基于Agent控制器的单路口信号灯学习控制方法研究

将强化学习中的Q学习算法与Agent技术相结合,构成Agent控制器对单路口的信号灯进行控制.介绍了将经验知识与Q学习算法相结合实现的Agent学习机制,提出了一种适合交通环境的强化函数,以解决单路口的动态实时控制.经仿真软件Paramics对实际路口进行仿真实验,验证了该方法具有较好的控制效果.     

基于Q学习的Agent在单路口交通控制中的应用

将Agent技术与Q学习算法相结合,应用到城市交通控制领域中,对单交叉口的交通流进行了控制研究,介绍了路口Agent的结构模型以及基于Q学习算法的学习机制的实现,提出了一种适用于交通控制的奖惩函数。即当红灯相位的饱和度大于绿灯相位的饱和度时,红灯相位的相对警界度在奖惩函数中占主导地位,此时大部分情况下会对Agent进行惩罚;在以后的决策过程中面对类似的交通状态Agent所选择的控制行为更倾向于将通行权切换给下一个相位,反之,Agent所选择的行为倾向于保持当前相位的通行权到下一决策时刻。并通过微观交通仿真软件Paramics对控制算法进行仿真研究,仿真结果表明该方法的控制效果优于定时控制,同时验证了奖惩函数的有效性。     

存在车辆干扰的车道线识别

为避免道路上行驶的其它车辆对车道线识别的干扰,提出了一种结合车辆识别的车道线识别方法。融合雷达数据,车辆识别模块首先在图像中识别出车辆占据的区域;对于每一个车道线识别模块挑出的车道线候选点进行判断,去除处于车辆区域的车道线点;如果有效车道线点数目不足,则利用卡尔曼滤波的跟踪结果,确定符合最小风险函数的车道线位置。经过多种工况下的试验验证,该方法能够稳定地对车道线进行识别,准确地提取车道线参数,并且算法对车辆干扰有良好的抵抗能力。     

时变变质率下两个仓库的易腐物品的库存模型

研究变质率呈Weibull分布的两个仓库的易腐物品的库存管理,建立了其确定性库存模型,给出了最优解的求解过程,并举例进行了证明。     

高级公路合理初始交通量的确定与计算方法

确定等级公路的合理初始交通量有着重要的现实意义，本文提出了从经济效益最佳的角度确定等级公路合理初始交通量的方法；分析了等级公路从开始修建到其设计年限期内所发生的各项费用；给面了确定等级公路合理初始交通量的具体函数及计算方法。     

公路集装箱运输调度算法研究

本文对编制公路集装箱运输车辆日运行作业计划的相关量（车数）车型搭配，优先运输次序等条件及目标函数进行了系统，全面的分析，建立了解决问题的多目标规划模型，给出了求解方法及应用实例。     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

公路货运企业生产成本分析

当前对运输成本的分析较为笼统,缺乏具体针对公路货运企业成本的分析。公路货运与其它运输方式货运相比成本有很大的区别。通过比较研究公路货运企业的短期成本和长期成本的性质,得出了公路货运企业成本的弱垄断性。并采用超越对数成本函数对成本进行分析,根据超越对数成本函数的性质验证了公路货运企业的规模效应。     

基于三弯矩样条函数插值模型的非等距时序灰色预测方法

给出了三弯矩样条函数插值模型,用以解决非等距时序GM（1,1）的灰色预测问题.在国际平整度指数IRI的非等距时序样条灰色预测应用实例表明,该方法在作非等距时序列向等距时序列转换中保留了原有数据序列所呈现出的阶段性规律,具有精度高、实用性强的特点.     

城市客运交通走廊判定方法研究

如何正确判定城市客运交通走廊是进行城市大运量客运交通方式规划首先需要解决的问题。通过分析城市客运交通走廊对交通源和交通方式的集聚效应特点,提出采用效应场和场中介质的概念来模拟交通走廊对交通流和交通源的吸引作用。应用衰减函数或磁感函数作为效应场函数模拟分析城市客运交通走廊对附近范围产生的集聚效应,采用人口密度、出行生成密度或潜力密度作为介质函数来表现走廊附近范围的土地利用形态,提出了一种直接根据用地来确定城市客运交通走廊的方法。