基于朴素贝叶斯分类的居民出行起讫点识别方法

针对手机信令数据存在的精度不高、时间间隔大、信号\"乒乓切换\"等问题,提出一种基于朴素贝叶斯分类（NBC）的方法来利用手机定位数据识别居民出行起讫点（OD）。首先,利用80位志愿者连续1个月记录的出行活动数据,依据职住距离分类统计移动和停留状态下的条件概率分布;其次,建立用于表征用户移动停留状态的两个特征参数指标：方向夹角和最小覆盖圆直径;最后,依据NBC原理计算用户的移动或停留状态概率,将连续两个以上为移动状态的过程集聚为出行OD。利用厦门市移动的手机定位数据的分析结果表明：所提方法得到的人均出行次数的平均绝对百分比误差（MAPE）误差为7.79%,具备较高的精度,出行OD的分析结果可以较好地反映真实出行规律。     

基于前景理论的居民出行方式选择

对于实际出行中居民心理因素对出行方式选择的影响问题,构建基于前景理论的居民出行方式选择模型,提出了一种更加符合人类思维习惯的出行方式选择方法。综合考虑居民对行程时间及出行费用两种指标的心理参照点,得出相对最能使居民满意的出行方式选择结果;通过不同参照点下出行方式的综合前景值的变化分析了参照点对出行方式的选择的影响;最后通过实例说明了此方法在出行方式选择中的应用。实验结果表明:行程时间参照点要求较低的小范围内居民倾向于公交出行,尽管出租车与私家车出行方式综合前景值趋势变化一致,但更大范围内的居民倾向于私家车出行,这与实际相符。所提方法为预测居民出行方式提供了一种新的途径。     

基于前景理论的居民出行方式选择

对于实际出行中居民心理因素对出行方式选择的影响问题,构建基于前景理论的居民出行方式选择模型,提出了一种更加符合人类思维习惯的出行方式选择方法。综合考虑居民对行程时间及出行费用两种指标的心理参照点,得出相对最能使居民满意的出行方式选择结果;通过不同参照点下出行方式的综合前景值的变化分析了参照点对出行方式的选择的影响;最后通过实例说明了此方法在出行方式选择中的应用。实验结果表明：行程时间参照点要求较低的小范围内居民倾向于公交出行,尽管出租车与私家车出行方式综合前景值趋势变化一致,但更大范围内的居民倾向于私家车出行,这与实际相符。所提方法为预测居民出行方式提供了一种新的途径。     

基于手机信令数据的居民出行特征研究

在日常移动通信过程中,用户所接入的基站随着用户的位置移动而不断发生切换,产生了一系列的手机信令数据。信令数据中的接入基站位置可以在一定程度上代表手机用户的位置,反映手机用户的位置变化和活动规律。随着大数据技术的不断发展,可通过构建有效的手机用户交通出行特征识别算法,对移动通信过程中产生的海量手机信令数据,特别是信令数据中的基站位置变化特征进行采集分析,进而实现对城市居民交通出行特征的研究,研究结果可以为城市交通规划和交通管理提供科学的数据支持。     

基于贝叶斯网络的关键链技术研究

软件开发中不可避免地要协调资源、进度与质量之间的关系.提出基于贝叶斯网络的关键链技术,用关键链技术来确定项目的关键路径,对关键路径上的节点建立贝叶斯网络,及时调整不合理的进度计划或预知开发中存在的问题,从而极大地提高了项目的成功率.     

贝叶斯网络推理的研究与分析

贝叶斯网络是人工智能中不确定知识表示和推理的有力工具。介绍了贝叶斯网络的概念,给出一个实例,分析了贝叶斯网络推理的方法和过程。     

基于贝叶斯网络的信息提取技术研究

随着互联网的飞速发展,公开获取可靠信息的不断增加,人们可从网络上获取各种各样的信息资源,这给人们的学习和利用信息带来了极大的方便。同时面对浩如烟海的海量信息,如何在短时间内获取人们感兴趣和有用的信息,成为目前关注的热点。同时信息提取活动是一个复杂的过程,基于此,文中提出了一种利用贝叶斯网络的方法来对信息进行有效提取的方法,得出了贝叶斯网络信息提取模型。通过VC＋＋6．0编程,模拟实现了所提出的方法,实验结果表明该方法是可行的。     

基于贝叶斯网络的电机智能诊断技术研究

发电机系统的大部分运行参数间无严格的逻辑和定量关系,其故障现象与原因及机理之间具有很大的不确定性。因此采用贝叶斯网络推理和诊断具有一定的针对性。本文基于贝叶斯网络对的发电机绕组绝缘状态智能诊断技术进行探讨。     

贝叶斯网络推理的研究与分析

贝叶斯网络是人工智能中不确定知识表示和推理的有力工具.介绍了贝叶斯网络的概念,给出一个实例,分析了贝叶斯网络推理的方法和过程.     

