基于离散时间马尔科夫链的主干道出行时间估计模型

出行时间是评估交通系统运行效率与实施信息诱导的重要依据。在现有研究成果的基础之上,利用视频检测器采集的瞬时车速数据和信号配时数据作为模型的输入数据,应用离散时间马尔科夫链的方法,建立主干道出行时间的估计模型。该模型利用瞬时车速与平均车速的转化关系,估计平均车速,进而估计路段的出行时间;并以平均行程速度的阈值界定路段的拥堵与畅通情况,将各路段是否拥堵定义为主干道系统的状态,构造一个无记忆性的马尔科夫随机过程。最后,将模型应用于江苏省淮安市某主干道上,在交通高峰段与非高峰段,对模型的准确性与有效性进行验证。结果表明,模型的结果具有较高的估计精度。     

区域交通网络行程时间估计的半Markov链模型

利用模糊聚类分析及典型判别方法,将区域交通网络单元路段的状态划分为3类,考虑到各类交通状态下拥挤效应的异同,对各状态下的瞬时行程时间函数进行了标定。然后,对区域交通网络的状态进行了定义,应用半Markov链随机过程理论,分析了给定时间段内某区域交通网络各种状态的随机变化规律,计算了各种状态出现的极限概率。最后,结合各状态下网络单元路段的瞬时行程时间函数,给出了给定时间段内的区域交通网络行程时间估计方法。将模型估计得到的行程时间与实测行程时间进行了对比,利用t检验法对估计结果进行了检验,检验结果表明,在显著性水平α=0.05的条件下,估计平均行程时间与实测行程时间均值没有显著性差异。     

基于卡尔曼滤波的动态OD矩阵估计

建立了动态OD矩阵估计的状态空间模型,通过对路段车流量和行程时间的检测以估计时变的OD数据,并对其中关键的分配矩阵给出了解析的计算公式.采用扩大状态变量的卡尔曼滤波,得到了OD估计的实时递推算法.仿真实验表明算法非常有效.     

基于模糊神经网络的实时路段行程时间估计

基于对我国城市交通流的物性分析 ,提出了一种基于模糊神经网络的实时路段行程时间估计模型 ,用于将来自于交通控制中心的实时交通数据转换成为能够反映路段实时运行状况的直观参数 :路段行程时间 ,从而为交通流诱导服务 .这种方法用具有更高智能的神经网络实现了对抽象模糊规则的自动纠错的记忆 ,符合人类认识的模式 ,能令人满意地表达经验知识 ,而且模糊输入输出关系具有了明确的表达能力 .     

资源依赖区域城市生态效率时空演变研究——以黑龙江省为例

基于黑龙江省12城市2006～2017年的面板数据,应用三阶段SBM模型测算出生态效率,并运用空间自相关方法、构建传统和空间马尔科夫链概率矩阵,分析了黑龙江省生态效率的空间相关性、随时间和空间演变规律。研究发现,哈尔滨、大庆和绥化的生态效率排名一直居前,衰退型资源型城市排名垫底,存在生态效率低水平陷阱。城市间生态效率差异性较稳定,自2014年以后差异性逐步减小。12城市形成了生态效率三大梯度城市群,呈现出空间集聚特征。时空演变规律体现为:生态效率存在趋同俱乐部现象、具有路径依赖性、具有正向累积效应、难以实现跨越性改变、存在地理邻近效应和空间溢出效应。     

基于改进个性诊断和热门路段的路况估计

个性诊断(Personality Diagnosis,PD)算法只适合应用于离散型空间,应用到连续型空间时需要先进行离散化处理,导致其应用范围受限。对个性诊断算法进行改进,并应用到实时路况估计中,提出基于连续型的个性诊断和热门路段的路况估计模型(Improved Personality Diagnosis and Popular Road Model,IPDPR)。首先根据数据覆盖率提取高覆盖率路段作为基准个性类型;然后判别路网中所有路段的类型,即计算相似性概率;接着根据相似性概率获得缺失项的取值概率分布;最后计算概率最大值作为估计值。实验结果表明,本文所提IPDPR模型估计误差比概率主成分分析(Probabilistic Principal component analysis,PPCA)算法小53.88%,比滑动平均法小11.47%.     

基于Copula函数的组合资产条件相依性模型及其应用

条件概率分布常用来研究马尔科夫序列相依模型的构建.组合资产的相依结构受多方面的影响,资产之间的同期相依与单个资产时间上的短期相依是组合资产两类主要的相依关系. 结合条件概率的理论,考虑组合资产之间的同期相依与时间上的短期相依两类关系,建立基于Copula函数相依关系模型研究了沪深股市指数收益率的相依结构.应用三阶段极大似然估计方法对模型的参数进行估计,应用χ²检验统计量对模型进行优度检验和模型的比较.研究结果表明:考虑了单个资产时间上短期相依关系的模型更适合描述沪深股市的相依结构.     

基于广义最小二乘模型的动态交通OD矩阵估计

基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.     

