基于跟驰模型的智能网联汽车混合交通流分析

针对人类驾驶车辆和智能网联车辆(CAV)混合的交通流,基于智能网联汽车跟驰特性,提出了一种灵敏度、平滑因子均可调的数学模型,用一个引理和一个定理来支持交通流稳定性标准,进行了一系列仿真模拟来分析车流量的稳定性。结果表明：在一定密度范围内,智能网联汽车交通流的稳定性强于混合交通流,且随着参数的增加,存在一个临界值。不同的灵敏度和平滑因子会影响交通流的稳定性,在一定边界条件下,随着灵敏度和平滑因子的增大,智能网联车流和混合交通流的稳定性均得到了增强。     

一个切换混沌系统的分析与电路实现

采用改变系统乘积项的方法,在已提出的混沌系统的基础上,构建了一个切换混沌系统。分析了平衡点的性质,混沌吸引子相图和Lyapunov指数等特性,设计了可实现切换混沌系统的电路并进行了电路实验,实现结果与仿真结果一致：     

混沌同步的方法及其若干问题

本文首先详细了讨论了现有的几种主要混沌同步的方法，原理及其特点，并作了简要的评述。然后，针对现有的一些方法的不足，指出了需要进一步研究和解决的若干问题。     

基于动力学系统方程的混沌特性判别方法研究

当非线性系统的参数发生变化时,可能就会出现混沌.文中首先提出了目前对混沌现象的判别问题,分析了各方法的优缺点.然后提出了一种新的计算李雅普诺夫（Lyapunov）指数的方法来确定动力学系统方程出现的混沌等模式,给出了判别条件.同时讨论了如何通过计算机来实现李雅普诺夫指数的计算并给出了程序框图.研究表明,该方法在理论上可靠,实施容易,克服了已有各种方法的不足,便于做计算机的自动推导辨识,具有重要的实际应用意义和可行性.     

单向耦合半导体激光器之间的混沌同步研究

研究了单向耦合半导体激光器之间的混沌同步。通过计算两个单向耦合的半导体激光器模型的Lyapunov指数,确定了耦合强度的取值范围。进一步设计了耦合控制器,使响应系统的状态变量精确同步于驱动系统。仿真模拟结果表明,该方法可快速有效地实现半导体激光器的混沌同步。     

保密通信的一个新方向：混沌保密通信

本文系统地讨论了混沌保密通信的各种可能途径，方法及其特点，在此基础上，指出了需要进一步研究和解决的若干问题。     

混沌理论与雷达技术发展

混沌动力学作为研究非线性系统的一种新方法已引起雷达界的重视,混沌信号是一种类随机性信号,具有极强的抗干扰性和极低的截获概率。研究了混沌在雷达中的应用,分析了混沌理论在雷达波形设计、信号检测与估计、目标识别、及杂波分析与建模等领域内的发展情况,指出在雷达应用技术中引入混沌理论是雷达技术发展的必然趋势,并预测了混沌理论与雷达技术研究发展的前景。     

一种混沌网络简单电路实现

本文利用简单的非线性电子元件设计成混沌电路，该电路具有设计简单，易于集成等特点。利用多控制参数使得该混沌电路具有丰富的混沌动力学行为，本文利用Lyapunov指数，从理论上分析控制参数对电路输出的影响。根据理论分析结果，调节电路的参数，可以成功地看到不动点、倍周期、混沌现象。这一简单电路可望在混沌神经网络，混沌通讯领域获得应用。     

连续时间混沌系统的参数自适应同步

针对参数不一致系统以及同步无法实现的系统，基于误差渐进稳定收敛到零的原理，提出参数自适应加反馈同步法。数值模拟表明，通过选择合适的反馈系数，能够成功地实现混沌同步，并进一步将结果推广到超混沌系统。     

一种基于神经网络的混沌序列产生方法

应用具有全局最优的ＢＰ改进算法,建立了产生混沌序列的神经网络模型（ＣＧＮＮ）。该模型产生序列随机性良好,序列更换调整容易。对ＣＧＮＮ系统的抗破译性能进行了分析,结果表明,该模型产生的混沌序列确可以作为最优加密密匙及扩频码。     

基于时间序列分析的网络流量预测模型研究

通过对网络流量数据作为时间序列进行小波变换建模,应用于未来时间的网络流量数据预测.首先对流量数据序列进行多尺度分解,对分解到不同尺度上的数据分别利用不同的时间序列模型进行分析,然后进行预测数据的折衷处理,得到网络流量多尺度预测模型.仿真结果表明与单一应用RBF神经网络的时间序列预测模型相比,该模型预测效果良好,具有较高的预测精度和很好的模型适应性.     

