交通流时间序列的多重分形分析

为研究交通流时间序列的分形特征,计算实测交通流量序列的多重分形谱,结果表明交通流序列的分形谱线为端点左高右低,且顶点左偏的曲线,说明序列的分形结构是不规则的,交通流量处于最大值的次数大于处于最小值的次数。比较不同统计间隔的交通流序列的多重分形谱,结果表明随着标度增大,分形谱宽度增加,但离差始终大于零,说明较大统计间隔的交通流序列的奇异性较强。     

快速路交通流时间序列的多重分形分析

采用多重分形消除趋势波动分析法研究城市快速路交通流的多重分形特征。首先,计算和比较了实测的流量和速度序列的广义hurst指数,结果表明：流量序列和速度序列均呈现多重分形,且流量序列的波动程度强于速度序列。然后,对两种序列的重排序列的计算结果显示,重排序列的广义hurst指数远小于原序列且不为0.5,说明交通流的多重分形特征主要由序列的长程相关性决定,同时与概率分布有关。     

基于MF-DFA的交通流量多重分形研究

针对交通流时间序列的波动性变化特征,采用多重分形消除趋势波动分析法（Multi-Fractal Detrended Fluctuation Analysis,MF-DFA）,对上海内环高架吴中路上匝道和下匝道的交通流量时间序列进行研究。结果表明,上匝道和下匝道的交通流量都具有长程相关性和多重分形特性。通过对比上匝道和下匝道的多重分形特性,发现下匝道交通流量的多重分形特征明显强于上匝道,表明下匝道的交通流量具有更显著的波动特性。这些研究成果为城市交通流时间序列的非线性研究提供了重要的理论依据。     

基于跳转模型的路网交通流预测

针对城市道路交通流复杂的非线性特征,采用基于跳转的ARIMA模型研究交通流的变化规律,以获得城市道路短期交通流的精确预测.引入路口转弯比例矩阵来描述路网的交通流状态.考虑在路网畅通和路网拥堵情况下路口转弯比例矩阵的不同特征,对两种情况分别进行研究.结合路段交通流预测模型,对路网交通流进行预测.仿真算例表明,所提出的预测模型能较好地用于路网交通流预测.     

R2空间上分布数据的多重分形维数谱计算和分形特征提取

近年来多重分形的概念在物理、化学等领域得到了发展和应用 ,在这些领域中 ,这种方法显示出了对于研究物理和化学量的空间分布是很有用的 .多重分形谱的计算是其中重要而又较难处理的问题 .从多重分形的理论出发 ,讨论了在数据处理的实际工作中有广泛应用的二维空间中多重分形谱的计算及分形特征提取的算法 ,介绍了算法的数学原理 ,描述了完整的算法流程 ,并给出了此算法的一个计算实例     

面向路网交通流态势预测的图神经网络模型

融合了路网结构的交通流态势预测是一个高度非线性化且复杂的时空动态相关性的时序数据预测问题.然而,传统交通流态势预测方法无法建模交通网络中长时间序列数据间的时空相关性.针对交通路网交通流态势预测问题,提出了一种基于图结构的交通流预测深度学习模型.首先,基于图小波变换定义图小波卷积算子,设计了面向路网交通流态势预测的图小波卷积神经网络模块;其次,结合时空注意机制构建了用于道路网络交通流态势预测的时空动态相关性模型,以捕获交通网络的动态时空相关性;最后,采用叠加多层图小波神经网络模块的策略,构建了一种面向路网交通流态势预测的图小波卷积神经网络模型.实验结果表明,该网络模型在数据集上的性能优于现有的基线模型.通过图小波变换矩阵与傅里叶变换矩阵非零元素统计对比实验,发现基于图小波变换定义的卷积运算更具稀疏性.因此,基于图小波变换定义的卷积运算更有助于提升交通流态势预测模型的计算效率.     

