交通检测器配置组合优化模型及算法

探讨了基于道路环境、出行路径选择及路段交通流时变特性的城市道路交通检测器配置问题,提出了检测器配置原则,建立了组合优化模型.分析了模型的计算复杂性,根据目标函数的性质和约束条件的相容性,提出了基于解空间分解的有序组合树算法.通过限制不可行子空间、可行非最优子空间,能缩小搜索范围,并给出模型的全局准确最优解.介绍了模型参数的计算,探讨了检测器利用率的量化方法,阐述了交通流小时波动系数、路段客观重要度、检测器配置成本等模型参数的意义及计算依据,给出了计算方法.最后,通过实例说明该模型的应用及计算过程.     

城市路网交通流的数学模型及仿真

提出了一种基于改进的蜂群智能算法的路径选择分配方法。首先利用双向信息传递技术得到实时路段的交通流状况,将路段的通行能力分级,通过模仿蜂群个体的局部寻优比较得到最优解,具有较快的收敛速度。仿真结果表明,提出的模型和算法不仅能有效解决城市交通路径分配问题,而且计算复杂度较低,算法的计算效率较高,为提高交通路网的效率及实用性和有效性提供了依据。     

拥堵路网交通流均衡分配模型

为克服利用传统静态交通流分配模型分析拥堵道路网络交通流分配问题的不足,研究交通拥堵状态下静态拥堵交通流均衡分配模型.首先,基于拥堵路段上交通流特征,分析拥堵路段阻抗函数特点,包括满足拥堵路段上流量随车辆数增加而减少的特征;其次,分析拥堵状态下用户疏解路径选择行为,提出道路网静态拥堵交通流分配的用户均衡与系统最优原理;再次,构建道路网静态拥堵交通流用户均衡与系统最优分配模型,并证明模型与用户均衡原理的等价性、模型解的唯一性;最后,给出求解用户均衡模型的迭代加权求解算法.通过算例与传统静态交通流分配进行对比分析,结果表明:拥堵用户均衡分配模型与拥堵系统最优分配模型可以合理描述拥堵用户均衡原理与系统最优均衡原理,且拥堵用户均衡分配模型可以合理描述路网处于全拥堵状态下各路段实际通过流量.拥堵交通流分配模型可应用于由拥堵蔓延导致的局部全拥堵区域,可作为半拥堵静态交通流分配的核心部分之一.     

基于时空特性和灰色神经网络的短时交通流预测

为了提高城市道路短时交通流的预测精度,提出一种基于时空变化特性和灰色神经网络的短时交通流预测模型。通过对道路短时交通流时间和空间特性的分析,将预测路段与相邻路段进行灰色关联度分析,深度挖掘道路交通流的空间信息,并利用灰色神经网络组合模型对预测路段进行短时交通流预测。以合肥市的道路实测数据进行实例分析,结果表明,相比单一时间序列预测模型,该方法有效提高了道路短时交通流的预测精度。     

一类风险资产投资组合问题建模与分析

首先建立了风险资产投资组合的数学模型；然后应用随机模拟的方法分析讨论了资产投资组合的有效边界，同时通过把模型转化为线性规划求解，给出了计算有效边界的解析式；最后通过引入无差异曲线，给出了风险资产最优投资组合解。     

组合电路最优Hopfield模型的判定算法

组合电路的故障检测问题是一个ＮＰ完全问题。根据组合电路的Ｈｏｐｆｉｅｌｄ神经网络模型，通过相容状态建立的齐次线性方程组的基础解系和感知机，提出了组合电路最优Ｈｏｐｆｉｅｌｄ模型存在性的实用判定算法，并给出了计算实例。     

城市主干道交通流随机分配模型研究

为了减少城市主干道出现局部拥堵,提出一种基于logit模型的城市主干道交通流分配方法。根据路段通行能力、路径延误时间和路径流量综合考虑,通过计算每条路段选择的概率大小,将交通流分配到路段上。同时改进了STOCH算法,通过实例对比验证,改进后的模型,不会出现单条路段拥堵,表明模型具有更好的分配能力。     

