城市轨道交通非高峰期开行方案建模与求解

为降低城市轨道交通运营成本,提高非高峰期系统效率,针对城市轨道非高峰期客流结构特点,对非基本出行特征进行分析,借鉴物理心理学理论提出了初步的非基本出行候车心理时间模型;借助随机过程,对于城市轨道交通乘客出行关键参数进行分析,依托轨道交通供给特点,考虑保本运营限制,建立了以企业利益和出行者效益最大化的城市轨道交通非高峰期的多目标辅助决策模型;结合辅助决策要求,使可变权重的求解算法对决策结果有较为直观的表达,并结合算例证明了模型的有效性。     

基于BP神经网络与SVM的快速路行程时间组合预测研究

随着视频车牌采集系统的发展与完善,快速路行程时间的动态预测成为了可能。本文根据快速路车牌识别数据的特征和所能提取的信息,结合BP神经网络和支持向量机的预测优点,通过蜂群优化算法对BP神经网络和支持向量机模型的参数进行优化,提出了一种基于多模型融合预测算法（Multi-Model Fusion Algorithm,MMFA）的BP神经网络和支持向量机相结合的组合预测方法。最后选取成都市三环路某段上的视频车牌数据进行实例验证,结果表明该组合预测方法比单一的BP神经网络或者支持向量机具有更好的预测效果。