深圳市乘用车道路行驶工况构建

选取深圳市代表性测试路线,采用平均车流法,对测试车辆车载GPS连续20 d、每天3个采样时间段进行数据采集,累计行驶里程达6 022 km.用短行程分析法构建深圳市城区乘用车行驶工况.结果显示,深圳市城区乘用车平均车速为28.63 km/h,匀速工况占时间比例为24.4%,加速和减速工况所占时间两者之和为52.9%,与国内其他城市相比,表现出较好的车辆排放工况.与欧美日标准工况相比,深圳市的平均车速比欧洲NEDC、美国FTP75、日本Japan15标准工况分别低14.8%、16.3%和15.5%,在加速、减速和各工况所占时间比例等其他参数上也有较大的差距.     

哈尔滨市私人乘用车出行特征及行驶工况的构建

利用GPS采集的哈尔滨私人乘用车实际道路出行数据,构建哈尔滨市区私人乘用车的出行特征,包括出行里程分布、出行频次分布及出行时间分布,并运用主成分分析及聚类分析得到行驶工况的特征值。构建结果表明:哈尔滨城区私人乘用车日均出行里程为27.36 km,日均出行频次为2.51次,日均出行时间为110.43分钟。通过与部分单体样本的行驶工况特征参数对比可知,所构建的行驶工况很好地反映哈尔滨市乘用车的出行特征,研究成果对于新能源汽车的性能匹配和市场推广有着重要的意义。     

乘用车实际行驶工况开发方法的研究

乘用车实际行驶工况通常可表示为基于时间的一段时间．速度曲线。通过对国内外乘用车实际行驶工况，特别是欧美日等国家开发的研究表明，对乘用车实际行驶工况的开发从前期准备工作到工况的验证可分为5个基本过程。对每一过程所使用的方法进行了比较深入的论述。     

基于试验测量的瞬时行驶工况构建

以环卫车运行工况为研究对象,通过对西安市环卫车运行工况的试验测量,利用两阶段聚类法构建西安市环卫车典型行驶工况。引入运动区间的概念用于描述运动学片段的瞬时特征,以运动学区间相关参数为特征参数对片段类内的片段进行第二阶段的聚类,实现对类内特征片段的提取和组合,完成典型行驶工况的构建。最后,通过与单次聚类法构建工况的对比,验证使用两阶段聚类法构建车辆瞬时行驶工况的合理性。对比结果表明:两阶段聚类法与传统单次聚类法相比,在速度分布、加速度分布以及速度-加速度联合分布上分别有59.4%、81.7%和22.4%的改进。     

基于全局K-means聚类算法的汽车行驶工况构建

为构建符合郑州市交通特征的乘用车典型行驶工况,选取60辆乘用车进行数据采集,将采集的有效行驶数据划分成120 744条运动学片段,采用主成分分析法对构建的特征参数矩阵进行降维、非线性化处理。选取戴维森-堡丁指数来确定最佳聚类数,并通过全局K-means聚类算法将主成分分析得到的4个主成分聚成3类,然后采用相关系数法从各类片段库中选取具有代表性的运动学片段,从而构建出郑州市乘用车典型循环工况(ZZ_DC)。通过与传统K-means聚类算法构建的工况比较,采用全局K-means聚类构建的工况更加准确地反映了郑州市乘用车在实际道路上的行驶状态。将ZZ_DC工况与国内一直采用的乘用车测试工况(NEDC工况)比较,结果表明,ZZ_DC工况与NEDC工况差异显著,因此,有必要开发出适用于郑州市交通特征的乘用车行驶工况。     

