基于非参数回归的快速路行程速度短期预测算法

基于北京市快速路上的检测器所采集的历史数据，经过数据筛选，剔除判别，小波滤噪平稳处理，聚类分析等过程，建立了交通状态演变系列的历史样本数据库。基于所构建的历史数据库，通过数值试验，确定了状态向量、距离匹配原则，K近邻值等参量，构建了一种基于K近邻的非参数回归短时交通预测模型，实现了对路段行程速度的短时预测。最后，利用随机选取的历史数据系列对预测模型的精度进行了检验。结果表明，预测算法的精度可以达到90％以上，可以很好地满足ITS应用系统对于交通预测数据的精度要求。     

交通流特征深度认知的车队运行参数优化方法

为提升车队对周围交通流环境的认知能力，获取车队周围多车的运行模式，同时通过改变车队运行参数实现车队群体对周围多车群体运行模式的诱导变化，为提升车队及交通流整体运行效率提供优化策略，提出了基于狄利克雷混和高斯过程的车队周围多车运行模式获取算法，将车队周围多车车辆的复杂运行模式视为混和高斯过程，利用狄利克雷分布作为高斯混和权重的先验分布，建立车队周围多车运行模式速度场，从而获取车队周围多车运行模式并分类；通过比较不同多车运行模式下车队的运行效率，提升车队对所处运行环境的认知能力。研究结果表明：利用非参数贝叶斯算法将复杂的多车运行状态进行分类，获取的车队周围多车运行模式可表现为对车队运行效率产生不同影响的速度场；通过将车队周围的多车运行仿真数据分成多个运行模式，可获取不同多车运行模式下车队及交通流整体运行特性；通过更改车队运行参数，观察不同多车运行模式的占比变化，可获取车队运行参数对所处运行环境改变的影响趋势；车队周围多车运行模式的获取，不仅可以提升车队对周围运行环境的认知能力，使得车队能够选取有利路径行驶，同时能够为车队运行策略的优化提供有效的信息。     

二样本问题的假设检验法及其应用

介绍了二样本问题的一种新假设检验方法（SR检验）,SR检验用来探讨如何利用由两连续且相互独立的样本总体中随机抽取的两组独立样本来做假设检验.原理是将二样本差的符号值乘上二样本差加上绝对值后排列的序值（即秩）,取其和为检验统计量,这样就考虑了二样本差的权重以便充分利用收集到的样本所提供的信息比较二样本中位置的关系,并且比较由不同分布的样本总体抽出的样本做出的统计量,用Matlab做模拟比较,提供使用者在非参数统计方法中的另一个选择。     

改进的K近邻非参数回归在短时交通流量预测中的应用

针对现有K近邻非参数回归方法的局限,为了进一步提高算法的精度和速度,做出了两方面的改进:利用相关性理论选择状态向量和采用基于聚类分析的变K近邻搜索算法.用仿真实验验证了该方法的有效性,给出了仿真试验结果.实例研究结果表明,预测效果优于传统的非参数回归方法.     

Freeway path travel time prediction based on heterogeneous traffic data through nonparametric model

Providing reliable travel time prediction is very much needed for commuters for their upcoming trips to reduce travel time and relieve traffic congestion. This article proposes an integrated model for path and multi-step-ahead travel time prediction on freeways using both historical and real-time heterogeneous traffic and weather data. The model's performance is investigated in a case study under various traffic scenarios. Results indicate that the proposed model provides satisfactory prediction results in various performance tests. For practical purposes, general guidelines for selecting the model's parameter sets as well as the efficient size of historical data are also presented.     

基于信息融合技术的多阶段可靠性评估方法研究

通过对信息融合技术的分析和实践,论证了其在可靠性评估过程中的巨大潜力.通过引入变化因子,以及对Bayes方法在多阶段可靠性数据融合过程中所存在的缺陷做出分析,对不足进行了改进,使运用Bayes方法进行复杂系统可靠性评估的可信度提高.最后通过实例证明了该方法的可行性和有效性.     

双边定数截尾情形下一个两参数有浴盆形状失效率的寿命分布参数的Bayes估计

在双边定数截尾情形下,给出了一个2参数有浴盆形状失效率的寿命分布参数的极大似然估计和在平方损失下基于无信息先验下和共轭先验信息下的Bayes估计,通过大量的Monte-Carlo数值模拟试验,对这2种情况下的估计的结果与极大似然估计作了比较.当样本n较大时,r愈大,s愈小,即丢失数据的数目愈小,Γ先验的Bayes估计与极大似然估计差不多,更接近于真值,都比无先验的Bayes估计要好.     

短时交通流预测模型

针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。     

基于位置信息的宽带雷达目标距离段联合检测算法

宽带雷达目标回波表现为距离扩展目标的形式,距离扩展目标检测技术是目前雷达信号处理领域的一个热门和难点问题。文章通过对宽带雷达目标回波的分析,总结了回波的主要特性,详细介绍了采用基于距离窗信息的双门限检测器对宽带雷达信号进行检测的方法,提出了基于高分辨雷达目标一维距离像位置一径向距离相关信息的非参数检测方法。仿真结果表明,该方法不但计算复杂度低,而且还具有检测沿径向距离“走廊”上多个扩展目标的能力。     

两两NQD序列下非参数回归函数估计的相合性

在两两NQD序列误差下讨论Priestly,M.B.和Chao,M.T.[1]提出的一类给参数回归函数加权核估计的相合性.