基于IGWO-BP算法的轨道交通短时客流预测

轨道交通短时客流具有随机性和非线性的特点.为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP).计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输入和输出方式;用余弦思想和动态权重策略对原始灰狼优化算法改进,提高算法的全局搜索能力...     

基于非线性时间序列分析的短时交通流特性分析

利用非线性时间序列分析方法对从时间一维角度出发对短时交通流的特性进行定性、定量分析。首先简要介绍了递归图和定量递归分析方法,以1min为间隔的实测交通流量数据为例,选取1d中不同的4部分,用递归图从定性方面可视化其动力学特性,然后用定量递归分析得到各部分的量化特征值,并对结果做出分析。结果表明短时交通流时间序列具有非线性、非平稳的特性,在不同的时段内分别具有随机性、混沌性和确定性。这一研究结果对短时交通流的预测具有一定的理论价值和实际意义。     

基于短时傅里叶变换的鱼雷自导信号参数实时估计及应用

提出了COTS产品在声靶系统对鱼雷自导信号参数实时估计中的应用方案,采用短时傅里叶变换（STFT）实现对鱼雷自导信号脉冲载频、脉冲到达时刻、脉冲宽度和脉冲间隔的实时估计．在鱼雷自导信号参数高精度估计的基础上,利用中频直接采样有效减小了信号处理的数据量．通过工业D／A板试验,证明该应用方案达到了设计功能和性能指标要求,并且降低了开发成本,减小了项目的开发周期,保证了应用的灵活性和二次开发性．     

雷达探测桥头搭板脱空方法研究

高速公路桥头搭板脱空痛害影响汽车行驶安全,利用地质雷达探测数据,如何提取此类病害信息,是探测研究的关键.采用常规的反射能量的观点来解释脱空病害存在一定难度,而ARMA谱对弱小信号的频谱变化具有较高敏感性,根据雷达波信号穿过脱空区域产生的谱变化和具有时间局部性特征,提出ARMA谱密度期望值的观点和相应的短时窗滚动谱算法,通过对脱空区模型进行数字模拟计算,给出了短时窗口关键参数的选取和脱空区谱密度期望值的响应特征.利用雷达波短时窗谱密度期望值响应参数的变化在许禹高速公路桥梁搭板脱空探测中得到了应用,验证了技术方法的可行性.     

基于自适应核密度估计的桥梁短时风速预测方法

为准确、高效地预测桥梁短时风速,提出一种基于自适应核密度估计(AKDE)的桥梁短时风速预测方法。该方法以AKDE为手段,通过历史风速获得实测风速样本总体的概率密度估计,在进行风速预测时,以当前风速样本为条件,在风速样本总体中匹配和估计预测状态的风速统计信息,从而实现对未来时刻单点风速和区间风速的预测。采用藏木雅鲁藏布江大桥现场实测风速数据对该方法进行验证,并与最小二乘支持向量机(LS-SVM)方法进行对比。结果表明:该方法可同时实现对短时单点风速和区间风速进行精度较高的预测,且与LS-SVM方法相比具有更高的计算效率,可满足实际工程快速预测风速的需求。     

基于LABVIEW的联合时频分析

在LabVIEW平台的基础上,研究了利用联合时频分析(JTFA)方法来分析信号的能量分布情况.此方法利用了短时傅里叶变换(STFT)的基本原理,对线性调频信号等一些非平稳信号进行分析,能很好地描述信号的频率如何随时间而变化,进而能很好把信号区分开来.这种方法比单独利用时域或频域来分析信号具有一定的优越性.     

基于GA-LSSVR模型的路网短时交通流预测研究

目前,很多短时交通流预测方法仅利用某一路段历史数据的时间相关性或者道路上下游路段的时空相关性进行交通流预测,未充分考虑路网所有路段之间的时空相关性.提出了一种基于稀疏混合遗传算法优化的最小二乘支持向量回归(LSSVR)模型,并应用于路网短时交通流预测.该预测模型不仅可以自动优化LSSVR模型参数,而且可以从高维路网交通流数据中选择有助于交通流预测的变量子集.实验结果表明,与LSSVR模型相比,所提方法具有更好的预测能力;而且,少量时空变量被选择出来构建预测模型,极大减少了信息冗余,改进了模型可解释性.     

基于改进灰狼算法优化BP 神经网络的短时交通流预测模型

准确的短时交通流预测是交通控制和交通诱导的依据. 提出一种基于改进灰狼算法(TGWO)优化BP 神经网络的短时交通流预测模型(TGWO-BP),有效提高短时交通流预测精度. 针对标准灰狼算法(GWO)收敛速度慢,容易陷入局部极值的问题,提出一种自适应递减的收敛因子,使灰狼算法区分全局搜索和局部搜索;改进灰狼个体的位置更新公式,引入惯性权重,调节惯性权重大小使灰狼算法具有跳出局部极值的能力;对比分析TGWO-BP、GWOBP 、PSO-BP、BP这4 种短时交通流预测模型,结果显示,TGWO-BP的短时交通流预测模型误差为10.03%,达到较好的预测精度.     

大型机场小汽车短时停车行为研究

对广州白云国际机场和上海浦东国际机场进行出行调查,对比分析大型机场小汽车短时停车行为,建立出行者短时停车出行方式选择模型。研究结果表明,提高机场停车收费价格并改善轨道交通服务水平,减少出行者短时停车选择小汽车的比例,研究结果为合理引导机场出行者的出行方式选择提供参考,从而有效缓解机场停车问题。     

城市轨道交通进站客流量短时组合预测模型

高精度的短时进站客流量预测对城市轨道交通日常客流组织具有重要意义,利用客流预测结果在事前实施限流、疏导等措施,较事后控制更及时、先进。通过采集15 min间隔的地铁进站客流数据,利用上周同期进站量、本日上一时段进站量以及高峰和非高峰时段参数作为输入变量,尝试分别采用加权历史平均自回归模型、ARIMA模型及小波神经网络模型进行短时预测,以获得精度最高的模型。在此基础上,进行三种方法组合预测,探究组合预测效果。通过案例分析,发现当考虑时段因素时,小波神经网络预测精度最高,为91.05%;ARIMA模型误差结构最好。当采用所提出的组合预测模型后,预测精度指标较独立预测模型均有提升,但误差结构没有得到改善。研究表明,所提组合预测模型可以有效地应用于城市轨道交通进站客流的短时预测中。