一类交通网络模型下路段行程时间的解析解

针对一类路段输入流量具有时变特性的路段行程时间进行讨论．所讨论的路段行程时间与路段流量具有指数函数关系．因无法直接求出这类方程关于路段行程时间的解析解，故对指数函数按级数进行展开，得出了路段行程时间以及输出流量随输入流量变化的关系．最后用数值试验对所得结论进行了仿真，结论令人满意．     

基于路段行程时间的公交到站预测方法

对公交到站时间预报技术进行了研究和探索。建立公交线网道路模型，根据GPS车载终端采集的公交车辆运行动态数据，推测路段交通状况及对应的路段行程时间，预测公交到站时间，并分析各种误差。实验数据表明，在2min误差内的预测时间准确率大于80%，基本可满足公交时间预报要求。     

基于连通可靠度的交通网络重要路段评价算法

如何提高交通网络的连通可靠度,是交通领域的一个重要问题,通过提高重要路段的连通度来提高交通网络的连通可靠度是一个重要的方法。引入复杂网络理论中接近度、关键度等概念,结合交通网络中的流量分布,利用图的对偶理论识别出交通网络的重要路段,提出评价交通网络中路段重要度的算法,通过实例验证所提方法的有效性和应用价值。     

基于卡尔曼滤波的路径行程时间预测方法

为提高常规卡尔曼滤波预测模型的自适应性，本文研究一种基于卡尔曼滤波的实时路径行程时间预测方法。首先通过主成分分析法考察行程时间与其影响因素时间序列之间的相关性，从而选择影响路径行程时间的主要因素，并建立相应的多元回归方程;其次，构造行程时间的卡尔曼滤波状态方程;最后，由一组卡尔曼滤波递推式计算得到行程时间的预测值。将本文算法应用于广州市某交通干道上的行程时间预测，并将本文算法和常规卡尔曼滤波方法进行比较。结论表明本文算法有效，用于路径行程时间预测具有较好的综合性能。     

角行程执行器输出力矩与全行程时间函数关系探讨

通过输出力矩、相同压力下的阀门线速度之间的关系，结合现有角行程电动执行机构广泛采用的较成熟的力矩一时间设定，提出一种较合理的设定准则。     

基于Copula函数的导弹多性能退化可靠性评估

针对导弹系统多性能退化中的各性能参数的关系问题,提出了一种评估导弹多性能退化可靠性的数学模型.根据多性能退化失效机理,建立了多性能退化可靠性模型,利用引入的Copula函数描述各性能之间的关系,建立了基于Copula函数的多性能退化可靠性评估模型,并通过实例仿真对导弹系统的可靠性进行了评估.结果表明:模型在保证准确可信的基础上,有效减小了计算量,为评估系统多性能退化可靠性模型研究提供了一种新方法,具有较好的推广性和实用性.     

基于Copula函数的列车减振器蜕化率估计

为了准确估计高速列车转向架关键部件的机械磨损程度,提出了一种基于Copula函数的抗蛇行减振器阻尼参数蜕化率估计方法。该方法以高速列车抗蛇行减振器阻尼系数在不同蜕化率下的振动信号为研究对象,经过小波包滤波后,通过泛化高斯分布对各信号的边缘分布进行拟合,并使用Gaussian Copula函数构建不同蜕化率下的信号与车辆正常时信号的联合概率密度函数。提取联合概率密度函数的均值作为特征,并对目标信号的蜕化率进行估计。对某型高速列车转向架抗蛇行减振器不同参数蜕化率的振动信号进行实验,并与真实值进行比较。实验结果表明,在200 km/h速度下,实验误差均在范围内,表明了该方法的有效性。     

行程时间预测方法研究

行程时间预测,有助于实施高级旅行者信息系统.自20世纪90年代起,已经有多种行程时间预测方法被研发出来.将行程时间预测方法分为模型驱动方法和数据驱动方法两大类.介绍了两种常见的模型驱动方法,即排队论模型和细胞传输模型.数据驱动方法被分类为参数方法和非参数方法:参数方法包括线性回归、自回归集成移动平均和卡尔曼滤波,非参数方法包括神经网络、支持向量回归、最近邻和集成学习方法.对现有行程时间预测方法从源数据、预测范围、准确率、优缺点和适用范围等方面进行了分析总结.针对现有方法的一些缺点,提出了可能的解决方案.给出了一种新颖的数据预处理框架和一个行程时间预测模型,最后指出了未来的研究方向.     

基于计算实验的城市道路行程时间预测与建模

城市道路行程时间预测对于提高交通管控效果具有重要意义. 本文综合应用平行系统、集散波、误差反馈修正、多模型自适应控制及模型库动态优 化策略等方法与技术对间断流行程时间预测问题进行了研究. 首先,介绍了平行系统理论的基本原理及计算实验的基本方法; 然后,给出了基于平行系统理论的路段行程时间的预测模型, 设计了基于集散波的行程时间计算实验方法, 提出了多模型自适应行程时间预测并给出了模型动态优化策略. 最后,通过实验证明了本方法的有效性. 结果表明, 本文方法预测精度较高, 且能够对行程时间预测值进行持续优化, 可为后续的间断流行程时间预测研究提供借鉴.     

