基于多交通模式改进的共享单车需求预测算法研究

现有的共享单车预测模型大多将共享单车视为封闭交通系统,忽略了不同交通系统之间的交互影响,因此设计了一种使用非负矩阵分解算法改进的图卷积神经网络。首先,利用非负矩阵分解算法将其他交通系统的需求数据分解为不同的出行模式;其次,确定不同出行模式的含义;最后,将分解后的需求信息作为辅助信息与共享单车需求数据一同输入图卷积神经网络中进行预测。实验结果表明：与不考虑其他交通方式影响的模型相比,使用非负矩阵分解算法改进的图卷积神经网络的平均绝对误差下降了10.84%,并且非负矩阵分解方法能较好地解释辅助交通系统是如何提升单车需求预测效果的。     

用马尔可夫残差修正灰色理论的煤炭需求预测

研究煤炭需求预测精确度问题.由于煤炭需求参数较多,参数的选择要求复杂的计算量,导致预测模型求解过程复杂,针对传统的灰色理论预测模型存在精度差的问题,影响煤炭需求因素的特殊性和不确定性,导致了煤炭需求预测的精确度较低,为了解决预测精度差问题,提出了一种改进的马尔可夫残差修正灰色理论预测模型方法,算法以影响煤炭消费总量的主要因素作为选定变量,构建煤炭需求的灰色预测模型,使用马尔可夫模型对预测的残差进行修正.仿真结果表明,提出的预测算法具有较好预测的精度,是一种有效的煤炭需求预测算法.     

基于交通一卡通大数据的停车应用系统研究

随着我国经济的快速增长和城市化进程的加快,交通出行需求的车辆越来越多。为解决城市停车难问题,提升交通车辆出行的效率,通过建设基于交通一卡通大数据的互联网停车系统,为车主提供行车附近实时的停车位情况,以实现车位的预订与支付等应用功能,从而有效节省车主盲目寻找车位所耗费的时间,实现车位资源与停车需求的匹配功能,还可以通过挖掘一卡通刷卡数据实现对停车位闲置信息的共享与信息发布,进一步提升城市道路及城市管理资源的利用效率。     

基于相异度矩阵的冲突证据合成算法

为解决经典证据理论在证据冲突程度高的环境下合成容易导致Zadeh悖论的问题,提出一种解决冲突证据合成问题的算法。通过计算证据间的欧几里德距离构造相异度矩阵,计算证据的相异支持度、可信度和修正率,对证据进行修正后利用合成算法进行合成。实验结果表明,该算法可以很好地解决Zadeh悖论,合成结果优于现有一些典型方法。     

基于模拟退火粒子群算法的AHP排序权值计算

层次分析法( AHP)中根据判断矩阵求解排序权重问题本质上为一个使一致性指标最小化的优化问题.针对现有解决方法中的不足,提出一种结合粒子群和模拟退火原理,并且根据AHP的特点引入特征粒子来求解判断矩阵排序权重的算法,同时,针对一致性不满足条件的矩阵或者残缺矩阵,在一致性指标中引入可信度参数,使算法能够动态修正不一致判断矩阵或者残缺矩阵,应用的范围更加广泛.文中对判断矩阵求解排序权重以及一致性检验、模拟退火粒子群算法解决AHP排序问题进行了介绍,并给出了实验数据以及分析.实例结果表明,算法可行且有效,计算结果精度高,稳定性好.     

基于小生境免疫算法的柔性可信度规则提取方法

研究了以免疫算法为工具对信息系统进行规则提取。在免疫算法中结合了小生境技术的共享机制，利用了共享机制中对资源的共享和竞争原理，体现了规则之间竞争与互补的关系。针对普通可信度度量方法的不足，提出了柔性可信度的概念，能够获得更好的规则。实验证明，本文采用的方法不仅在处理无冲突无噪声数据时可以得到好的结果，而且在处理噪声数据、决策类不等量划分的数据中也有很好的表现。     

泊松分布灰色理论在物流需求预测中的应用

研究物流需求预测准确度问题。物流需求预测中存在数据小以及非线性特点,使预测系统存在不确定性。为解决上述问题,提出了一种泊松分布的神经网络需求预测算法,采用泊松分布算法对物流的整体需求进行分类,然后采用灰色理论算法选择物流需求影响因子,对物流的需求进行实时预测,仿真结果表明,改进物流需求预测方法比传统的灰色理论预测模型以及BP神经网络具有更高的预测精确度,有效地提高了区域物流需求的预测准确度,具有一定的实际应用价值。     

基于数据场聚类的共享单车需求预测模型

共享单车系统日益普及,积累了海量的出行轨迹数据.在共享单车系统中,用户的借车和还车行为是随机的,且受天气、时间等动态因素影响,使得共享单车调度不平衡,影响单车用户体验,并给运营商造成巨大经济损失.提出了新型基于站点聚类的共享单车需求预测算法,通过构建单车转移网络计算站点活跃度,充分考虑站点地理位置和单车转移模式因素,基...     