基于贝叶斯网络的分层网络故障诊断

本文以SNMP网络管理模型的管理信息库（MIB）为基础,在不同层次上构建了用于故障判别与定位的贝叶斯网络。对MIB变量采用自适应自回归（AAR）模型建模分析,构建与其相关协议之间的贝叶斯网络,推断协议功能是否发生异常。分析各个协议之间的功能依赖关系,构建协议间的贝叶斯网络,定位协议间的故障根源。考虑网络中故障传播构建了基于网络拓扑的贝叶斯网,定位故障根源节点。最后,对构建的模型进行了实验仿真,并分析了模型的优点和缺点。     

城市轨道交通客流需求分析模型及计算机仿真

针对传统“四阶段法”交通需求分析集聚特征显著、系统环境适应性差等问题以及城市交通系统很难进行实体仿真的缺陷,提出了一种基于城市综合公交统筹和TransCAD仿真的城市轨道交通客流分析模型。该模型基于“四阶段法”基本步骤,在第一阶段中,考虑了不同人口类别的出行强度和空间分布特征,给出了一种基于人口分类和出行目的的发生吸引模型;在交通分布中,引入K-因子和综合行程费用修正重力分布模型;在交通方式划分和分配中,结合合理系统结构边界和出行时间价值,对城市轨道交通客流分配进行精细配流。实验表明：通过对城市人口进行分类,考虑城市交通系统结构和各交通方式的出行广义费用可大大提高客流分析的精度和鲁棒性。     

基于不确定需求的公共交通网络鲁棒性优化方法

为了提高城市不同类型公共交通所组成的线网的鲁棒性,从公共交通线路建设成本、乘客出行的总时间以及乘客总换乘次数等方面确定公共交通网络的服务性能模型,在此基础上通过计算方案目标值与期望值的差值来确定公交网络的鲁棒性;由于存在随机不确定需求,在传统免疫克隆算法基础上对变异操作进行改进,用于对优化模型求解.结合算例分析发现,线...     

网约拼车出行的乘客车辆匹配及路径优化

城市道路拥堵严重及共享理念的盛行带来了拼车出行的兴起.出行线路相似的乘客共乘一辆车,可提高座位利用率、节省费用、缓解交通压力.以带时间窗约束的无换乘多车辆静态拼车问题为研究背景,从车辆使用费、途中走行成本及到达时间窗惩罚成本3个方面建立乘客车辆匹配及路径优化的目标函数,以车辆容量、乘客出发及到达时间窗、路径无迂回、乘客...     

贝叶斯网络在软件项目风险评估中的应用

在软件项目生存周期早期或创新型项目的研发过程中,可用的案例数据很少或很不完整,项目风险多由专家经验进行主观评估,给风险的客观度量带来了很大的困难。提出了一种基于贝叶斯网络的软件项目风险评估方法,不仅可度量风险影响程度的风险当量,还能度量出多种风险对某种风险后果的组合影响以及单个风险对整体后果的综合影响,从而增强了软件项目风险的预测和应变能力,为有效地降低风险发生概率、提高软件开发成功率提供了一种新的途径。     

基于贝叶斯网络的多传感器目标识别算法研究*

基于贝叶斯网络能够组合多种证据进行不确定性表达和推理的特点,提出以贝叶斯网络为基本结构的目标融合识别模型.通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构.首先对各传感器的数据分别进行融合,然后应用贝叶斯网络推理算法对多种传感器融合结果进行融合计算,最后根据假定变量各状态的概率取值来判断目标平台类型.仿真结果证明了该方法直观、形象,计算速度快,降低了实用的复杂度,提高了目标识别的可靠性.     

新型公路平交道口通行控制模式研究

介绍一种以二进控制方式改造现有平交道口交通管理的模式,通过分析计算机模拟获得的数据,研究新老系统在车辆通行、时序变化情况下的道口通行能力等指标,进一步研究二进式交通管理模式的各种类型,探讨实现二进式道口交通管理方式所必需的控制及调度系统构建。应用结果表明,该模式在解决城市平交道口车辆通行能力方面能够起到缓解城市交通拥堵的作用。     

A HYBRID DEMAND FORECASTING MODEL BASED ON EMPIRICAL MODE DECOMPOSITION AND NEURAL NETWORK IN TFT-LCD INDUSTRY

Demand forecasting plays an important role in the thin-film transistor liquid crystal display (TFT-LCD) industry. A hybrid approach is proposed for demand forecasting by combining empirical mode decomposition (EMD) and neural networks. From the signal analysis point of view, demand can be considered as a nonlinear and nonstationary combination of different frequencies. Every demand can be represented by one or several frequencies. The process of the proposed approach first decomposes the historical demand data into a finite set of intrinsic mode functions (IMFs) and a residual through EMD. Then, these IMFs are input into a back-propagation neural network (BPN) and the corresponding demand is used to predict these IMFs. Finally, the demand is forecasted by summing the predicted IMFs. The results show that the proposed model outperforms the single BPN model without EMD preprocessing and the traditional autoregressive integrated moving average (ARIMA) models.     

Credal网络推理的一种不完全枚举法

Credal网络是研究不确定环境下知识表示和因果推理的一种图模型,其条件概率值可以用不精确的区间或不等式定性地表示,使得表达方式更加灵活有效。Credal网络的推理是计算一定证据下的后验概率最大值和最小值,给出了一种Credal网络推理的新方法,该方法是在桶消元框架下通过枚举计算部分因子函数值,使计算量大大减小,并且可以得到精确的结果。最后用一个实例说明了该方法的可行性。     

多实体贝叶斯网络在态势估计中的应用研究

介绍了多实体贝叶斯网络(MEBN)理论,给出了实体片断及多实体规则形式化的定义,分析了在态势估计中使用多实体贝叶斯网络进行知识表示和态势推理的问题.给出一个具体的实例,演示了使用多实体贝叶斯网络进行态势估计的过程.