基于高斯混合分布的交通拥堵评价模型

为了客观、有效的评价交通拥堵的程度,采用速度指标作为反映交通流状态特征的关键变量,针对交通流速度变量存在混合分布的特点,建立了基于高斯混合分布的交通拥堵评价模型,并将EM算法运用于模型求解,通过对速度变量的聚类分析,以判别交通状态,评价交通拥堵程度.上海市快速高架路实测数据应用模型分析的结果表明:模型可以客观分析交通流...     

城市公交调度优化模型及算法研究

基于公交线路各站点的客流情况,同时考虑到公交公司的发车能力,建立适合于优化公交调度的数学模型。该发车间隔优化模型兼顾了乘客和公交运营公司的双方利益,将乘客的等待时间转化为乘客付出的广义费用来衡量乘客的利益,以运营公司全天的发车所需费用来衡量公交运营公司的利益,同时,以公交车平均满载率和全天总发车次数作为约束。所得优化结果,既减少了公交公司的运营成本,又节约了乘客的候车时间,能较好地兼顾乘客及运营公司的利益。     

城市公交企业商业模式探讨——以深圳公交为例

结合深圳公交当前的产业体制,基于特许经营政策稳定、成本规制政策连续、公交市场需求稳定三个假设条件,提出深圳公交企业”特许经营、政府补贴、合同管理、考核兑现”的商业模式,探讨了公交企业商业利润的实现途径,阐述了深圳公交企业商业模式创新的三个路径选择：建设智能公交、发展新能源战略、整合公交资源。     

基于SIMULINK的岸桥减摇系统仿真设计

在岸边集装箱起重机起升机构和小车运行机构模型的基础上建立简化的单摆模型,通过对模型的受力分析建立非线性方程,同时在MATLAB的SIMULINK环境下对此模型进行动态仿真,达到通过控制小车的驱动力来控制吊具摆角的目的。     

改进的GM（1，1）模型在变形预测中的应用

研究GM（1,1）模型的理论发现,模型的背景值序列、边值条件和残差的改进能提高模型的模拟预测精度。利用MATLAB软件编制不同背景值和边界条件下的模型优选程序,通过工程实例表明,改进的GM（1,1）模型模拟预测精度较高,适合其在变形预测中应用。     

基于三维高斯混合码本模型的运动目标检测算法

为解决智能视觉监控中码本模型参数调节困难和高斯混合模型概率分布计算的复杂性,提出了一种基于三维高斯混合码本模型的运动目标检测算法.该算法基于RGB空间建立码本模型,然后基于码字中的R、G、B分量建立三维高斯模型,从而使整个码本具有三维高斯混合模型的特征.实验结果表明:该算法具有较高的实时性(该算法的平均帧率约23.0帧/s,而iGMM(improved Gaussian mixture model)算法约9.0帧/s,BM(Bayesmodel)算法约6.2帧/s,CBM(codebook model)算法约10.7帧/s),且具有良好的检测质量.     

北京市中心城公共停车场停车时长影响因素研究

以北京市中心城六区的公共停车场作为研究对象,采用行为和意向相结合的停车场用户问卷调查方法对停车场现状进行调查。运用多分类Logistic模型,对影响停车场用户的停车目的、停车价格以及停车费用支付者等因素进行筛选,并确定影响停车时间的主要因素。     

基于非集计模型的铁路通道内客运专线分担率模型

客运专线网的逐步建成加剧了运输方式间的竞争,影响着不同方式客流分担率的变化。为充分发挥铁路通道的整体运输能力,论文基于出行效用最大化行为假说,确定了影响乘客出行方式选择的特性变量及相应的取值方法,选择客运专线和既有线作为铁路通道内居民的出行方式,建立了交通方式选择二肢Logit模型。作者用非集计模型将乘客的出行时间、出行目的、出行距离和票价等个人特性引入模型,提高了模型的实用性。通过交通规划软件-TransCAD标定模型参数,得到了不同出行距离下铁路通道内客运专线和既有线的客流分担率,证明在一定距离范围内客运专线的客流分担率与开行距离呈正相关,从而给出了铁路通道内客运专线开行的优势距离范围的建议。     

基于新托福理念的大学英语阅读模式构建研究

新托福考试体现了交际语言能力模式以及由此产生的交际语言教学的理念,基于该理念的新托福阅读也加强了对语言功能的考查。以新托福考试的理念——即交际语言教学思想——为理论基础,依靠现代化多媒体网络教学平台,构建全新的大学英语阅读模式,既能有效地提高大学英语阅读教学的质量,又有利于培养学生英语语言综合运用能力。     

基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。