路网交通流二层规划模型及其极大熵解

分析交通网络系统的特点,研究混合交通OD结构的关联性,在定量分析路网交通流受交通容量、交通安全及交通服务能力等条件限制的基础上,研究路网利用效益最大化及路网交通流量最大化问题,构建一种路网交通流的二层平衡规划模型。利用先验分布理论和极大熵原理,给出模型的极大熵函数解,进一步证明解的存在与唯一性。模型一方面描述了管理部门对路网交通的优化配置,一方面描述了出行者充分利用路网资源的最优选择。最后通过一个实例,分析模型计算的相关结论。     

基于固定型检测器和浮动车的路段行程时间获取技术

在深入分析交通流诱导系统信息需求的基础上,提出了一种新的路段行程时间获取技术。首先分别利用固定型检测器和浮动车计算路段平均行程时间,进而应用自适应指数平滑法进行短时预测,最后开发了不同可靠度下基于固定型检测器和浮动车的路段行程时间快速融合算法。试验结果表明,该技术能够准确、高效地获取路段行程时间,为交通流诱导系统提供高质量的输入数据,满足出行者的信息需求。     

基于表现型的基因表达式编程解空间模型研究

基因表达式编程（gene expression programming,GEP）解空间模型理论对算法性能的改进有现实指导意义。公开文献对GEP解空间模型的研究较少,鲜见针对GEP表现型的理论研究。基于此,提出一种基于表现型的GEP解空间模型。首先,通过定义GEP染色体表现型高度,给出单基因染色体和多基因染色体表现型高度确定上界的定理及证明,利用GEP算法自身函数发现的能力,探索出操作符集最小目数为1或2的GEP染色体表现型高度上界计算的通项公式,以保证GEP表现型解空间模型的确定有界性与可计算性。其次,以GEP表现型高度的确定上界定理为基础,构建基于表现型的GEP解空间模型,总结GEP表现型解空间模型的性质和定理。通过进一步定义GEP表现型的完全解空间概念,对最优解在GEP表现型解空间和完全解空间中的分布特征进行探索研究,获知在完全解空间中最优解随子空间序号的增长呈大比例增加的分布特征。基于表现型空间模型知识,提出限制GEP种群搜索空间的基本思想与控制策略,利用模型知识合理地解释公开文献中多种GEP改进算法的有效性。     

基于n周期风险价值下的log最优资产风险控制模型及分析

针对现代金融市场风险控制，基于风险价值(VaR)风险理论，建立了n周期最优资产组合的风险控制模型。对模型解的性质给出分析，并证明了n周期投资风险模型最优解的存在性与惟一性，为n周期投资策略优于连续单周期投资策略及其风险控制提供模型分析．这为投资策略优化、投资风险控制提供了理论分析依据．     

基于时空融合图卷积的交通流数据修复方法

为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法. 该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数. 将交通检测器的部署位置作为节点构成几何拓扑图,通过线性融合规则构建时空融合矩阵,替代图卷积输入层的邻接矩阵,捕获交通流细粒化的时空关系. 利用轻量级一维卷积层学习多通道时序向量的时间特征,加快模型的收敛速度. 利用图卷积层学习交通流数据的空间特征,构建时空融合图卷积网络修复模型. 实验结果表明,与其他修复方法相比,该方法在多检测器场景中的修复精度和模型收敛速度均有所提升,可以有效地修复交通流缺失数据.     

基于区间相离度及GIOWA算子的区间型组合预测方法

为了提高区间数的预测精度,以预测精度作为诱导值,区间相离度作为最优准则,通过广义诱导有序加权平均(generalized induced ordered weighted averaging,GIOWA)算子集结数据,提出了一种基于区间相离度及GIOWA算子的区间型组合预测方法.实例验证表明,该方法的预测精度优于各单项预测方法.通过对参数进行灵敏度分析,得到参数变化对组合预测最优解及预测精度的影响.     

