饱和现象验证了4组不同统计时间间隔的实测空中交通流量时间序列均存在混沌特性;最后,在对空中交通流量时间序列进行相空间重构的基础上,利用改进加权一阶局域预测方法进行了流量预测结果的对比实验.结果表明,4组空中交通流量时间序列预测精度均有提高,时间尺度为10 min的流量预测效果最好,预测相对误差减小了29.7%.      

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。