数字轨道地图数据平顺性检查算法研究

利用卫星导航实现多传感器列车组合定位必须建立数字轨道地图。在数字轨道测量数据处理过程中,轨道数据平顺性检查是非常重要的环节,而人工检查工作量大且无法保证数据准确可靠。本文使用短时傅里叶变换分析线路数据点夹角序列的幅度谱,通过对数据进行频域高通滤波排除线路弯道对平顺性检查的影响,从而直观的检查、定位线路中的数据不平顺区域。实验表明,该方法能够直观的呈现线路平顺性,并快速定位不平顺位置,在轨道地图GPS测量过程中降低人员工作量,保证数据准确、可靠。     

我国客运专线高速列车安全运行大风预警系统研究

研究目的:为了确保大风天气条件下高速铁路动车组安全运行,必须建立大风预警系统,制定运行管制规则及对策,从而达到安全、高效行车的目的.研究结论:我国铁路沿线大风类型主要有寒潮大风、短时雷雨大风和台风大风.防风预警系统必须根据大风类型和地形地貌的不同,分别建立不同类型短时风速预测模式,其地形因数k由流体模拟与实际监测结果的比值确定,并绘制大风天气条件下高速列车运行管制曲线图,从而为行车指挥控制系统提供较为合理的行车速度限制信息.运用该研究成果既可降低大风对客运专线高速列车安全行车的影响和危害程度,又可保证最大程度的行车效率.     

改进的K近邻非参数回归在短时交通流量预测中的应用

针对现有K近邻非参数回归方法的局限,为了进一步提高算法的精度和速度,做出了两方面的改进:利用相关性理论选择状态向量和采用基于聚类分析的变K近邻搜索算法.用仿真实验验证了该方法的有效性,给出了仿真试验结果.实例研究结果表明,预测效果优于传统的非参数回归方法.     

地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考,其中短时客流预测的精准性尤为重要,为进一步提高城市轨道站点短时客流预测精准性,提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解,以减少数据噪声干扰;再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化,从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型,双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。     

混合智能算法在城市道路短时交通流量预测中的研究

对城市道路短时交通流进行准确预测是实现城市交通控制与交通诱导的关键。针对目前单一预测方法预测精度不高的问题,提出了小波与支持向量机（SVM）融合的预测新方法;同时为了避免SVM知识学习过程陷入局部最优的问题,采用粒子群算法（PSO）来优化SVM的关键参数,以提高对短时交通流量的预测精度。通过对武汉市道路交通流数据的实验分析,结果表明所提出的方法能够准确提取实验数据关键特征,显著提高SVM的预测精度,且结果比单一使用方法提高了近9%。     

短时交通流预测建模因素和建模策略

实时准确可靠的短时交通流预测是智能运输系统的基础。根据短时交通流预测建模的研究现状,探讨了影响短时交通流预测建模的七个方面要素,进而提出了短时交通流预测的"四阶段法"建模策略。对短时交通流预测建模的梳理有助于改进现有模型以及研发新的模型。     

一种短时交通流异常数据识别新算法

为了提高短时交通流预测建模的准确性和可靠性,需要对原始交通流时间序列中的异常数据进行识别和修正。首先分析了异常数据的来源,重点介绍了一种基于统计的双重准则识别算法;其次给出了一个实例分析,在建立短时流量预测模型前,将双重准则识别算法用于交通量时间序列以排查异常数据。实例研究表明,文章提出的双重准则识别算法可快速有效地辨认出交通流异常数据。     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

数据融合技术在短时交通流预测中的应用

提出了短时交通流预测的时间间隔长度,介绍了常用短时交通流预测方法.结合数据融合技术,明确了短时交通流预测的改进方向之一,即模型选择、模型组合,并给出了短时交通流预测的数据融合算例.     

时频分析在心电信号分析中的应用

从理论上研究了时频分析方法中的短时傅立叶变换和W inger-V ille分布,并对正常心电信号和心室纤维颤动心电信号进行了仿真试验.仿真结果表明,利用时频分析方法研究时变的非平稳信号的特征变化是有效的,可以为临床诊断提供更充分的诊断依据.