动态公交车辆运行时间预测模型

准确预测公交车运行时间是先进的出行者信息系统(ATIS)的核心.本文应用支持向量机(SVM)进行公交车辆的运行时间预测,其目的是要验证SVM在运行时间预测领域的可行性.为了调整不同阶段历史数据对预测结果的影响引入了衰减因子,并应用一种自适应算法采动态调整预测误差.然后以大连市23路公交车对该模型进行来了检验.结果显示,带有衰减因子和自适应算法的支持向量机算法具有很好的预测精度和动态性能.     

基于路径运行时间可靠度的随机系统最优拥挤收费模型

应用交通网络平衡模型和边际成本收费理论相结合的方法,研究了运行时间可靠度下的随机系统最优拥挤收费问题,建立了运行时间可靠度及内生ATIS市场渗透率条件下随机系统最优交通拥挤收费模型.分析了基于运行时间可靠度下的随机系统最优拥挤收费对用户出行行为的影响.发现了与确定性网络用户平衡流中的情形类似,对于考虑运行时间可靠度下的随机交通网络,边际成本收费理论仍然适用,即采用边际社会成本流函数代替单位路段成本流函数,可以使随机网络随机用户平衡流变为随机网络随机系统最优流.算例分析结果表明:在传统的拥挤收费模型中,拥挤收费仅与路径(路段)运行时间和路径(路段)流量有关.现实中,在确定他们的出行路线时,用户往往还会考虑网络运行时间可靠度因素,而不仅仅是路径运行时间或成本.用户对于运行时间可靠度的置信度要求越高,传统的拥挤收费执行效果越不理想.因此,现实生活中传统的拥挤收费不一定能使网络效益达到最优或缓解交通拥挤.     

SOFC的支持向量机(SVM)辨识建模

为了便于固体氧化物燃料电池(SOFC)的性能预测和控制方案设计,提出一种基于支持向量机(SVM)的建模方法,用具有RBF核函数的SVM建立了SOFC电池堆的非线性模型.应用仿真对所建SVM模型的有效性和精度进行了检验,并与BPNN模型的辨识效果进行了比较.仿真结果证明与BPNN模型相比,SVM模型具有较高的建模精度.该SVM辨识模型的建立,对SOFC系统的控制策略研究具有一定的实用价值.     

ATIS环境下动态选择模型的研究

建立了一种ATIS环境下的动态选择模型。该模型考虑出行者采用贝叶斯方法根据ATIS提供的交通信息和出行经验来更新路径运行时间预测（意识），并运用意识运行时间效用函数作出出行选择计划。该模型适用于模拟信息化条件下的动态选择行为。     

峰值识别的SVM模型及在时用水量预测中的应用

提出了一种峰值识别理论及相应改进的SVM模型.该模型在结构风险最小化准则的目标函数中加大峰值误差的权重,并结合杭州市时用水量预测实践结果,其能很大提高对峰值用水量的预测精度.模型还把时用水量序列分为参数优化集和训练预测集,以对参数C、γ优化选取.     

基于集成预测的均值-方差-熵的模糊投资组合选择

通过基于集成预测的方法构建模糊投资组合, 代表性地选择了遗传神经网络模型、 多因素SVM回归模型和ARIMA时间序列模型作为组合预测中的单一模型, 并将单一模型预测结果作为模糊变量进行投资组合优化, 实证结果表明基于集成预测的均值 -方差-熵的投资组合相比其他组合收益率更高, 相对风险更低. 该方法可以用于投资基金管理、 金融风险管理等实际工作中,以便提高决策的科学性.     

