基于特征子序列修正的公交刷卡滞后时间推算

针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差等特征子序列;利用两种子序列间一对一或一对多的对应关系分别进行初步搜索和二次修正,兼顾匹配过程的效率和精度。将推算流程应用于山西省大同市公共汽车系统,结果显示,抽样车辆的刷卡匹配率均达到99%以上,并且针对不同类型的公共汽车线路具有较强的适应性。     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于改进灰色定权聚类的城市轨道交通网络规划方案优选研究

综合考虑路网结构合理性、建设实施性、运营效果、社会经济效益以及城市发展的协调性等五方面的影响因素,建立了城市轨道交通网络规划方案综合评价指标体系。引入高斯白化函数、等面积法则确定参数和基于信息熵的聚类权的标定法,提出了改进灰色定权聚类优选模型,并将其应用于某市轨道交通规划方案优选,评价结果与实际专家评审结果一致,验证了该模型的有效性和实用性。     

基于动态聚类的公路基本路段分割合并方法

公路基本路段划分是实施交通安全精细化管理的基础,划分结果要求具有相似的几何线形及事故统计特征。基于公路线形特征划分的路段单元,叠加动态聚类算法划分的事故特征相近的路段单元,提出包含分割与相交合并的基本路段分割合并方法,进一步以京昆高速北京段为例验证该方法具有可行性及科学性。     

基于空间特性的行李跟随系统的车辆调度方法

为了提高车辆配送初始解获得的效率,在不确定条件下,研究了上海世博会行李跟随系统需求点的空间特性,提出了基于空间特性的车辆调度方法,建立了需求点的空间特性SLINK聚类分析方法和聚类分析结果评估方法。计算结果表明:在需求点群聚状态下,采用基于空间特性的聚类分析法的调度初始解总距离为583,而传统SWEEP扫描法的调度初始解总距离为595,因此,在对车辆调度问题进行求解时,对需求点的空间分布特性进行分析有助于不确定环境下车辆调度问题的最终求解。     

基于聚类分析的港口类型化研究

根据各港口集装箱运量增长的特点,通过软件SPSS,应用基于聚类分析的类型化方法将我国沿海主要集装箱港口分成三大类型,即普通增长型、加速增长型和波动增长型,并对各类型港口增长特点进行了分析.     

���ڻ�ɫ����ĸ��ٹ�·����·�η���ˮƽ����

高速公路基本段服务水平是分析高速公路通行能力的重要内容。本文首次将灰色聚类理论引入分析高速公路基本段服务水平，建立了基于灰色聚类的高速公路基本段服务水平的多目标决策分析模型.在构造白化矩阵和白化函数的基础上，计算出聚类权系数和聚类系数，并利用聚类系数确定出高速公路基本段服务水平的综合分析情况。最后通过算例进行了计算分析，验证了该模型的有效性、客观性和适用性，并归纳了模型的特点及适用范围，对分析高速公路基本段服务水平具有一定的借鉴意义。     

基于密度半径自适应选择的K-均值聚类算法

K-均值算法聚类速度快,易于实现,且对数据依赖度低,在文本聚类中得到广泛应用.然而,由于聚类初始中心点选择的随机性,传统K-均值算法以及其变种的聚类结果会产生较大的波动.文章对K-均值算法进行了改进,通过自适应选择最佳密度半径进而优化聚类初始中心选择的方法,得到一种适合文本数据聚类分析的改进算法.实验表明,该算法能够生成质量较高而且波动性较小的聚类结果.     

基于欠定盲源分离的柴油机曲轴轴承故障诊断方法研究

针对柴油机曲轴轴承振动信号盲源分离的欠定问题,提出了基于相空间重构和动态聚类奇异值分解的适定化方法。首先通过引入广义时间窗的概念确定最佳时间延迟和嵌入维数,重构信号相空间矩阵;然后对其进行奇异值分解,并对奇异值进行动态聚类以确定最佳重构阶数,进而重构得到虚拟观测信号,从而将欠定问题转变为适定或超定;最后利用自适应Parafac方法对原观测信号与虚拟观测信号构成虚拟传播路径进行盲源分离得到有效源信号。仿真结果表明,该方法可有效分离出混合信号中的源信号,并将其应用到柴油机曲轴轴承故障诊断中,诊断准确率提高了18.4%。