具有任意时间特性的遗传算法及其在BML交通流模型中的应用

给出了一种具有任意时间算法（Anytime Algorithm)特性的遗传算法（Genetic Algorithm,GA),并用该算法对BML（Biham-Middleton-D.Levine)交通流模型进行了实时模拟控制,仿真结果表明,该算法的性能明显优于交叉格点和随机格点信号灯控制的性能。     

一种扩展的BML模型及其数值模拟

本文在具有广泛影响意义的二维元胞自动机交通流模型--BML模型的基础上,重新考虑了城市实际交通流的特点,将一种与车辆相关的OD(Origin and destination)属性引入其二维网格中,建立了一种扩展的BML模型,并在数值模拟的基础上对其进行了验证和讨论.     

一种自组织的二维元胞自动机网络模型及分析

提出了一种自组织的二维元胞自动机网络模型,并研究了网络中的临界特征和长相关特性。模型中,每个元胞包含一个路由器和随机数目的终端,并且能独立地根据探测到的网络拥塞状况调节其终端的数据包发送速率。仿真结果表明,在拥塞控制机制的作用下,网络能自组织地工作在临界状态,虽然节点间呈现出明显的异构特征,但节点数据包排队长度在时间和空间上仍都表现出较强的相关性。     

圆柱绕流的二维数值模拟和尾迹分析

为指导机械设计中参数和布局的选择,研究固定在水流中的圆柱结构件的受力情况和流场分布．利用FLUENT中的三种湍流模型对雷诺数为3900的圆柱绕流进行二维数值模拟并进行对比,得到升力因数、阻力因数、分离角、斯特劳哈尔数和涡街尺寸等参数的模拟结果,与参考文献中的实验结果对比验证二维模拟的预测精度．RKE（Realizable k-ε）和雷诺应力模型（Reynolds Stress Model,RSM）均能在此雷诺数下得出接近实验结果的流场,RSM模型使用POWER LAW离散格式的结果优于QUICK格式．与三维模拟的对比表明二维模拟适合在设计初期的快速估算,能够快速得到合适精度的模拟结果．     

基于NS-BML模型的记忆密度在交通信号灯控制系统中的研究

交通信号灯管理与控制直接影响着交通网络中的运行效率。NS-BML模型广泛应用于交通信号灯控制系统仿真,针对目前NS-BML模型中只考虑现在瞬时密度而忽略历史密度的问题,提出记忆密度策略,从长时记忆密度策略和短时记忆密度策略两个角度来分析该策略对曼哈顿式网络的影响,通过对时间离散化,求解短时记忆密度的最优比例因子。仿真结果表明,通过采用所提出的短时记忆密度策略可以有效提高系统的运行效率,同时保证计算机处理的速度,交通网络的平均速度和到达率分别同比增长8.51%和9.28%,说明了该策略的有效性。     

基于非参数二维熵的主动轮廓模型

提出一种基于区域二维熵的新型主动轮廓模型.该模型将基于二维直方图的熵作为主动轮廓的新型外部能量,能有效完成内部存在噪声和虚假边缘的同质区域的分割.同时针对多数基于区域的主动轮廓模型只分割同质目标的局限,本文通过使用非参数化方法有效表达目标统计特性,并经由模型演变过程中自相交问题的解决,完成了内部结构较复杂的非同质目标(如人脸)的分割.实验验证了该模型的有效性.     