基于最小二乘支持向量机的交通安全预测模型

分析了最小二乘支持向量机(LS-SVM)在交通安全预测中的优势,确定输入向量集合和输出向量集合,利用LS-SVM建立交通安全预测模型.将1953～2006年全国交通安全相关数据分为训练集和测试集,利用Matlab 7.0进行仿真测试.通过训练LS-SVM得到模型具体参数值,然后对测试集数据进行预测,计算预测误差,并与神经网络模型、SVM模型预测结果进行对比.仿真结果表明,基于LS-SVM建立的交通安全预测模型比神经网络预测模型、SVM模型具有更高的运算速度和预测精确度.     

基于SVM的脑中风分型诊断模型的优化研究

SVM具有优良的学习能力和泛化能力,在应用SVM解决实际问题时,必须对其进行寻优,找到最合适的SVM模型.基于支持向量机模型算法,针对特征选择和核函数及参数选择单独优化的缺陷,提出了将特征选择和核函数及参数选择联合进行的优化方法.仿真实验结果表明,采用联合优化后的模型进行脑中风的预测诊断,准确率达94.3%.与单独优化相比,不仅提高了分类性能,而且缩短了模型的判别时间.     

基于流形学习的多核SVM财务预警方法研究

在进行财务困境预测时, 为了客观全面地反映企业的财务状况, 纳入较多的预警指标, 数据集维度将变得很大, 传统方法求解此类问题效果并不理想. 流形学习处理高维数据具有较好的降维效果,多核SVM对于分布不平坦的数据具有很好的分类性能. 基于此, 提出了“流形学习+多核SVM”的混合算法财务预警模型, 该模型适用于具有大量指标集的财务预警. 实验结果表明, 与传统预警方法相对比, 其具有更优的预测性能.     

高速公路路段费用的卡尔曼滤波预测

在交通流动力系统的基础上，提出高速公路路段费用的卡尔曼滤波预测模型，研究高速公路路段费用空间递推规律。该模型具有较好的预测精度和实时性。     

基于IC卡数据的老年人公交出行行为

公交是城市老年人主要的出行方式。为研究老年人公交出行行为选择,引导老年人错峰和合理出行,提高公交运营效率,基于长沙市公交IC(Intergrated circuit)卡刷卡数据,分析了老年出行者高峰出行和无谓出行的状况。采用MNP(Multinominal Probit)模型和MNL(Multinominal Logit)模型,以一种新视角构建了老年人公交出发时间和出行次数选择模型,按照出行日期不同分别进行模型参数标定。结果表明:卡片类型、年龄、优惠程度、消费金额对出发时间和出行次数有显著影响,不同年龄段的高峰出行和无谓出行存在差异,且MNL模型的拟合精度度更高,能为解决老年人高峰出行和无谓出行提供指导。     

考虑到达时间感知价值的静态网络均衡模型

实际到达时间的大小直接影响出行感受,从而影响出行者的路径决策.在一个出行时间不确定的网络中,路径的实际到达时间也是不确定的,以偏好到达时间为分界点,本文对实际到达时间所处的可能区域进行了划分,在累积前景理论框架下建立了到达时间感知价值函数,在此基础上假设累积感知价值是由出行收益、出行负效用和到达时间感知价值三部分构成,构建了一个基于累积感知价值的静态网络均衡模型,探讨了均衡解的存在性和唯一性并设计了求解算法.最后,通过两个数值算例分析了模型参数改变对均衡结果的影响.     

基于城市公交探测车数据的分析和处理方法

将智能公交系统的智能车辆作为交通移动采集的一种方式,详细分析了智能公交系统的数据流程及公交车作为交通探测车的可行性,随后本文根据公交探测车GPS数据的时域图和“时间—距离”图分析了公交车的运行状态,并详细推导了基于公交探测车数据的行程时间估计算法。     

