基于贝叶斯智能学习OD矩阵估计与网络拓扑优化研究

OD矩阵（Origin—Destination Matrix）是路网规划与评价的基础数据。以往OD矩阵数据是通过交通调查的方法获得，这往往耗费了大量的人力和物力。运用贝叶斯定理的先验分布原理，构造贝叶斯智能学习的网络拓扑结构，提出由各路段交通流量的观测值来推算估计以及预测OD矩阵的一种有效方法。利用此方法可以准确估计出OD矩阵数据，同时在优化网络拓扑中，能对未来交通量的分配进行预测。对比分析表明，此方法能有效地提高交通运输规划的效率以及交通评价准确性。     

基于复杂网络理论的计算机网络拓扑研究

复杂网络理论是随计算机的迅速发展而兴起的新的理论。随着计算机网络结构的不断复杂化,原本的简单网络模型已经不能满足现在的拓扑性能要求。于是,复杂的网络理论便产生了,他的出现为计算机的拓扑行为的研究引入了新的发展思路和提供了一个新的研究平台。本文主要从复杂网络理论的概述和复杂网络理论在计算机拓扑行为中的应用的方面进行了论述。复杂网络理论有希望为解决网络行为基础理论的研究提供良好理论基础。     

高速公路电力监控系统模式及网络拓扑结构方案设计探讨

针对目前国内高速公路电力监控系统现状,结合多年的工程实践,总结出1种统一的系统模式和2种较为实用的系统网络拓扑结构方案。对2种方案的优缺点进行比较、分析,并就高速公路电力监控系统网络拓扑结构方案设计提出建设性意见,供设计、施工技术人员参考。