基于AR模型的二维自适应提升小波变换算法

研究先更新再预测的经典自适应提升小波算法,提出一种基于自回归(AR)模型的二维自适应提升小波变换算法。根据图像局部特性选择自适应更新算子,利用更新后的系数位置关系给出基于AR模型的预测算子,使预测误差功率最小。实验结果表明,与使用最小均方误差标准的自适应预测算法相比,该算法能够降低高频系数能量,且峰值信噪比也有所提高。     

基于飞行计划的惯性导航误差模型分析

为了更有效地评估民航飞机惯性导航性能,更好地分析其惯导数据相对于飞行计划的误差;提出一种新方法整体分析惯导误差,将飞行计划航迹离散化计算出误差数据,使用小波多尺度分析方法,经小波变换将误差分为高频与低频两部分,将非平稳的低频部分进行差分处理转化为平稳时间序列,最终建立惯导误差数据的自回归滑动平均(ARMA)模型;通过与实际快速存取记录器(QAR)数据对比验证,此模型能较好地描述惯导误差,较为准确地描述了民航飞机惯性导航误差,为进一步分析其特性及规律奠定了基础;此方法可用于评估民航飞机惯导性能。     

基于犹豫模糊H-平均的交通流模型选择方法

针对输入变量之间存在相互影响和联系以及属性值为犹豫模糊信息的多属性决策问题,基于阿基米德范数和Heronian平均,提出一种新的犹豫模糊Heronian平均（HFHM）算子;详细研究了HFHM算子的一些基本性质,包括幂等性、单调性和有界性;探讨了HFHM算子的一些特例,并提出了犹豫模糊加权Heronian平均（HFWHM）算子;进一步,基于HFWHM算子建立了一种新的犹豫模糊多属性决策方法,该决策方法不仅能够有效地捕获输入变量之间的相互联系,还使得决策者能够依据自身的风险偏好态度选择不同的参数进行决策。最后,通过交通流模型的选择实例对提出的决策方法进行了有效性验证。     

基于各向异性的二维云模型滤波

针对云模型滤波器在去除椒盐噪声的过程中没有考虑到图像各向异性的缺点, 提出了一种新的图像去噪方法。该方法首先利用云模型滤波器的噪声检测器对噪声图像进行检测, 然后对认定为噪声的图像部分利用基于二维云模型的模糊加权滤波算法, 并结合噪声周围非噪声像素的空间位置信息和像素值信息进行图像复原。将这种新的算法与原始方法进行相同环境下的对比实验。结果表明, 对于椒盐噪声密度为10%～50%的测试图像, 虽然在计算效率方面该算法略逊于原始算法, 然而在处理的过程中, 其展现了图像各向异性, 同时也更好地保持了图像的细节信息; 而且图像细节越复杂, 提升效果越明显。     

基于元胞自动机模型的交通流混沌仿真研究

研究一维元胞自动机模型——Nagel-Schreckenberg（NS）模型的交通流混沌问题。用Matlab程序产生交通流时间序列,在一定参数组合情况下,仿真研究了交通流车队中前后车辆之间车头间距的变化过程,并在此基础上讨论了车辆密度和车辆减速概率的变化对交通流运动状态的影响。结果表明,当车流密度超过某一值时,NS模型仿真出的交通流会产生混沌现象;而交通流混沌产生的根本原因在于交通流的内在随机性,其中车辆不规则的加速、减速是这种内在随机性的主要因素。     

基于云模型的短时交通流预测方法研究

为了提高短时交通流预测的精确性,提出了一种基于云模型的短时交通流智能预测方法.该方法利用云模型拟合交通流,分别用历史交通流和当前交通流建立历史云和当前云,共同生成预测云,用采预测交通流.结合广州市某交叉口交通流量采集数据,进行了仿真试验,以平均绝对误差(MAE)和平均绝对百分比误差(MAPE)两个指标来衡量预测效果,结果表明了该预测方法具有较高的预测精度.该方法既考虑到交通流历史变化,又顾及交通流实时变化,同时将交通流做整体性处理,很好地避开了噪声引起的预测误差问题,兼顾了预测精度和实时性的要求.     