基于出行需求的城市车辆共享模式演化分析

车辆共享从资源分配的角度提高了汽车资源利用率.为了激励车辆共享,有关出行需求和出行者体验的研究势在必行.通过DBSCAN算法测量了城市内的交通需求聚集度,验证了车辆共享的可行性.确定了影响用户效用的关键因素,提出了基于Logit模型的数学模型以描述出行者体验和汽车资源利用率,预测出行者选择.同时,利用真实数据和调查结果,使测量和模型更加准确、真实.通过仿真实验,观测并分析了交通模式的演化过程及结果,发现城市出行需求量和交通需求聚集度是影响交通模式演化的主要因素.出行需求量需达到一定数值,演化才能达到稳定状态.城市出行交通需求聚集度越高,车辆共享的参与者则越多,其所获效用也越高.当出行需求量大于290,且交通需求聚集度大于0.9时,所有出行者都将选择车辆共享.最后,基于神州专车的出行数据,实验并观测了北京市交通模式的演化,发现若要在不加入经济因素或政策干预的情况下实施车辆共享,其交通模式将无法达到稳定状态.     

基于投影矩阵的摄像机参数标定

摄像机标定的关键是第一步计算出来的外部参数和与畸变无关的内部参数的初值。由于初值的计算不是纯粹的线性问题，计算起来比较复杂。本文对此进行了改进，采用一种在计算投影矩阵的基础上，利用旋转矩阵的正交性进行算法改进的方法计算初值。实验结果表明，本文算法运算量较小，标定的结果精确度较高。     

自动代客泊车背景下的共享停车供需匹配模型及对应禁忌搜索算法

为了减少自动代客泊车车辆在停车场或指定停车区域内的车辆移位次数和距离,从而降低相关的成本和潜在事故风险,在满足共享停车需求的条件下构建了相应的车辆和泊位匹配优化模型.考虑到无人驾驶车辆停车中可自由移位的特征,将共享停车的需求和供给在时间上加以细分,与决策变量和可行解对应定义了匹配、匹配条和匹配图的概念;通过概念转换将求解匹配图的有效邻居转换为经典指派问题,并利用匈牙利算法加以求解;针对匹配模型的NP-hard特征,设计了对应的禁忌搜索算法.数值分析不仅验证了模型的合理性和求解算法的有效性,也证实模型与方法可处理有人驾驶的共享停车匹配问题.结果表明,利用自动代客泊车可以进一步提升共享泊位利用率,增加可停放的共享车辆数.     

虚拟停车电子围栏设计研究

随着共享单车企业市场竞争的日益激烈,共享单车越发普及,市民使用单车后乱停乱放现象亦日益严重,进而在众多城市中出现了共享单车引发的诸多管理问题。针对市民使用共享单车后乱停乱放的问题,本项目提出利用百度电子地图平台,通过百度地图API技术实现在电子地图上对位置区域的自由划分形成虚拟电子围栏,并结合GPS技术使每一台共享单车形成一个单独的地理位置坐标。当该自行车坐标进入划定的允许停放的虚拟电子围栏后代表该辆自行车允许在该区域内停放,当该地理坐标未进入停放区域则不允许该辆自行车上锁。从而实现了强制市民将自行车停放于规定的区域内,政府管理部门可通过该方法实现共享单车的规范管理,减轻城市管理工作量,美化城市环境等作用。     

基于需求预测的PaaS平台资源分配方法

针对缺乏PaaS平台下资源需求的有效预测与优化分配的问题，提出一种资源需求预测模型和分配方法。首先，根据PaaS平台中应用对资源需求的周期性来对资源序列进行切分，并在短期预测的基础上结合应用的多周期性特征，利用多元回归算法建立综合的预测模型。然后，基于MapReduce架构设计实现了一个Master-Slave模式的PaaS平台资源分配系统。最后，结合当前任务请求和资源需求预测结果进行资源分配。实验结果表明，采用该资源需求预测模型和分配方法后，相比于自回归模型和指数平滑算法，平均绝对百分比误差分别下降8.71个百分点和2.07个百分点，均方根误差分别下降2.01个百分点和0.46个百分点。所提预测模型的预测结果不仅误差小，与真实值的拟合程度也较高，而且利用较小的时间开销就可以获得较高的准确度。此外，使用该预测模型的PaaS平台的资源请求的平均等待时间有了明显的下降。     

基于双十字链表存储的共享资源矩阵方法特性研究

针对共享资源矩阵法在系统隐蔽通道检测过程中存在的算法时间复杂度高的问题,提出了一种基于双十字链表存储的改进算法。首先,针对共享资源矩阵方法中的核心操作——传递闭包操作,将传统的数组存储改进为双十字链表存储;其次,针对共享资源矩阵方法建立了概率模型;最后,在该概率模型下,分析了改进算法的时间复杂度和共享资源矩阵方法的特性。理论分析和实验仿真表明:当共享资源矩阵为稀疏矩阵时,采用基于双十字链表存储的改进算法能够使共享资源矩阵法的时间效率相比传统的数组存储提高67%;当共享资源矩阵的规模较大时,传递闭包操作会使得共享资源矩阵中的元素快速填充,从而导致基于双十字链表存储改进算法相比传统数组存储的时间效率优势下降,并在概率模型下通过理论推导验证了传递闭包操作的这一特性。     