基于多元Copula函数的冗余系统可靠性模型研究

在传统k/n表决冗余系统的基础上考虑了系统中部件单元的权重输出形成权重表决系统,该系统中的部件单元寿命变量间具有相依性。运用统计学领域中的多元Copula函数理论刻画各部件单元之间的相关性,基于容斥原理推导出多种部件类型的权重表决系统可靠性模型。结合具体算例,选定典型的Copula函数以及部件独立状态计算系统可靠度,并分析了部件间相关程度对系统可靠度的实际影响,为考虑部件间相依关系的冗余系统可靠度计算提供了参考。     

嵌入式系统硬件可靠性Copula方法建模与分析

嵌入式系统硬件的可靠性是十分重要的,它直接关系到嵌入式系统的质量和寿命。为了对嵌入式系统的硬件可靠性进行分析,利用Copula方法从硬件角度和层面对其进行研究。首先从嵌入式系统硬件的组成层面对其进行抽象定义;然后从组成嵌入式系统硬件的每个功能模块出发,对每个功能模块从软硬件综合角度进行可靠性建模,同时利用Copula函数建立了嵌入式系统硬件的可靠性模型;最后对嵌入式系统硬件可靠性模型的参数进行估计,给出具体的嵌入式系统硬件可靠性计算实例,并将所建立的模型与其他类型的Copula函数进行比较。通过实例化分析和验证结果表明,得到的嵌入式系统硬件Copula函数模型是切实可行的。     

城市道路交通系统可靠性研究综述

总结了目前城市道路交通系统可靠性研究方法的主要特点,介绍了连通可靠性、容量可靠性、行程时间可靠性与出行行为可靠性等几种主要可靠性指标的定义和研究方法,并对各种指标和研究方法进行了比较分析。综述了城市道路交通系统可靠性研究的发展及该领域的一些主要研究成果,讨论了该领域现有研究的局限性,最后结合现有的系统可靠性研究理论,提出了几点进一步深入研究的思路。     

基于Copula构件相依的软件体系结构可靠性模型

应用Copula函数,研究了构件相依的软件体系结构可靠性问题,给出了FGM Copula函数下软件系统常规结构的可靠度、平均寿命、失效率的表达式,讨论了构件正象限相关下软件系统的平均寿命与构件独立时系统的平均寿命的关系。通过算例分析了一般软件体系的计算问题以及构件个数与构件相依关系对系统平均寿命的影响。     

基于Copula熵的互信息估计方法

互信息是一种常用的衡量变量相关性的方法,但在互信息估计过程中,联合概率密度的估计往往十分困难.为了避免联合概率密度的估计,同时有效提高互信息估计的准确度与效率,本文提出一种基于Copula熵的互信息估计方法.利用Copula熵与互信息之间的关系,将互信息的估计转化为对Copula熵值的估计.采用基于Kendall秩相关系数的参数估计方法对Copula函数的参数进行估计.所提算法分别与直方图法、核方法、κ近邻法和极大似然法进行比较.二维高斯数据上的仿真结果表明,所提方法能够快速准确地对互信息值进行估计.     

装车站运输作业过程的时间可靠性分析

装车站运输作业的时间可靠性程度直接关系到货达时间可靠性。在"实货"运输的背景下,对装车站运输作业的时间可靠性的研究至关重要。详细分析了装车站运输作业具体过程,建立了装车站的运输作业仿真系统,提出了装车站运输作业时间可靠度的计算方法与模型,界定了其影响因素。最后,基于以上研究成果,给出提高时间可靠性的几点建议。     

面向动态交通分配的路段费用函数建模研究

在交通分配的研究中,车辆在路段上的行驶费用是决定网络交通流分布的关键因素之一。论文面对动态交通分配建模需要,在网络饱和条件下,对车辆在路段上的行驶时间进行了分析和建模。详细讨论了饱和交通网络中考虑容量约束下的车辆连续行驶时间和路口延误时间,在排队延迟模型中考虑了车辆的实际长度及由此而带来的影响,建立了离散的函数模型。最后给出计算实例,对比了点排队和实际排队的不同。     

考虑链路生存时间的Ad Hoc网络QoS路由优化算法

在分析Ad Hoc网络中QoS路由问题的基础上，提出了一种新的基于遗传算法的Ad Hoc网络QoS路由优化方法，算法中在考虑了其他必须的参数的基础上，进一步考虑了Ad Hoc网络特有的QoS参数——链路生存时间。并通过计算实例证明了该遗传算法在Ad Hoc网络中具有很好的应用前景。     

云计算环境下基于时间和可靠性的调度策略

云计算中,调度策略对于用户任务的运行和服务提供方均有很大的影响,直接影响到云平台的运行效果。针对传统任务调度算法难以适用于云计算环境这一问题进行了研究,采用由星型结构演化而成的多代理模型,首先给出多代理模型的体系结构,然后针对多代理系统,提出了基于服务时间和可靠性为优化目标的任务调度策略,并采用模拟退火算法进行求解。最后进行了仿真实验,实验结果表明我们的调度策略是高效的。     

Predicting the probability of ice storm damages to electricity transmission facilities based on ELM and Copula function

In this paper, a novel method based on extreme learning machine (ELM) and Copula function is proposed to predict the damages to electricity transmission facilities during ice storms. The ELM is firstly trained based on the historical data of wind speed, freezing precipitation, temperature, as well as the distribution parameters of wind and ice loads. The ELM can then be employed to predict the distributions of the real-time wind and ice loads on electricity transmission facilities. Furthermore, the correlation between wind load and ice load is modeled with Copula functions. On the basis of ELM and Copula function, the joint probability distribution of wind and ice loads can be finally formulated and applied to predict the potential damages to electricity transmission facilities such as transmission lines and towers. The proposed method is tested with a real dataset to demonstrate its effectiveness.