树形异构网格的启发任务调度算法

讨论了在网格资源计算能力和网络通信速度异构的树形网格环境下任务调度问题,导出了线性方程并且根据调度任务大小进行了模型的优化,提出一个基于线性规划的任务分配启发式算法。实验结果表明:在异构树形计算网格环境下实现任务调度时,该算法的性能明显优于其他算法。     

智能决策支持系统结构设计方法探讨

决策是一个组织为实现其一定的决策目标，从各种可能采取的行动方案中，选择一种最优或满意的方案的过程。A．Simon在论述决策过程模型时指出：决策过程需要经历情报、设计、选择和评价四个主要阶段。面对日益错综复杂的决策问题，人们不断地寻求各种用于辅助管理决策的工具，如50年代产生的电子数据处理系统(EDPS)，60年代出现的管理信息系统(MIS)，70年代提出的决策支持系统(DSS)。近年来关于智能决策支持系统(IDSS）的研究引起了专家们的关注。     

基于出行模式的注意力机制可解释性探索

为了探索深度注意力模型在地铁出行预测任务中的可解释性,提出基于出行模式的注意力权重擦除方法和可解释性评估框架。利用提出的地铁出行深度注意力框架搭建预测模型,使用广州地铁羊城通数据构造三种不同长度出行序列数据集进行模型训练和验证,达到70%以上准确率;通过单一出行模式的注意力权重擦除实验发现,擦除最大注意力权重的出行模式比随机模式更能显著地影响模型预测结果,但大多数样本不发生预测结果的变化。即注意力机制在该条件下提供的可解释性信息是有限的,且该信息量随着序列长度增加而减小;通过一组出行模式注意力权重擦除实验结果表明,按注意力权重降序擦除能最快使模型预测结果发生变化,并且模型能稳定地对重要的出行模式的出行记录分配注意力权重,即注意力机制在该条件下较好地提供了可解释性信息,且该信息量随着序列长度增加而增大。     

基于时间占有率的短时交通预测模型

针对现有的交通预测模型大多以交通量为变量,而交通量作为二值函数,无法有效地判断道路交通是否处于交通顺畅或拥挤状态,采用时间占有率这一单值变量,建立了基于ARIMA(p,d,q)时间序列结构的短时交通预测模型。在建模过程中,以非参数检验法判定序列平稳性,AIC准则确定模型结构,最小二乘算法(LS)估计参数。以城市中心商务区交叉口为实例,对一个信号控制周期的占有率实测值进行预测分析。结果表明,时间占有率比仅仅用交通量更能描述交叉口的实际情况,且算法简单,精度高,适合于交通控制和信息诱导系统的实时在线预测。     

改进交通流元胞机模型及其安全距离参数分析

提出了适用于城市交通的改进元胞机模型（CA）.该模型基于交通流颗粒行为的微观学习,模型中个体均遵循基于实际交通流运动机理的规则,可较快并有效地再现实际的交通流现象.模型同时考虑了车辆的慢启动效应,此外,考虑到驾驶员的技术、胆略及道路服务水平的差异,在相关的减速规则中引入了一个安全距离参数,并仿真得到了该参数不同取值时的流量密度曲线.最后,根据广州某CBD道路交通流数据的散点分布图,分析了实际道路条件下安全距离参数的合适取值.     

地铁消防安全性能化评估

结合地铁内行人紧急疏散的交通特性,针对地铁火灾的危险性及其特点,利用性能化评估方法对地铁消防安全进行分析,再利用Legion软件模拟火灾情况下人员疏散,用安全疏散容量和人员疏散时间两个指标对地铁消防安全进行性能化评估。以某双层地铁站为例,设定火灾发生在列车上的场景,计算可知闸机容量最小,为地铁站的安全疏散容量。闸机应为地铁站消防安全设计的重点部位。