基于元胞自动机的机场场面交通仿真模型

随着我国民用航空的迅速发展,机场负荷不断加大,给机场管理带来较大的压力,建立机场场面交通仿真系统是一种有效的措施.本文针对机场场面复杂路网的交通特性,在NS模型的基础上,重新设定了元胞的属性,将机场转化成多一维元胞自动机模型.并对机场场面交通进行了模拟仿真.结果表明该模型能较合理的表现机场上飞机的行为规则.     

行人交通微观动态元胞自动机仿真模型研究

在分析行人交通特性后,以元胞自动机（CA）和规则描述为理论基础,提出基于CA的行人仿真模型,以此建立相对于其他交通对象的行人避让模型。该方法以模型与现实世界的高相似性有效克服了精确数学模型在仿真行人交通时的难题。结合行人CA模型和行人避让模型开发了混合交通流仿真试验原型系统。仿真结果表明,该方法有效地模拟了现实交通状况,在城市交通规划、交通需求管理和交通控制等领域有着广泛的应用前景。     

交通元胞自动机计算机模拟模型的研究

主要介绍了元胞自动机的基本理论,分析了元胞变换的原则;详细探讨了元胞自动机在道路交通模拟中的应用,设计出了交通元胞自动机的结构,分析了交通元胞自动机所采取的状态变换原则,建立了一维（单车道）交通流模拟模型;论述了元胞自动机的发展及在道路交通模拟中的研究前景。     

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。     

基于元胞自动机的行人模型仿真研究

为了直观地显示行人行走的特性以及与车流之问的相互作用,在分析行人交通特性后,以元胞自动机(CA)和规则描述为理论基础,提出基于CA的行人仿真模型,利用VC建立相对于其他交通对象的行人避让模型,最后用OpenGL对模型进行可视化渲染.方法以模型与现实世界的高相似性有效克服了精确数学模型在仿真行人交通时的难题.结合行人cA模型和行人避让模型开发了混合交通流仿真试验原形系统.仿真结果表明,方法有效地模拟了现实交通状况,在城市交通规划、交通需求管理和交通控制等领域有广泛的应用前景.     

基于元胞自动机的列车站前折返仿真模型

在对城市轨道交通中列车站前折返过程准确描述的基础上,建立了2种典型站前折返模式的元胞自动机模型,即站前单渡线折返仿真模型和站前双渡线折返仿真模型。为准确模拟列车的折返过程,模型设定了列车在不同轨道部分的元胞更新规则,在此基础上还添加了线路标识、方向标识和信号标识等来实现列车的换道、转向和防止进路冲突等问题。采用计算机编程,运用已建立的模型来模拟列车的运行过程,对列车运行过程的速度一位置图和时间一位置图的分析发现,模型的模拟结果与实际列车的折返过程完全相同,同时采用仿真方法计算的折返站折返能力与传统图解法计算的结果误差仅为2．4％,由此说明所建立的模型能够准确模拟实际列车的站前折返过程,可以应用于对列车的折返仿真。     

基于元胞自动机的城市交通流仿真系统

利用元胞自动机理论，建立了单车道及交叉路口交通流模型。为了使用户直观的了解交通运行状况，以便采取有效的优化措施对交通进行管理，设计并实现了城市交通流仿真系统。该系统具有优化功能，能够通过对数据的分析，产生交通管理的优化策略，对优化城市交通提出可供借鉴的措施。     

基于元胞自动机的多车道机非混合道路交通流

车辆的行驶受到本车道以及邻近车道前后邻近车辆的影响,在城市交通中机非混合对车辆行走的影响尤为复杂。通过研究路段上机非混合通行交通流的本质特性,综合考虑非机动车对机动车换道规则及加减速规则的"摩擦"和"阻滞"干扰影响,建立描述路段混合通行道路交通流的元胞自动机(CA)模型,从不同的机非混合比例下道路交通流的流量、速度变化情况,流量与车辆到达率关系,交通流相位相变等方面仿真模拟混合交通流的机非干扰机理。     