基于K-均值聚类算法的行驶工况构建方法

提出一种基于K-均值聚类算法的城市循环工况构建方法,该方法通过实车采集某城市道路行驶工况的数据,将工况数据预处理后划分为工况块,运用平均速度、行驶距离和巡航时间比3个参数对工况块进行K-均值聚类分析,采用距离聚类中心越近越能代表簇特征的原则选取工况块,最终拟合出某城市循环工况,并对其从特征参数、转毂实验和废气分析采集的油耗和排放数据3个方面与其他典型城市循环工况进行了对比。对比分析结果表明:采用本方法构建的城市循环工况能够很好地反映某地实际交通道路状况,具有实用价值。     

基于模糊聚类的西安市区轿车行驶工况构建

在行驶工况构建过程中,实验数据的解析与处理方法直接影响构建的代表性行驶工况的精度.由于城市道路交通结构复杂,车辆运行方式特殊,因此,引入模糊聚类方法对西安市区道路车辆运动状态数据进行处理,以建立能够反映交通流状况且与车辆行驶状态紧密相关的行驶工况.通过对平均速度和行驶速度标准偏差模糊聚类,将西安市区道路轿车行驶状态分为拥堵状态、稳定流动状态和畅通状态3类,在此基础上采用分类法和短行程法相结合构建了西安市区轿车代表性行驶工况.验证发现:利用模糊聚类方法构建的西安工况与实验数据相对误差较小,能够反映西安市区轿车真实的运行状态.     

Fuzzy马尔科夫链

本文讨论了模糊条件概率及其性质,给出了模糊马尔科夫链的定义和模糊状态转移概率的计算公式.     

基于马尔科夫链的教学效果评价研究

运用马尔科夫链对城市轨道交通运营管理专业2020～2021学年度两个学期末《大学英语》课程的成绩进行分析研究,以便科学评价教学效果,结果表明：不同学生的基础水平存在差异,不能单纯地依据学生的某一次考试成绩的优劣来评价教师的授课效果;教学效果评价是一个多因素、多变量、模糊的非线性过程;基于马尔科夫链的教学效果评价,不需要大量的历史数据,不需要考虑学生考试成绩的波动性,可对长期教学效果进行科学预测。     

重型危险品半挂列车行驶工况的构建

采用自主研发的Nicigo行车记录仪,按照24小时自由行驶路线法,采集宁波市50辆重型危险品半挂列车的行驶数据。对数据进行分割获得3006个运动学片段,利用主成分分析法和K-means聚类技术对运动学片段进行分类,根据运动学片段与聚类中心的距离选取各类代表性片段,最终拟合出宁波市重型危险品半挂列车行驶工况。通过与国内外代表性行驶工况对比,发现所构建工况的平均速度、加速和减速比例与FTP-75工况极为接近,而匀速比例与北京市重型卡车差异最小以及怠速比例与各类工况差异较大的特点。     

基于马尔科夫链的柳州市房价预测研究

城市房价的稳定关系到国计民生,其涨跌受到多种因素的影响.本文选取柳州市2015年5月—2018年4月商品房销售价格的月统计数据,将其视为马尔科夫过程.利用R软件分别画出原始房价数据和房价一阶差分数据的时序图及其自相关系数图,并根据ADF检验进行平稳性分析,选定房价变化为马尔科夫链的状态.并依据我国房贷基础利率4.9%,将房价变化分为下降、稳定、上升但上升幅度不高于贷款利率、上升且上升幅度高于贷款利率4个状态.通过数理统计方法得到马尔科夫链的状态转移矩阵,以此对柳州市房价走势进行预测,从而指导消费者,特别是需要商业贷款的消费者购买商品房.     

基于灰色马尔科夫链的道路交通死亡率预测

道路交通事故死亡率是反映道路交通安全的重要指标,为了对其进行准确预测,将灰色系统理论与马尔科夫链结合起来,构建了灰色马尔科夫预测模型,并将该模型与GM（1,1）模型进行比较分析.结果表明,灰色马尔科夫链模型能更好地预测道路交通事故死亡率.     

