车内路线诱导系统行程时间检测误差计算模型

车内路线诱导系统行程时间检测误差计算模型陈建阳行程时间是车内路线诱导系统产生诱导策略的重要参数．根据车内路线诱导系统检测和计算行程时间的过程，分析了行程时间误差产生的三种主要原因：即样本特征差异、时变特征以及时间滞后，并建立了时变特征误差、样本特征误...     

行程时间误差对交通诱导信息系统效益的影响

时间误差是影响交通诱导信息系统效益的重要因素这一，文中使用前后对比法建立了系统效益与行程时间误差的关系概率模型，并针对不同系统初始状态，不同诱导控制策略以及不同诱导车辆，比较分析比较了系统效益的变化，在此基础上提出了既可保证系统效益，又能提高系统可信度的容错诱导控制策略。     

时间误差对恒星视位置计算的影响分析

一般计算恒星视位置时需要精确的时间信息,对时间误差对于恒星视位置的影响研究相对较少。考虑到计算恒星视位置需要进行各种修正,这里依次研究了时间误差对岁差改正、自行改正、章动改正、视差改正和光行差改正模型的影响,通过综合分析得出时间误差对恒星视位置经纬度计算带来的影响,通过实验数据对时间误差带来的影响进行了论证,数据分析表明当时间误差值小于10min时,恒星视位置的经度计算误差要小于10-3",而纬度计算误差要小于10-4"的数量级,在不影响解算精度的情况下,将大大的降低对于时间精度的要求。     

车内声品质主客观评价模型对比分析

为了研究轿车理想的车内声品质主客观评价模型,采集某轿车在时速为60 km·h~(-1)时,车内播放不同音乐时的驾驶员双耳噪声样本.对声样本进行剪辑、等响及分频段等预处理,基于成对比较法进行车内声品质主观评价试验、客观参量计算并建立了多元线性回归、BP神经网络和径向基函数(RBF)3种评价模型.评价模型的预测效果表明:多元线性回归评价模型各个频段的误差较大,稳定性较差,车内声品质的评价为非线性过程;BP神经网络预测模型整体频段的误差最小,频率为160~1 280 Hz时的误差较大,相比多元线性回归模型误差进一步缩小,但距理想的预测效果还有一定的距离;基于径向基函数评价模型误差基本能控制在20%以内,且稳定性较高,能够较好地预测此试验工况下的声品质.     

时间误差对恒星视位置计算的影响

一般计算恒星视位置时需要精确的时间信息,对时间误差对于恒星视位置的影响研究相对较少。考虑到计算恒星视位置需要进行各种修正,这里依次研究了时间误差对岁差改正、自行改正、章动改正、视差改正和光行差改正模型的影响。通过综合分析得出时间误差对恒星视位置经纬度计算带来的影响,通过实验数据对时间误差带来的影响进行了论证,数据分析表明当时间误差值小于10 min时,恒星视位置的经度计算误差要小于10~(-3″);而纬度计算误差要小于10~(-4″)的数量级,在不影响解算精度的情况下,将大幅降低对于时间精度的要求。     

财产保险收入的动态预测

为克服目前保险业发展未来预测方法中，用非时变参数模型预测时变参数系统的状态造成的较大的预测误差，将时间序列分析与数理统计分析相结合，设计了新的动态预测模型，并获得了相对于传统的预测方法较高的预测精度。该模型为与保险业相似行业的发展预测提供了新思路。     

基于SV模型的行程时间预测

行程时间的波动性分析及预测是道路交通网络研究的重要内容,为有效预测出行者行程时间,本文基于实际路段行程时间数据构建随机波动率模型,利用马尔科夫链蒙特卡洛方法求解模型参数,使用标准随机波动率(SV-N)模型和厚尾随机波动率(SV-T)模型对行程时间进行预测。结果表明:在刻画对路段行程时间波动率特征的效果上,厚尾随机波动率模型优于标准随机波动率模型;在行程时间预测上,厚尾随机波动率模型更能准确地进行实时预测。本文方法对行程时间预测具有实时性,可对实际路段行程时间进行在线预测及对交通出行者的路线规划提供理论依据。     

浅谈BP神经网络预测模型

行程时间预测是交通流诱导系统研究的一项重要内容。本文分析了各种预测方法和几种预测途径，给出了建立BP预测模型的关键因素，总结了BP神经网络预测的优缺点。     

一类线性时变系统模型参考自适应迭代学习辨识

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应辨识方法与迭代学习相结合,提出了模型参考自适应迭代学习的参数辨识算法。利用模型参考自适应辨识方法得到时变系统参数辨识结构,针对系统可重复的特点,基于Lyapunov方法得到时变参数的迭代学习律。该算法可以辨识快时变的参数,而不需要参数时变结构的信息,并可保证参数估计误差和模型输出误差有界,且沿迭代轴逐点收敛。分析了参数收敛到真值的条件,系统仿真验证了辨识算法的有效性。     

一种连续系统辨识方法及其在飞控规律辨识中的应用

针对某型飞机控制系统的规律辨识问题，对文献[2,3]提出的连续系统辨识方法进行了改进，给出了该方法可以适用的辨识对象的一般模型，同时通过对误差模型和极小化指标的改进，把原方法推广至时变参数辨识领域。数值仿真结果表明该方法成功的解决了该飞控系统的辨识问题。该方法还很容易推广到一类具有相同特征的线性，非线性，时变或时不变的参数辨识中。     