Urban traffic congestion propagation and bottleneck identification

Bottlenecks in urban traffic network are sticking points in restricting network collectivity traffic efficiency. To identify network bottlenecks effectively is a foundational work for improving network traffic condition and preventing traffic congestion. In this paper, a congestion propagation model of urban network traffic is proposed based on the cell transmission model （CTM）. The proposed model includes a link model, which describes flow propagation on links, and a node model, which represents link-to-link flow propagation. A new method of estimating average journey velocity （AJV） of both link and network is developed to identify network congestion bottlenecks. A numerical example is studied in Sioux Falls urban traffic network. The proposed model is employed in simulating network traffic propagation and congestion bottleneck identification under different traffic demands. The simulation results show that continual increase of traffic demand is an immediate factor in network congestion bottleneck emergence and increase as well as reducing network collectivity capability. Whether a particular link will become a bottleneck is mainly determined by its position in network, its traffic flow （attributed to different OD pairs） component, and network traffic demand.     

基于映射矩阵的网络流量分析预测模型

通过对用户行为分析,发现IP数据流具有平稳性、自相关性等特点,提出基于映射矩阵流量预测模型,并与线性模型AR、ARIMA和非线性基于反馈神经网络BP模型、Elman神经网络作对比,试验结果证明,映射矩阵模型,比现有模型具有预测精度高、收敛快等特点。     

基于乘积耦合Volterra模型的短时交通流预测

基于混沌序列固有的非线性和确定性机制以及Volterra级数的非线性表征能力,提出一种短时交通流预测的三阶Volterra模型。针对Volterra模型随阶数增加复杂度以幂次方增加的问题,研究了该模型的乘积耦合近似实现结构。首先,采用互信息法和虚假邻点法选取时间延迟和嵌入维数,并采用小数据量法计算Lyapunov指数判定交通流是否具有混沌特性;然后,建立三阶Volterra滤波器的乘积耦合近似实现结构,并采用一种改进的非线性归一化最小均方(NLMS)算法实时调整模型系数;最后,对高速公路实测交通流的预测结果表明,交通流中存在混沌特征,应用构建的预测模型可有效地对交通流进行预测,且降低了模型的复杂性。     

基于非参数核密度模型的交通图像目标提取

针对现有目标提取和去噪方法不能很好地满足城市交通图像车辆目标提取的要求,提出基于概率比较结合形态学闭操作的目标提取去噪方法。通过非参核密度估计算法建立背景模型,获得每个像素点上各灰度值的出现概率,提取出前景目标;分别计算前景目标是属于车辆移动还是树叶抖动的概率,通过概率比较去除噪声,用形态学闭操作进一步去噪。实验结果表明,提出的算法较好地实现了树叶噪声与车辆目标的分离,能有效去除树叶抖动噪声,正确提取车辆目标,具有良好的抗噪性。     

基于MF-DFA的交通流量多重分形研究

针对交通流时间序列的波动性变化特征,采用多重分形消除趋势波动分析法（Multi-Fractal Detrended Fluctuation Analysis,MF-DFA）,对上海内环高架吴中路上匝道和下匝道的交通流量时间序列进行研究。结果表明,上匝道和下匝道的交通流量都具有长程相关性和多重分形特性。通过对比上匝道和下匝道的多重分形特性,发现下匝道交通流量的多重分形特征明显强于上匝道,表明下匝道的交通流量具有更显著的波动特性。这些研究成果为城市交通流时间序列的非线性研究提供了重要的理论依据。     

基于FOA优化GRNN的船舶交通流预测模型

针对船舶交通流预测中存在复杂性、非线性、受限因素多等特点,运用果蝇优化算法,建立了优化的广义回归神经网络船舶交通流预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化,从而实现对船舶交通流的预测。以东海大桥的船舶流量观测数据为实例对象进行分析,通过MATLAB进行仿真预测,实验结果表明:FOA-GRNN模型相比于传统的GRNN模型和BPNN模型具有更高的预测精度和泛化能力,有效地解决了预测过程中数据样本少、非线性拟合能力差等问题,对水路的规划、通航管理等方面具有一定的应用价值。