马尔科夫链的一个应用

本文给出了一个判别马尔科夫链具有普遍历性的充分条件，并给出了马尔科夫链的一个新的应用，即利用马尔科夫键来定量地评价教师的教学效果，这种评价方法具有比目前各种评价方法更为科学合理的特点。     

基于马尔科夫链改进灰色神经网络的水质预测模型

根据汾河运城段的实际情况,应用改进灰色神经网络对水质进行预测.在数据处理以及关联度分析的基础上,选取关联度较高的氨氮、挥发酚、水温、BOD5及COD作为灰色神经网络的输入节点.应用灰色神经网络对水质进行预测,再用马尔科夫修正误差残值,可使修正值更加接近实测值.灰色神经网络的相对误差为68.44%～4.69%,改进灰色神经网络将相对误差为41.96%～2.23%,可见改进神经网络的预测精度更高.改进灰色神经网络模型,结合了灰色神经网络和马尔科夫的优点,提高了预测的精度,并以汾河河津大桥监测断面的水质预测为例,验证了该方法的可行性.     

基于马尔科夫链误差修正的光伏发电预测

为了提高光伏发电预测的精度,在传统BP神经网络预测模型的基础上,利用相似日算法和马尔科夫链理论对预测模型进行改进。其方法以得到的相似日数据作为预测模型的输入量,通过BP神经网络进行训练,得到初步的预测值,然后根据马尔科夫链模型得到的误差状态转移概率矩阵对预测误差进行修正,根据修正后的误差得到新的预测值。最后通过与传统算法得到的预测结果进行误差对比分析,结果表明,改进算法的预测精度高于传统算法,验证了该模型的有效性。     

基于车联网信息的公交客车行驶工况数据处理方法

受技术、成本和环境等因素的影响,当前车联网平台数据在传输过程中不可避免地存在缺失和数据噪声问题。针对车联网数据传输优化需进一步改进的现实问题,基于某商用客车企业车联网平台,获取固定线路运行的公交客车行驶工况数据,分析研究车联网平台数据特点及其存在的问题,采用插补缺失与神经网络集成方法对行驶工况缺失数据进行估计,并基于小波变换对行驶工况噪声数据进行清洗。最后,给出了行驶工况数据处理方法的评价指标,合理说明了评价本文数据处理方法的效果。结果表明:本文提出的缺失数据轨迹方法,可较好地估计还原车辆真实工况的变化情况,基于小波变换的方法对噪声数据进行了有效处理,两者误差均在合理范围内。本文开展的研究内容可为车联网领域的数据传输优化改进、海量高并发数据的处理方法提供实际参考及借鉴。     

基于LSSVM和马尔科夫链模型的公路客运量预测

通过分析常用的客运量预测方法,提出了基于LSSVM和马尔科夫模型的组合预测模型。以2004年~2013年兰州市公路客运量的实际值为基础,通过LSSVM对客运量的预测,得到了2014和2015年的公路客运量的预测值,结合实际客运量计算出其预测结果的相对误差。对相对误差进行划分状态区间,运用马尔科夫模型对预测结果进行修正,进而得到高精度的客运量预测值。最后将所得结果与应用单一的LSSVM预测方法及时间序列方法预测所得结果进行对比。分析结果表明,基于LSSVM和马尔科夫链模型的组合预测模型预测精度较高,满足实际需求。     

基于离散马尔科夫链的数据库用户异常行为检测

针对数据库系统内部攻击的问题,将基于用户行为的异常检测方法引入到数据库系统内部攻击检测中.将离散时间马尔科夫链(DTMC)应用到数据库系统异常检测中,构建了一种基于DTM C的用户行为异常检测系统.将用户提交的SQL语句作为用户行为特征进行分析,并利用DTM C分别提取了正常用户和待检测行为的行为特征,并将两者进行比较,如果两者的偏离程度超过了阈值,则判定行为异常.通过实验对所提出系统的可行性和有效性进行测试,结果表明,该系统可以较好地描述用户行为,并有效地检测出数据库系统内部攻击.