基于元胞自动机的交通流计算机模拟

元胞自动机是把复杂系统量化为简单的个体,在元胞自动机模型中.空间、时间都被离散化,每一个相互作用的单元仅为有限的状态.以元胞自动机理论为基础,把车辆在路段上交通流中运动的变化规律表述为元胞自动机的演化规则,建立了基于元胞自动机理论的交通流模拟模型,标定了元胞长度和最大速度等参数,分析了元胞变换的原则;详细探讨了元胞自动机在道路交通模拟中的应用,设计出了交通元胞自动机的结构,分析了交通元胞自动机所采取的状态变换原则,建立了一维(单车道)交通流模拟模型;并利用C语言编程实现模拟.模拟结果符合实际交通流的特点.     

基于元胞自动机模型的礼堂人群疏散仿真

为了消除礼堂的安全隐患,制定行之有效的应急预案,有必要对礼堂人群疏散运动进行研究,掌握礼堂人群疏散的一般特点和规律。采用基于二维元胞自动机模型对某高校礼堂发生人群疏散运动进行仿真,找出影响礼堂人群疏散效率的关键因素,为高校礼堂设计提供支持;为高校礼堂制定突发事件应急预案提供参考。     

改进的硅各向异性腐蚀GPU并行模拟

硅各向异性腐蚀过程复杂,采用元胞自动机模拟硅各向异性腐蚀非常耗时。为了加速腐蚀模拟过程,研究了基于图形处理器(GPU)进行硅的各向异性腐蚀模拟。针对串行算法直接并行化方法存在加速效率低等问题,提出了一个改进的并行模拟方法。该方法增加了并行部分的负载,减少了内存管理的开销,从而提高了加速性能。实验证明该方法能够获得较理想的加速比。     

基于坐标注意力的轻量级交通标志识别模型

针对交通标志识别模型检测速度与识别精度不均衡,以及受遮挡目标和小目标难以检测的问题,对YOLOv5模型进行改进,提出一种基于坐标注意力（CA）的轻量级交通标志识别模型。首先,通过在主干网络中融入CA机制,有效地捕获位置信息和通道之间的关系,从而更准确地获取感兴趣区域,避免过多的计算开销;然后,通过在特征融合网络中加入跨层连接,在不增加成本的情况下融合更多的特征信息,提高网络的特征提取能力,并改善对遮挡目标的检测效果;最后,引入改进的CIoU函数计算定位损失,以缓解检测过程中样本尺寸分布不均衡的现象,并进一步提高对小目标的识别精度。在TT100K数据集上应用所提模型时,识别精度达到了91.5%,召回率达到了86.64%,与传统的YOLOv5n模型相比分别提高了20.96%和11.62%,且帧处理速率达到了140.84 FPS。实验结果比较充分地验证了所提模型在真实场景中对交通标志检测与识别的准确性与实时性。     

基于机器学习的SDN流量工程研究综述

随着软件定义网络(SDN)的兴起以及机器学习方法在分类、预测以及控制任务取得的巨大成功,寻找新的流量工程(TE)技术,自适应、动态地管理或路由网络中的流量,保证服务质量(QoS)以及提升用户体验质量(QoE)成为网络研究热点。首先介绍了SDN基本架构以及SDN流量工程研究内容及目标;其次分析了监督学习与强化学习在SDN流量工程中的应用,分析已有算法的优劣;最后总结了未来研究方向及挑战。     

基于元胞自动机的快速路交织区交通流仿真建模

城市快速路交织区由于复杂的交通流容易造成拥塞, 成为快速路交通的瓶颈。充分考虑到辅道交通流对交织区的影响,以元胞自动机NS模型为基础,通过设定跟车规则、换道规则,对一个包含入口匝道、出口匝道、主线车道和辅道的快速路交织区路网建立模型进行微观仿真。仿真得出交织区长度对流量、密度、速度等交通流参数的影响并给出了最优交织区长度参考值, 最后用HCM经验公式的计算结果验证了仿真模型。     