一种基于路径规划的自动平行泊车算法

针对城市中停车位狭小、现有自动泊车方法缺乏连贯性的问题,提出一种自动平行泊车算法。对现有的五阶多项式路径规划方法加以改进,并有针对性地设计罚函数,采用遗传算法计算最佳泊车路径和最小泊车空间,实现自动平行泊车。仿真结果表明,该算法能快速有效地完成泊车,车辆损伤小,对空间的要求最低。     

基于自然梯度提升的空间物体轨道状态预测误差不确定性估计方法

针对空间监视环境中基于动力学模型的轨道状态预测方法精度不够,基于机器学习的误差补偿模型可靠性不足,以及SSA应用中对不确定性建模的需求,将轨道状态预测误差估计问题重新表述为概率预测问题,提出一种对物理模型的轨道状态预测误差进行建模的方法.该方法将轨道状态变量误差的概率分布参数作为梯度提升算法的学习目标,以量化轨道状态误差估计中的不确定性.由于参数所对应的概率分布函数位于黎曼空间,利用基于Fisher信息矩阵的自然梯度代替标准梯度,推导自然梯度的计算公式,并给出状态预测误差的条件概率分布.实验结果表明,与仅采用物理动力学方法的状态预测相比,采用所提出机器学习误差估计方法后,轨道状态各分量的均方根误差至少降低约60%.同时,与其他常用不确定性估计方法相比,所提出方法可以得到更好的负对数似然值,因此能够有效估计状态预测误差的不确定性,提高将机器学习方法用于空间态势感知任务时的可靠性.     

基于A*算法的停车场路径引导设计

为提高停车场停车效率和选择最佳停车位,根据停车场的车位布局及车位使用状况,设计了泊车路径规划模型。把空闲车位抽象为二维坐标系的坐标点,分别计算其距离用户位置的曼哈顿距离,选取曼哈顿距离最小值的停车位为最优车位。选用改进的A*算法为停车路径规划算法,为进一步优化算法遍历过程,使之更加适用于停车场车位分布较分散的情况,以停车位对应路段为遍历节点进行路径搜索,并完成路径规划,结果表明:该方法有效地去除了冗余节点,提高了算法遍历速度。     

遗传算法在混沌时间序列预测中的应用研究*

在混沌时间序列研究中,相空间重构和预测模型参数优化是影响预测性能的关键步骤,利用两者之间的相互联系来提高混沌时间序列预测模型的整体性能,提出一种基于遗传算法的混沌时间序列参数同步优化方法。同步优化方法将相空间重构和最小二乘支持向量机参数作为遗传算法的染色体,预测精度作为遗传算法的适应度函数值,通过遗传算法对参数同步优化问题进行求解。通过混沌时间数据对同步优化方法进行了验证性实验。实验结果表明,相对于单独参数优化方法,同步优化方法不仅提高了混沌时间序列的预测精度,同时降低了计算时间的复杂度。     

大型停车场空闲车位短时预测方法

为了提升智能交通系统性能及停车场利用率,针对大型停车场空闲车位短时预测进行了研究,提出了一种基于灰色理论、BP神经网络和马尔可夫链的组合预测方法以提高预测精度与时效性,该方法首先使用灰色理论处理数据,弱化其随机性,再进行人工神经网络训练,得到数量预测结果,最后使用马尔可夫链消除系统产生的随机误差得到最终结果。实验表明,这种组合预测方法有效提高了预测精度,预测结果符合实际停车场数据变化规律,为驾驶员提前作出合理的停车场选择提供了可靠依据,能有效提高停车场车位利用率。     

数据驱动的通勤团体配对共享停车方法研究

随着机动车保有量日益增加,停车难愈发成为城市的通病,但当上班地点停车场大排长龙时,周边居住区车位却大量处于空闲状态,车位资源得不到合理利用,而现有的共享停车方法由于其随机性实施难度较大。为减少其随机性,降低共享停车的实施难度以及减少车位资源的浪费,基于毗邻办公楼与居住区的通勤团体之间出行时间具有的天然互补性,提出数据驱动一对一的配对共享解决方案。通过分析车场车辆进出记录数据对问题进行求解,分析进出口数据,得到关于居住区车位的空闲时长特征与办公楼车辆的使用时长特征,进而根据时长最大化的匹配方法得到配对车位与车辆。针对选取的停车场进行实验,完全匹配的车位占比37.66%,所有匹配车位利用率平均提高15.24%,其中最大提高57.84%。结果表明配对共享方法具有较大可行性。