诱导信息下驾驶员路径选择行为建模研究

为定量分析可变信息标志(VMS)对驾驶员路径选择行为的影响,采用SP调查进行调研,使用SPSS 20.0分析数据,建立了VMS诱导信息下驾驶员改变路径频率的有序多分类Logit模型。同时针对有重叠路段的路径选择,构建了考虑VMS显示状态的C-Logit模型。有序多分类Logit模型计算结果表明,影响驾驶员改变路径频率的主要影响因素为性别、学历、车辆类型、出行活动、VMS准确率。C-Logit模型计算结果表明,驾驶员对路径的理解时间与实际行驶时间存在较大差距,导致驾驶员选择路径比较集中,没能实现交通流在路网中的合理分配。     

考虑公交车内拥挤的区间公交优化设计

为满足公交客流走廊集聚的需求,研究了全程车和区间车形成的多服务模式公交优化设计问题.针对公交走廊需求特征,利用公交客流起止点(OD)数据,建立了双层优化模型,上层模型以发车频率和公交座位数为主要输出参数的公交设计研究模型,下层模型为经典的随机选择(SUE)模型,应用序列二次规划(SQP)算法求解模型.最后结合相关案例给出了优化算例,案例结果表明,模型具有较强的实用性,能够较好地反映公交车内拥挤对乘客出行成本的影响,能有效地提高公交走廊的运营效率.同时,模型通过输出不同站点上车在各站点能找到座位的概率,优化乘客选择不同公交出行的行为,均衡了公交客流,提高了车辆服务质量.     

基于时变神经网络的迭代学习辨识算法

为了实现在有限时间区间上可重复运行的离散时变非线性系统辨识,给出基于时变神经网络的迭代学习辨识算法.对于每一个固定时刻,以该时刻的神经网络逼近该时刻系统输入输出间的映射关系,提出了在同一时刻沿迭代轴训练网络权值的带死区迭代学习最小二乘算法,为防止收敛速度下降过快,进一步提出了协方差阵可重调的改进算法.所提算法有较快的收敛速度,且时变神经网络对非线性时变系统的辨识精度也较高.     

两种模型在滚齿机传动误差中预报精度的比较

通过计算机模拟误差补偿,从计算预报误差的时间和精度上对两种模型作了比较。指出滚齿机展成链传动误差预报模型应该是时变参数模型,并提出了提高时变参数模型的预报速度,以便实现误差补偿与控制的措施,得到的结论对传动误差的补偿与控制有实际意义。     

基于GIS和GPS的交通状态参数估计与仿真模型

基于“大样本,长周期”条件(大样本指车辆数5 000~50 000,长周期指GPS位置传送间隔2~5 min),探讨了在GIS环境下用仿真出租车GPS信息来估计和推算行程时间参数,包括建立参数估计模型、基于GIS的仿真、采用Householder变换解算大规模矩阵;最后将通过仿真系统模拟获得的解算结果数据,与最初给每条路段预设的等级而确定的每条路段上行驶的时间相比较,实验表明达到预期效果,验证了模型和方法的有效性.     

时变路网下多配送中心多车型联合配送研究

随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,本文主要构建基于时变速度多配送中心多车型联合配送模型,并设计基于禁忌搜索求解算法,论文收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证,通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,算法能够应用于北京这种特大城市的公铁联运城市配送方案中。     

基于旅行时间分析的城轨乘客路径集验证方法

城市轨道交通乘客出行路径集是否正确,是乘客路径选择估计以及网络客流分布计算的前提和基础.从现有客流分布模型中有效路径选择集问题及OD实际旅行时间聚类特征出发,引入Rodriguez-Laio快速聚类算法,提出基于旅行时间聚类分析的城市轨道交通乘客路径集验证方法.以北京地铁网络为例进行算例分析,结果表明,该方法可以在全网络范围内对路径选择集问题OD作出快速识别及滚动验证,并为以原因分析为导向的现场客流调查与模型修正工作提供重要参考.     

基于双耦合驱动模型的时空混沌流密码系统

为提高时空混沌流密码系统的抗误码能力,该文研究了这一系统的误码扩散特性,得到驱动序列中多个误码的扩散范围与系统参数的关系。提出一种基于双耦合驱动模型的时空混沌流密码系统,利用相互耦合的混沌系统生成驱动序列,并在接收端进行误码检测处理,对模型结构、误码检测、误码处理作了详细的设计,达到提高系统抗误码能力的目的。理论分析和仿真结果表明,该文提出的双耦合驱动模型可以显著地提高时空混沌流密码系统的抗误码能力。     

饱和度导行控制及其方法研究

分析了交叉口饱和度变化对路段行程时间和交叉口延误时间产生影响的灵敏性 ,在实现SO/UE(系统最优 /用户均衡 )混合均衡模式的系统目标时 ,确立路网中交叉口饱和度为导行控制依据 .建立了以饱和度为导行依据的导行方法 ,给出了导行路线优化流程图 .在非拥挤状态下 ,建议实施多路线导行 ,以均衡路网交通需求 .在拥挤 /交通异常存在状态下则实施饱和度导行策略 ,并对饱和度导行方法中的控制变量进行了分析说明 .