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。     

汽车以太网技术发展现状与趋势探究

智能网联化已经成为当代汽车发展的重要主题,传统汽车网络通讯技术CAN,LIN等很难支撑汽车智能网联化的进一步发展,汽车以太网技术将在新一代汽车网络架构中承担重要角色.文章对汽车网络技术的发展进行了总结,对汽车以太网技术特点和现状进行了分析,阐明了汽车以太网技术的优势,研究了汽车以太网技术的发展趋势与主要挑战,并探讨了汽...     

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。