基于粗糙集和分形理论的交通流优化控制设计模型

为解决交通预测的全局优化控制问题,在运用粗糙集理论对路网节点所测得的历史交通流量进行量化分析的基础上,建立了规则简化的数据清洗模型;基于分形理论的相似性原理建立了交通流量的预测模型,并给出了交通流优化控制系统的运行机制和相应的网络拓扑结构。用某交通观测站的实测数据对模型进行仿真,仿真结果表明,文中所设计的模型和算法是有效的。     

基于Z-ordering的多重分形维数及多重分形谱算法

分形维数的高效求解是分形理论应用与实践的关键问题,传统分形维数计算方法由于时空复杂性高已成为当前分形技术应用的一个主要瓶颈。借鉴Z-ordering索引技术的思想,设计并实现了一种改进的多重分形维数计算方法ZBMFD（Z-ordering Based Multifractal dimension Algorithm）,该方法扫描数据集一遍建立底层网格结构,通过动态修改网格坐标编码递推实现低层网格到高层网格之间的动态映射并计算数据集的分形维数。在实际数据集的实验表明算法在保持O（N×logN）时间复杂性的基础上,降低了分形维数算法的空间复杂性,且计算结果精度与已有算法相当,拓广了分形技术在当前高维、海量数据处理等领域的应用。     

海杂波的多重分形特性分析

通过对实测海杂波数据进行多重分形测度分析,判定海杂波信号具有多重分形特性。本文进一步提取表征海杂波复杂特性的多重分形参数,研究了不同条件下海杂波多重分形特性的变化特点,探讨了基于多重分形特性的雷达目标检测方法的可行性,并给出了实验结果。本文的研究为基于多重分形特性的海杂波建模与仿真、雷达目标检测提供了依据。     

网络业务多重分形特性研究

聚集网络业务的多重分形特性既能考查多尺度下业务的突发性,又能描述突发性相对于时间的变化,是网络业务最显著的统计特性之一.使用网络流量的联合多重分形(JMF)模型 [7]对实际数据进行分析及参数估计,检测网络业务多重分形结构,并产生理论多重分形流量.将JMF模型理论流量、基于自相似特性的分形布朗运动(FBM)模型的理论流量和实际测量流量作为OPNET仿真驱动,进行网络性能仿真.仿真结果显示由JMF模型产生的理论流量与实际测量流量的性能更为接近,进一步验证了网络业务的多重分形特性.     

交通流动态扰动下的区域交通信号协调控制

针对区域交通信号,考虑智能交通系统中交通流的动态特性,提出了区域交通系统改进的存储-转发模型.考虑大型区域的复杂性和协调性,将区域交通划分成N个子区域,分别建立了对应的子区域模型.针对子区域模型,提出了基于分层模型预测控制的过饱和区域交通信号控制优化目标.通过引入拉格朗日对偶原理解决约束条件问题的方法,对子区域的车辆排队数量进行了预测,并对有效绿灯时间进行优化控制.为了验证所提区域交通控制算法的有效性,给出了本文改进的模型与存储-转发模型的对比仿真.实验结果表明,在达到相同的控制效果时,本文改进模型的控制算法所需的计算时间较短,计算成本较低.     

亚健康中医诊断系统

亚健康是介于病态和健康状态之间的一种中间状态,其影响因素极其复杂。系统通过应用可拓学的基元分析方法和运用人工智能的逆向演绎系统方法进行诊断推理运算,实现了对亚健康状态的智能化诊断。     

森林资源亚健康状态的卫星遥感预警技术研究

森林病虫害等扰动类型造成的亚健康林木监测预警工作不能及时到位,导致防治工作长期处于灾后救灾的被动局面.基于2019年5～9月份的多时相GF-1 WFV数据,应用比值植被指数和红绿植被指数,准实时地监测逆生长、叶冠胁迫或失色等"灾害"信息.结果 表明:虽然树木叶片枯黄、萎蔫等叶绿素降解并逐渐转化成叶黄素和叶红素需要一定的...     