PIND试验的特殊属性和适用范围研究

研究了PIND试验的特殊属性——试验结果的不确定性,PIND试验的目的是检测极小颗粒的多余物,设备必须具备很高的灵敏度,因而也就极易受到外界的干扰产生误判,由此分析认为该试验适用于筛选,并具有不可替代的作用,但不适用于质量一致性检验。     

基于组合模型的短时交通流量预测算法

交通流量预测是实现智能交通技术的核心问题,及时准确地预测道路交通流量是实现动态交通管理的前提,短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通流量序列分割和极限学习机(Extreme Learning Machine, ELM)组合模型的交通流量预测算法(Traffic Flow Prediction Based on Combined Model, TFPBCM)。该算法首先采用K-means对交通流量数据在时间上进行序列分割,然后采用ELM对各个序列进行建模和预测。仿真实验证明,与单一的BP(Back Propagation)神经网络和ELM相比,该组合模型算法建模时间为BP的1/10, ELM建模时间的4倍,均方误差为BP的1/50, ELM的1/20,该组合模型算法决定系数R2更接近于1,模型可信度更高。     

多路径环境下电信流量模型研究

在下一代通信网络中,一个终端可同时拥有多个网络接口,在一对源、目的终端间存在多条可用路径。这为网络通信提供了一种全新的思路,即利用多条路径并发进行数据传输。针对多路径传输出现的问题,文章为多路径传输建立了流量模型,分析了多路径传输流媒体的优势,提出了＂流体带宽＂和＂流体调度＂的概念,并引入网络流理论计算了多路径环境下的目标流量。     

片上网络流量模型的研究与实现

分析了三种具有代表性的流量模型:均匀分布、泊松分布、自相似流量模型,并实现了基于这些模型的流量生成器.模拟结果与预期结果符合,目前流量生成器已经应用到实际模拟平台之中.     

基于混沌理论的网络流量性能评估

该文基于混沌理论提出了一种使用海量网络流量数据对大规模网络性能进行有效评估的方法。在长期链路利用率数据呈现出明显的周期性行为,和短期链路利用率数据具有混沌特征的前提下,选取最大Lyapunov指数作为一项性能评估参数来评估网络性能。分析结果表明最大Lyapunov指数较常见统计量如数学期望、方差等更能有效反映流量的行为趋势。     

无线网利用率及话务模型的研究

本文在研究某市现网话务情况的基础上,分析话务量、拥塞率和利用率的关系,提出建议每线话务,得出符合现网的话务模型。     

基于DSP的车流量检测雷达的信号处理研究

智能交通系统中．车流量检测雷达射频前端和数字信号处理器的信号处理算法是影响车流量检测雷达性能指标的两个重要方面。文中从车流量检测雷达实时性出发，简要介绍了基于DSP技术的车流量检测雷达的系统设计，同时给出车流量检测雷达DSP软件算法的完整设计思想，并具体解决了车流量检测雷达中车道识别这个关键问题，实现了车流量检测功能。最后还给出本课题组研制的车流量检测雷达的测试平台和测试性能指标，达到了实际使用的要求。     

基于多维时空的NPCA-PSR-IGM(1,1)组合模型的短时交通流预测

针对城市短时交通流序列非线性和混沌性的特点,为提高短时交通流的预测精度,该文提出一种基于多维时空的非线性主成分分析(NPCA)和相空间重构(PSR)的改进灰色(IGM(1,1))组合预测模型。首先,使用数据相关性的非线性主成分分析算法对多维交通流量序列进行时空降维,同时保留影响预测点的主要交通流量数据,从而提高建模的精确度;其次,利用多维时空交通流量序列相空间重构放大交通流量内部的细微特征,以使其内在规律得以充分展现,进一步提升预测精度;最后,结合背景值改进的灰色模型适应于线性、非线性以及所需数据少的特点,进行短时交通流预测。实验结果表明,NPCA-PSR-IGM(1,1)组合预测模型的平均相对误差相比NPCA-PSR-GM(1,1)组合预测模型减小3.12%,其标准偏差相对PCA-PSR-IGM(1,1)组合预测模型从15.7091下降到2.0589。同时与最新的预测模型相比,该组合预测模型也提高了预测精度,达到了较好的预测效果。     

基于多维时空的NPCA-PSR-IGM(1,1)组合模型的短时交通流预测

针对城市短时交通流序列非线性和混沌性的特点,为提高短时交通流的预测精度,该文提出一种基于多维时空的非线性主成分分析(NPCA)和相空间重构(PSR)的改进灰色(IGM(1,1))组合预测模型。首先,使用数据相关性的非线性主成分分析算法对多维交通流量序列进行时空降维,同时保留影响预测点的主要交通流量数据,从而提高建模的精...