出行方式选择:机器学习方法与多项Logit模型比较研究

在交通出行预测中,多项Logit模型（MNL）的应用十分广泛,但是同时也存在很大的缺陷。模型假定各选择枝不可观测的随机效用部分相互独立且服从二重指数分布,但是这在很多情况下都与实际不符。本文采用机器学习方法中的决策树（Decision Tree）和支持向量机（SVM）模型与多项Logit模型进行对比分析,找出对于居民出行方式选择预测最准确的模型。本文采用的数据来源于2016年12月安顺市的居民出行调查数据,通过三个模型对比可得,SVM模型的预测精度最高,其次是决策树模型,MNL模型的预测精度相对较低。     

基于MSR算法的公路隧道围岩分级方法

隧道围岩分级是隧道设计与施工的基础,直接影响隧道安全与运行。为实现对隧道围岩进行快速、准确地分级,基于机器学习中softmax回归线性分类模型,构建多分类softmax回归分级方法（MSR）。首先,综合考虑岩石坚硬程度、岩体完整程度、结构面产状、地下水状况、节理风化状况及初始地应力状态6项分级指标,并对其进行量化;其次,采用argmax函数作为决策函数,建立多分类器;然后,给定专家修正训练样本,利用python语言编写程序,学习最优判别函数,同时比较不同学习率下模型的精度;最后,导入测试集数据,经过模型自动演算,得出合理的围岩分级结果。结合那丘隧道BQ法对围岩进行分级。研究结果表明：(1)该算法具有可行性和较高的准确率,证实了将机器学习应用到隧道工程中可以提高工程施工效率;(2)与二分类器相比,多分类器能更好地解决围岩分级问题;(3)当学习率为0.01时,模型的分类性能最佳。     

基于实车数据的电动汽车电池健康状态预测

鉴于现有电动汽车电池健康状态(SOH)预测方案多基于条件有限实验室的实验数据,且存在单指标预测精度低等问题,基于实车运行数据分析并提取电池健康状态因子,以电池容量、内阻和单体一致性为特征,构建机器学习模型,实现电池SOH多指标的准确预测;针对实车数据区间不完整、片段间隔大等问题,提出自适应状态估计法;利用非支配排序遗传算法(NSGA-II)进行精度与效率的多目标优化,获得最佳电压区间,提高电池容量的变区间估计精度。结果表明,该方法可有效实现基于实车数据的电池SOH准确预测,采用5-fold交叉验证计算测试集最大平均绝对误差小于2%。     

基于社交网络数据的交通突发事件识别方法

为了从社交网络数据中挖掘出交通突发事件,研究了基于机器学习的文本识别方法.通过关键词和地点定位,利用网页爬虫"Beautiful Soup"爬取到原始文本.采用正则匹配、重复度计算以及"0-1"标记预处理原始文本.基于预处理后文本特征,研究了基于特征权重的特征词选取方法;其中,特征权重的计算综合了词语的出现频率和含有该...     

卷积神经网络在辅助胸部数字X线图像质量控制工作的应用价值

目的探讨卷积神经网络在胸部数字X线(digital radiology,DR)图像质量控制(quality control,QC)工作中的应用价值。方法纳入不同机器拍摄的胸部DR图像1 618张进行分级标记,其中1 294张作为训练集用于卷积神经网络,324张作为测试集用于检测效果;将检测结果用二分类和四分类的混淆矩阵计算敏感度、特异度、阳性预测值(positive predicted value,PPV)、阴性预测值(negative predicted value,NPV)和总准确率。结果二分类结果:敏感度为73.53%,特异度为97.93%,PPV为80.65%,NPV为96.93%,总准确率95.37%;四分类结果的总准确率75.93%。二分类结果总准确率高于四分类结果 (P<0.05)。结论卷积神经网络可满足影像QC工作达到最低标准的要求,但要进行高级别图像质量评分和考核等管理工作,还需更大的数据集和更加细致的特征标记。     

厦门市大型公交站点共享单车接驳需求预测模型分析

近年来共享单车逐渐成为大型公共交通方式接驳的重要手段,但站点周边需求不一、投放过量的问题也成为管理部门的困扰.目前的需求预测方法存在基础数据不全、无法验证泛化能力等问题,难以支撑精细化的需求预测.基于厦门市长时间、全样本的共享单车数据,结合详实的人口、建成环境、天气等基础数据,分别对大型公交站点为起点和终点的共享单车出...     

基于特征优化和机器学习算法的舰船网络非法入侵行为识别

舰船网络非法入侵行为识别受到识别算法的影响,使得误检率较高。因此,提出特征优化和机器学习算法的舰船网络非法入侵行为识别方法设计。采用自适应遗传算法,完成舰船网络数据特征优化处理,有效提升了识别效率。以SVM算法为核心设计行为分类算法,完成舰船网络数据的分类。最后,通过构建网络非法入侵行为识别模型,实现非法入侵行为的准确识别。实验结果表明:从单一类型非法入侵行为识别结果分析,本文方法的平均误检率相比传统方法降低了4.8%,8.69%;从多种类型非法入侵行为识别结果分析,本文方法将平均误检率分别降低了10.02%、10.74%。     

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性,导致自动驾驶能力难以被客观评估.为此,提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法.首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型;其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值,持续时长大于阈值的数据...     

基于机器学习的排泥管线压降预测

福建沿海地区的吹填工程中,主要的土质颗粒为中粗砂.该类型土质在输送过程中阻力大较易发生堵管,导致施工进程延缓.在输送环境下施工,掌握管路内输送阻力的实时信息至关重要.粗颗粒条件下,常用的经验方法如Durand公式法的计算精度较差.基于已有的管路输送研究,以及福建沿海工程的测试数据,使用高斯过程回归方法和支持向量机方法建...     

基于红外热成像和机器学习的动态转向架监测系统研发

基于红外热成像和机器学习的动态转向架监测系统可以对货运列车的转向架进行动态、可视化监控分析。系统利用了红外热成像技术和机器学习图像识别技术,全方位对转向架的关键部件故障,如热轴故障、抱闸故障、制动缓解不良和不制动等故障进行全面监测诊断和实时预报。系统实现了地面设备对货运列车车辆转向架部位的关键部件动态监测,提高了货运列车安全运行能力。