基于流量特征和载荷特征的P2P流量识别

本文分析了目前的P2P网络流量识别方法及其存在的问题。设计识别P2P流量的数据结构;在流量识别阶段,在传输层捕获TCP和UDP数据包,依据P2P流在传输层表现出来的主要流量特征,进行TCP/UDP流量特征的P2P流量识别;在载荷特征识别阶段,对载荷特征库定期更新,将在流量识别阶段中识别出的P2P流作精确载荷特征识别,并将流量识别阶段中漏掉的流量作载荷特征识别;在模式匹配过程采用比较指印函数值来加快识别速度;进而提出一个可准确识别出新生、加密的P2P流量及其名称的算法。实验结果表明,该算法具有较高识别和分类P2P流量的能力。     

基于时延特性的短时动态交通流预测模型研究

针对传统预测模型存在的预测误差较大等问题,基于时延特性设计了新的短时动态交通流预测模型.采用延迟坐标状态相空间重构法重构交通流时间序列,并结合C-C算法,利用序列的关联积分组成描述非线性时间序列相关性的统计量,确定嵌入维数与时延.根据重构后的时延特性,利用相似性度量方法初步预测的目标断面流量,并建立递归神经网络模型.在...     

融合多视图注意力机制的城市交通流量补全

交通流量信息是智能交通系统和城市计算的重要基础.交通流量数据作为新型时序数据,由于数据的采集方式和外部复杂因素的影响,使得数据缺失现象是常见且无法避免的.如何有效地挖掘交通流量数据的时空特性和数据间的关联成为了提高缺失数据补全精度的关键.传统的统计学方法不能满足日益增长的数据需求,深度学习的应用推动了缺失数据的补全方法...     

基于交通流量的病毒动力学研究

不同于经典扩散模型中节点传染力等同于节点度k的假定,基于交通流量的病毒扩散模型中,各个节点的传 染力可以等同于节点实际介数久。利用平均场近似方法,提出了基于交通流量的SIS病毒修正扩散模型。根据此SIS 模型,以最小搜索信息路由为例,重新研究在节点处理能力有限或无限情况下,病毒传播率R、平均发包率几与传播阂 值R、平稳状态病毒密度P之间的关系。     

Probabilistic Description of Traffic Flow

The study of traffic flow is investigated by different means. Well established theories are (i) kinematic models based on partial differential equations to describe traveling density waves, and (ii) deterministic models using nonlinear car‐following equations to determine trajectories of moving cars, as well as (iii) large-scale simulation hopping models like cellular automata. An important intermediate approach is (iv) the stochastic or probabilistic attempt to understand phenomena like “Stau aus dem Nichts” (phantom jam) on long crowded roads. Initiated by the old argument that road traffic is a stochastic process, we develop a new probabilistic theory based on Markov processes to improve our understanding of traffic flow and its three phases (free flow, synchronized motion, wide moving jams) discovered by Kerner. As an introductory example, first we consider a dissolution of a car queue described by the stochastic master equation as a one-step decay process. Furtheron more realistic models are developed to investigate the nucleation, growth and condensation as well as dissolution of car clusters on a circular one-lane freeway. In analogy to usual aggregation phenomena such as the formation of liquid droplets in supersaturated vapour the clustering behavior in traffic flow is described by the master equation. At overcritical densities the transition from the initial free particle situation (free flow of vehicles) to the final congested state, where one or several big aggregates of cars have been formed, is shown. In dependence on the concentration of cars on the road the stationary solution of the master equation is derived analytically. The obtained fundamental diagram as flow-density-relation indicates clearly the different regimes of traffic flow (free jet of cars, coexisting phase of jams and isolated cars, highly viscous heavy traffic). In the (thermodynamic) limit of infinite number of vehicles on an infinite long road the analytical solution for the fundamental diagram is in agreement with experimental traffic flow data. As a particular example we take into account measurements from German highways presented by Kerner and Rehborn.     

流级别的高速网络流量动态划分算法

针对高速网络流量并行处理的需求,提出一种流级别的高效动态流量划分算法DTP-PM.讨论了DTP-PM算法设计的基本思想,并分析了其中的关键问题-会话表设计.为提升算法性能,通过定义会话标识符设计了会话表的哈希函数PRH,同时应用MTF启发法改进会话表的哈希冲突解决方法.在引入负载度量化网络流量分析负载轻重程度的基础上,给出流量划分算法DTP-PM的实现流程.借助高速网络流量样本对该算法性能进行了实验评估.实验结果表明,DTP-PM算法在均衡性和高效性方面明显优于经典的流量划分算法.