交通平衡分配模型算法研究

城市交通网络平衡理论研究起源于２０世纪５０年代初,其理论成果运用到实际交通平衡分配问题一直未能得到很好的解决,其原因是平衡模型的维数高、约束条件多、求解困难且算法运算时间长。寻求其解法的途径一直是人们研究的热点,本文试图与非平衡分配模型解法运用到平衡分配中去,寻求平衡问题的解法,此法在交通规划实践得到应用手评测,效果良好。     

考虑交叉口信号延误的平衡交通分配模型

针对具有一般信号相位结构的道路交通网络,通过对交叉口处道路交通流按相位分解,将车辆的信号延误耦合到交通分配问题中,相继建立了带有交叉口延误的确定性用户平衡分配和随机用户平衡分配问题的数学规划模型.通过对两个模型的一阶最优性条件的分析,证明了它们的最优解分别满足广义交通平衡分配问题(即同时考虑交叉口信号延误和路段拥挤延误)的Wardrop用户平衡条件和Logit分配准则.     

交通仿真在动态交通分配应用研究中的尝试

基于微观交通仿真模型CORSIM中交通仿真与交通分配相结合的特点，在仿真模型中将路网的OD流量通过按动态规律沿时间轴加以扩展，使之成为一个时变OD矩阵，再分析研究路段自由流车速与高峰时段路网流量的动态关系，从而进行动态交通分配的建模研究尝试．     

非平衡交通分配的离散网络平衡设计模型与算法

交通网络设计问题是指对一个已经存在的交通网络,用定量的方法确定添加哪些新路段、对哪些已有路段进行改造以提高其通行能力的问题,并分为连续网络设计问题和离散网络设计问题.针对该问题提出了一种新的离散网络平衡设计二层规划模型,模型不仅考虑了新增路段及已有路段的扩容,而且允许不同等级的扩容选择.模型求解中,上层问题采用粒子群算法,下层问题采用路径生成式logit非平衡交通分配算法.数值结果显示,本文提出的算法可以快速有效地求解这类新的网络平衡设计二层规划模型.     

可行合理路径及其在交通分配中的应用

提出弹性系数的概念，并以此来定义可行合理路径，根据定义，分析了可行合理路径的确定方法，并用实例说明其在交通分配中的应用。     

交通出行分配模型系统在西安市道路网规划中的应用

以西安市道路网现状为基础,应用交通多线路随机出行分配模型分析了其优劣,并就如何改进道路网规划提出了若干设想。     

交通分配中的动态路线选择研究

在对路线选择进行较为深入的理论研究和应用分析的基础上,考虑到路线优化问题的特殊性和基本特点,提出了改进的路网表示法,采用邻接表存储路网,将路网数据和拓扑结构在物理上相分离逻辑上相结合,以便数据管理和提高效率,最后给出动态路线选择模型流程图,并根据图遍历原理通过对一个小路网的进行测试与计算分析,进行了动态路线搜索,最终得出最优路线．     

交通分配模型的评价与检验方法

通过对交通分配模型分配结果的分析与评价得到不同的检验方法与分配模型分配效果的相关关系,以及定量评价分配模型的一种方法,以减少在使用中因分配模型系统误差而造成的偏差。     

城市交通中交通平衡模型的研究

本文讨论具有固定交通需求量的非对称性连续交通平衡模型，即解决在给定的城市道路网络中，已知网络中的各交通小区之间在某的交通需求量，探讨出行者遵循片样的原则选择片样的出行路线的问题。国外主要研究了道路网络中只有机动车一种交通方式的平衡模型。Dafermos对单一用户的交通平衡模型出了变差不等式的数学模型，并且给出求解模型的一种迭代算法。本文针对我国城市中动车和非机动车两种用户混合交通结构。基于Wardrop平衡原则，提出了交通平衡模型的数学模型，并给出了其解的存在和唯一性条件。本文还给出了求解平衡模型的投影法算法。简化了Dafermos的迭代方法，并最后给出了其线性收敛性。     

神经网络用于机械手的运动轨道生成

讨论了神结网络用于机械手运动轨道的生成．首先定义能量函数，由能量函数导出神经元运动方程式．用Ｒｕｎｇｅ－Ｋｕｔｔａ法进行模拟实验，生成机械手到达目标位置的运动轨道。     

神经网络在结构工程中的应用

简要地介绍了神经网络理论的发展史及其基本原理,探讨了用神经网络方法求解结构工程问题的可行性和基本方法,详细地论述了神经网络在结构工程中的应用,并对今后的发展趋势作了展望。     

混沌神经网络的研究现状及应用

本文简要地介绍了人工神经网络和混沌的基本特性,并着重讲述了混沌神经网络的研究现状及混沌神经网络的应用。     

神经网络在DEDS监控中的应用

分析了在主网控制优化的背景下,离散事件动态系统（ＤＥＤＳ）监控理论所遇到的困难,针对所存在的问题,提出了一个新的ＤＥＤＳ闭环约束说明方式,证明了其最优监控器的存在性并提出了相应的神经网络实现方案。通过神经网络与ＤＥＤＳ的结合,为解决ＤＥＤＳ监控中严重的计算复杂性问题开辟了新的有效途径。     

基于三值神经网络的组合电路测试生成算法

针对集成电路的规模和复杂度不断增加而相应的测试却越来越困难问题,提出了一种基于三值神经网络的组合电路测试生成算法．该算法不需要传播,也不需要回退,而是利用三值神经网络把组合电路表示成双向的神经网络,并构造网络的能量函数,用遗传算法求解能量函数的最小值点来求得测试矢量,这样就把组合电路的测试生成问题转化为数学问题．在一些基准电路上的实验结果表明,本算法具有较高的故障覆盖率和较短的测试时间．     

神经网络在结构损伤模拟中的应用

识别一个结构在震动状态下的变化，在结构监测中是十分重要的，神经网络就非常适用于这种目的。本文研究了使用可分析的学习样本来训练神经网络的可行性问题。神经网络从损伤状态中训练产生，然后用于诊断一个五层钢框架在一系列震动模拟中的状态。结果表明，使用神经网络可使在线结构诊断更加可行。     

决策模型的神经网络表示

利用因素空间的理论对多属性决策中加权综合模型、距离模型、综合评判模型、多层次综合模型4种基本模型进行分析,给出了相应的神经网络表示和算法,最后结合实例在计算机上给予实现.     

基函数神经网络和再生核函数关系

主要研究了基函数神经网络和再生核函数之间的关系, 证明了当基函数神经网络的激活函数φ (x) ∈C[-1, 1]ⁿ时, 基函数神经网络实质就是一个再生核函数, 并且给出了基函数神经网络的再生核数学表示形式.同时, 把这个结论推广到一般前馈神经网络结构上, 得到一般前馈神经网络实质上也有一个再生核函数表示的结果, 并给出了相应的数学表示形式.     

组合式前馈神经网络研究

本文首先讨论了组合式前馈神经网络原理和一般设计方法, 然后用两个仿真实验展示了组合式前馈神经网络在处理函数逼近和模式分类问题上的有效性。     

BP神经网络在城市需水量预测中的应用

将BP神经网络方法,引入到城市需水量预测中,表现需水量众多影响因子的非线性复杂因果规律,结果表明,神经网络方法应用到城市需水量预测中具有较强的预测能力和很高的可信度,技术上是可行的。