基于多协议标记交换的流量工程研究进展

分析多协议标记交换（MPLS）流量工程技术中面,临的问题,概述解决这些问题的最新研究进展,并进行分类。提出MPLS流量工程结构模型,以及MPLS流量工程研究的认识和建议。     

采用元胞自动机的网络舆情传播模型研究

采用元胞自动机(CA)理论研究因特网舆情传播,设计了一个舆情传播元胞自动机模型结构,包括元胞状态取值、元胞空间和邻域。针对互联网元胞状态转换提出了考虑元胞坚定性的多数规则计算公式和元胞移动遍历算法。在讨论仿真结果时定义了倾向强度、倾向聚集度、元胞峰值和元胞倾向众值等四个参数,分别对不同坚定性和固定/移动元胞状态计算的迭代结果讨论其不同的演变过程、形态和意义,提出特别需要关注具有坚定性特点的元胞移动遍历的舆情传播过程,它们更加接近因特网网络舆情的真实传播过程。仿真结果说明了该方法和模型的有效性和合理性。     

基于关联规则理论的道路交通事故数据挖掘模型

根据数据挖掘技术中的关联规则理论,提出"道路交通事故属性"的定义,并建立一种新的道路交通事故数据挖掘模型,利用改进的多维多数据类型的Apriori算法,从记录交通事故的数据库中发现潜在的、有价值、有联系的规律,用以指导交通管理部门找出道路黑点,并做出决策,杜绝事故隐患、减少事故发生,保障人们的生命和财产的安全。     

基于改进GMDH算法的路口短时交通流量预测

城市交通是一个复杂的大系统,实时而准确的短时交通流量预测,可以为城市交通诱导和控制提供科学支持。针对GMDH算法建模泛化能力差的问题,结合集成学习的思想对GMDH算法进行改进,并将改进的算法应用到短时交通流量模型的构建中。结果表明,该方法可以有效地对短时交通流量进行预测,建模平均相对误差为1.10%,预测相对误差为0.58%。     

基于ICA和SVM的道路网短时交通流量预测方法

交通流量预测是智能交通系统(ITS)研究的一个重要课题。通过对多个观测点交通流量数据特点进行分析,采用一种基于独立成分分析(ICA)与支持向量机(SVM)相结合的短时交通流量预测方法。首先,通过独立成分分析得到同一条道路上各个观测点的交通流量的独立源信号;接着利用支持向量机预测模型对源信号进行建模和预测,并通过遗传算法(GA)优化参数;最后将其转换为交通流量数据,得到预测结果。实例分析结果显示,该算法优于直接利用支持向量机对交通流量进行预测的方法,并能去除同一条道路上多个观测点测量数据之间的相互影响。     

基于词袋模型的分布式拒绝服务攻击检测

针对分布式拒绝服务（DDoS）攻击有效荷载快速变化,人工干预需要依赖经验设定预警阈值以及异常流量特征码更新不及时等问题,提出一种基于二进制流量关键点词袋（BSP-BoW）模型的DDoS攻击检测算法。该算法可以自动从当前网络的流量数据中训练得到流量关键点（SP）,针对不同拓扑网络进行自适应异常检测,减少频繁更新特征集带来的人工成本。首先,对已有的攻击流量和正常流量进行均值聚类,寻找网络流量中的SP;然后,将原有的流量转化映射到相应SP上使用直方图进行形式化表达;最后,通过欧氏距离进行DDoS攻击的分类检测。在公开数据库DARPA LLDOS1.0上的实验结果表明,所提算法的异常网络流量识别率优于现有的局部加权学习（LWL）、支持向量机（SVM）、随机树（Random Tree）、logistic回归分析（logistic）、贝叶斯（NB）等方法。所提的基于词袋聚类模型算法在拒绝服务攻击的异常流量识别中有很好的识别效果和泛化能力,适合部署在中小企业（SME）网络流量设备上。