基于活动的瓶颈模型:公交枢纽晚高峰居民通勤研究

如何快速消除公交枢纽瓶颈的制约,是居民通勤的老大难问题.本文结合瓶颈模型与基于活动的方法来研究公交枢纽晚高峰居民通勤行为,以解决通勤者在其活动和出行之间的时间分配问题.以瓶颈模型为基础,考虑公交内部拥挤,将出行行为与活动相关联.通过引入公交内部拥挤成本,根据不同的效用函数选择出发时间,建立了动态出行均衡模型.并由此得出均衡条件下的相关性质,来解释晚高峰通勤者在瓶颈入口前排队的交通现象.研究发现,与传统瓶颈模型相比,基于活动瓶颈模型乘客动态更加丰富,出发时间选择更为复杂.算例结果表明,通勤者对公交车内部拥挤的敏感度越高,越会尽量地避开高峰出行.为了使净效用更大,通勤者会选择在工作地滞留较长时间,晚高峰时段推迟.     

多模式交通网络税费政策评价模型

为了实现节能减排,政府改革了燃油税并出台了车船税政策,以鼓励使用低能耗的小排量汽车. 为了科学评价这两种税费政策的实施效果,面向包含小汽车和公交车组成的多方式交通网络,利用网络均衡原理和变分不等式理论,构建了等价的多用户、多准则均衡变分不等式（Ⅵ）模型,设计了求解该模型的启发式算法,并进行了算例验证. 利用所建立的模型分别研究了燃油税和车船税对交通网络的成本-收益影响、公交出行分担率以及对不同排量汽车用户公平性的影响问题. 研究表明：提高燃油税和车船税的税率,虽然有可能减少交通网络的整体收益,但能提高公交分担率,其中车船税对公交分担率边际增加作用递减;而不同的税率将在出行成本方面影响出行者的公平性.     

城市轨道交通动态客流分配仿真方法研究

根据轨道交通网络存在大量换乘路径的特点,改进深度优先搜索算法得出站点间换乘路径的有效出行时间.基于自动票务收集系统(automatic fare collection system,AFC)数据得到的乘客进出闸机时刻,利用仿真方法确定乘客与列车在时间和路径的接续关系,同时考虑始发乘客和换乘乘客路径选择行为的差异,将二者...     

竞争交通系统中异质性用户的出行方式选择

在一个地铁公交与道路驾车两种出行方式并存且竞争的交通系统中,出行者按照时间价值、早到与晚到惩罚的差异被分成两组,地铁可以按边际成本或者平均成本确定票价,道路可以不收通行费或者以道路系统最优化原则收费.我们研究不同收费策略组合下的交通方式选择问题,并利用算例分析了出行需求及其构成对交通方式选择和个人出行成本的影响.     

BRT车站组停靠线路组合优化问题的建模、求解与仿真

针对国内外许多城市的BRT专用道仅有1个车道、车辆进站排队容易造成通道阻塞的情况, 首先以最小化排队概率为目标, 推导出车站组的停靠线路组合优化模型, 然后定义上游交叉口的累积效应系数以使模型适应车辆间歇性批量到站的情况, 随后针对模型的求解, 给出了一种n进制数编码的新的遗传算法. 算例以广州市某典型BRT车站组为例进行停靠线路配置优化, 并利用VISSIM软件对原始方案及优化方案进行多次仿真和对比, 结果表明所提出的方法能有效地缓解公交车辆的进站排队现象, 并降低泊位占有率, 减少停车次数和行程时间.     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

基于简化路网模型的卡尔曼滤波多步行程时间预测方法

针对目前多步行程时间预测方法研究较少,存在未来一段时间内的观测值不能及时得到的问题,提出基于简化路网模型的卡尔曼滤波多步行程时间预测模型和算法.综合运用上游路段、当前路段的实时和历史行程时间数据,从历史数据中寻找与当前日期交通状况最接近的历史日期,解决卡尔曼滤波未来一段时间内没有观测值而无法进行多步预测的问题.实验表明,算法能够合理地预测未来几个时段的路段行程时间,有效地避免了时滞性.同时,多步行程时间预测算法的精度高(尤其是4步以内,均等系数达到0.9以上), 是一种可行的预测方法.