城市主干路拥挤路段基于地点交通参数的行程速度估计

以提高基于地点交通参数估计主干路拥挤交通流平均行程速度的精度为目标,通过分析信号控制主干路的交通流特性及地点交通参数与平均行程速度之间的相关关系,以路段下游停车线前的截面平均速度为基础,提出了城市主干路拥挤交通流路段平均行程速度的3种估计模型,并采用仿真手段进行了对比分析。结果表明,所提出的全状态行程速度估计模型明显优于对比方法,所提出的两种分状态平均行程速度估计模型可以进一步改善全状态模型的估计效果,尤其是基于模比系数的分状态估计模型可显著提高拥挤条件下的行程速度估计精度。     

结构全局失效概率函数估计的自适应增强线抽样方法

针对结构可靠性分析和设计中参数失效概率函数的求解难题，提出一种自适应增强线抽样的失效概率函数全局估计方法。所提方法通过一种自适应策略在设计参数空间特定值处，运用增强线抽样方法得到一系列局部失效概率函数估计；提出基于变异系数最小的最优组合算法，将各局部失效概率函数估计融合成全局的失效概率函数估计。所提方法与已有方法相比，进一步提高了失效概率函数估计的精度和效率。通过给出数值和工程算例说明所提方法适用性及在分析计算精度和效率上的优越性。     

动态交通分配模型

本文介绍了动态交通分配模型的研究现状,将基于分流率的静态交通分配模型推广到动态,建立了以路段分流率为控制变量的动态系统最优交通分配模型,同时分析出该模型的必要条件;之后建立了以有向路段流入率和流出率为控制变量的动态用户最优交通分配模型,分析了模型的最优性条件,并从理论上严格证明了所给模型的最优解所对应的交通流形态与动态用户最优相符合。     

基于多属性TOPSIS决策的交通网络路段重要度计算

根据路网中路段自身的物理特征和交通流变化特性以及路段与周围邻接路段交通流相互影响程度,提出了基于多决策变量和层次-熵权TOPSIS理论的路段重要度计算方法。首先在综合考虑路段静态物理属性和动态交通需求的基础上,结合时空相关系数量化路段与周边邻接路段交通流影响程度构建了多属性决策指标;其次利用层次-熵权法的主客观赋权优势和TOPSIS模型的处理"小样本"优点,建立了基于层次-熵权TOPSIS多属性决策的路段重要度测算模型,并提出了基于变异SI模型的交通路段影响力验证方法;最后通过实例分析表明,考虑交通流变化及影响特性的层次-熵权TOPSIS法在平峰和高峰时段都能准确识别交通网络路段重要程度,且与其他方法相比测算精度更高。     

概念性水文模型参数多目标率定及参数组合预报

针对概念性水文模型参数优化率定问题,考虑流域水文系统不同产汇流特性,提出一种多目标文化自适应仿电磁学算法（multi-objective cultural self-adaptive electromagnetism-like mechanism, MOCSEM）,并基于MOCSEM的优化结果,提出了一种简便的自识别参数组合预报方法。该算法采用仿电磁学算法实现可行解集的进化,并置于文化进化的框架中,根据水文模型参数优化率定问题的特点构建了信息空间,并引入了基于个体聚集密度的信息空间更新方法,保证了非劣方案的多样性;同时,加入一种自适应的扰动因子对算法的局部随机搜索操作进行修正,改善了算法的全局寻优能力。在此基础上,将MOCSEM算法应用于概念性水文模型——新安江模型的参数多目标优化率定,与MOSCDE算法进行对比分析,应用本文提出的自识别参数组合预报方法,尝试找到一种能权衡流域水文系统不同水文特性的自识别参数组合方式,可以为水文预报人员提供更为精确的流域径流预报方法。     

基于蚁群算法的交通控制降阶滚动优化

为解决大规模区域交通控制滚动优化问题中的约束条件复杂、解空间规模庞大的最优化难题，提出了一种基于改进蚁群算法的降阶滚动优化算法.基于宏观交通流模型建立了区域交通控制滚动优化模型，在蚁群算法中设计了层状解构造图对该模型解空间进行描述和求解.运用降阶方法将大规模区域分解成一系列子区域，在蚁群算法中设计了复合层状解构造图对该降阶模型的解空间进行描述和求解，并分析了基于两种解构造图的蚁群算法的计算复杂度.分析和仿真结果表明，该降阶算法提高了整体计算效率，明显地降低了总停车延误时间，适用于大规模区域交通控制的滚动优化.     

快速路交通流分布参数系统的模糊PI边界控制方法

基于快速路交通流分布参数系统模型,利用模糊逻辑整定PI控制器参数,提出了一种入口匝道模糊自整定PI边界控制方法。该方法可同时利用快速路交通流各个路段在时间和空间上的反馈信息,且其控制器参数可在线调整。仿真研究结果进一步说明了所提出方法的有效性和适用性。