基于数据融合的地铁客流量预测方法

为了更加准确地预测城市地铁交通中动态变化的客流量 ,通过分析城市地铁交通客流量的特点 ,提出了一种基于神经网络数据融合的预测方法。这种方法根据预测数据各属性的特点 ,将采集的数据提取出多个相关序列。在此基础上对各序列采取不同的处理、预测方法 ,再利用神经网络进行融合。这种方法可用于数据动态预测的各种领域。实验表明 ,采用这种方法可以有效地改善数据预测的误差。     

基于满意度门限检测的多雷达航迹对提取研究

针对多部雷达航迹对提取问题,首先提出了门限法,通过设定多个参数的门限,依据相关准则判断下一时刻的点是否选人该门限内,剔除野点后对单部雷达的观测数据建立航迹。进一步提出航迹在某时间段相交的判别准则,找出了各雷达站观测到的有相交时间段的航迹;对应多个有相交段的航迹,采用了线性插值的方法进行时间配准,让不同雷达表示同一目标位置的时刻集合扩大为一致;在此基础上,按照航迹相关准则抽取了表示同一目标的航迹对。仿真结果验证了算法的有效性。