基于隐马尔科夫模型的中国股票信息探测

应用隐马尔科夫模型对不可观测的股票信息状态建模, 并构建信息状态转移概率矩阵刻画信息状态在时间维度上的动态关联性. 基于5分钟分时高频数据, 利用贝叶斯推断与马尔科夫链蒙特卡洛模拟(MCMC)的方法估计了上证指数、上证50样本股2010年 8月的信息状态与信息强度. 通过实证验证了模型具有较好的信息识别能力, 且发现了中国股票市场信息效应具有聚集性的特点. 通过信息状态转移概率矩阵, 推测出:在我国股票市场, 一个信息经过100分钟能融入市场的概率是99%.     

一类均值为跳跃-均值回复过程的利率模型

中国的基准利率为1年期储蓄存款利率,其变化规律和对市场利率的影响不同于西方市场的基准利率,需要新的利率模型来反映基准利率的影响.本文用泊松过程描述1年期储蓄存款利率调整的发生次数,用扩散过程描述该利率调整大小及其时间序列相关性,并假定1年期储蓄存款利率决定了1年期市场利率的均值水平.在仿射模型的框架下,利用随机贴现因子定价模型,建立包含基准利率的连续时间仿射类利率模型,并利用MCMC(马尔科夫链蒙特卡洛)方法对之进行实证分析.实证分析说明本文给出的利率模型较好地拟合了市场利率期限结构的变化,并揭示了把1年期储蓄存款利率作为状态变量可以显著提高模型对市场利率期限结构数据的拟合精度.     

基于颜色与空间距离的置信度传播立体匹配算法

立体匹配是计算机视觉领域的一个重要研究课题,为了得到准确、稠密的视差图,提出了一种基于颜色与空间距离的置信度传播立体匹配算法.该算法首先将立体匹配表示成马尔科夫随机场模型,然后利用置信度传播方法来解决马尔科夫随机场中的最大后验估计问题,以达到建立稠密视差图的目的.算法中利用了彩色图像的颜色与空间信息建立视差空间图,并使用削减的线性模型来定义视差图的平滑项.采用了标准测试图像进行了测试,结果表明算法具有很好的性能.     

行程时间不确定的城市公交网络设计模型与算法

常规公交网络设计中一般以平均行程时间作为路段的阻抗,实际上乘客路段行程时间应是平均行程时间和缓冲时间之和。本文采用线路行程时间的标准差来衡量线路的行程时间不确定性,使用行程时间偏差权重系数来代表乘客对于行程时间不确定性的不同的风险态度,构建了城市以乘客总出行时间最短与公交公司的运营成本最小化的公交网络优化模型。并使用贪婪算法构建初始解,将乘客需求最大的两个节点连接起来作为初始线路,采用蚁群算法对初始线路进行迭代改进,从而得到最优的公交网络,最后以一个小型的公交网络设计来验证该模型的有效性。     

基于元胞自动机的城市道路车道缩减区渐变段长度研究

通过对城市局部路段车道缩减现象的分析,得出车道缩减区渐变段长度对局部路段的通行能力有一定影响。本文首先将车道缩减的局部路段分成缩减前、缩减区、缩减后三个部分,设置车辆的状态检验规则,规则将车辆分成高速行驶、低速行驶、静止三种状态,对车道缩减区建立对称的同向双车道元胞自动机模型;运用MATLAB软件对模型求解,得出在不同路段长度下的通行能力,通过比较找到最优值,针对二车道缩减为一车道的道路缩减类型,得出当缩减前、后路段长度为30m,缩减区路段长度在100m～120m范围时,车道缩减区的道路通行能力是最优的;微观仿真结果表明,本模型优化得出的通行能力最优渐变段长度与仿真结果一致,验证了模型的可靠性。该方法可以为城市局部路段车道封闭区的道路长度设置提供理论依据,具有应用与实践价值。     

基于Petri网的城市交通控制混合系统模型

城市道路交通信号控制是典型的混合动态系统,既包含连续状态变量又包含离散状态变量.本文归纳研究了信号控制交叉口群的主要构成元素：交通信号控制、交叉口与道路路段,其中交通信号控制与交叉口两个元素属于离散事件动态系统（DEDS）,而道路路段交通流属于连续时间动态系统（CVDS）.然后,应用混合系统建模理论,分别构筑了交通信号控制的petri网模型、交叉口的petri网模型、道路路段交通流的连续系统模型,以及交叉口petri网模型与路段交通流模型之间的接口.该模型具有既能够进行交通控制信号优化与交通阻塞机理解析应用,又便于计算机软件实现的优点.     

涨落后的城市道路交通拥挤蒙特卡洛预测

阐述了城市道路交通系统涨落和触发的数学描述,建立出现涨落后城市道路交通系统的自组织过程动态数学模型;依据最大交通流导致路段最大饱和度原理将模型简化,并利用蒙特卡洛(MonteCarlo)方法,将模型应用于出现涨落后道路拥挤预测.     

风场的相关性对中期冲突探测可靠性的影响

为研究中期冲突探测问题,建立不同高度两机相遇的冲突场景,得到两机相对位置的随机差分方程,对研究区域进行网格离散化后,构造弱收敛于此微分方程的马尔科夫链。在考虑三种不同相关性模型条件下,求解该马尔科夫链,比较得到的未来数十分钟内的冲突概率图,分析相关性对冲突探测结果的影响,不同的相关函数,得到的冲突概率不同。选择合适的相关函数的对于中期冲突探测的可靠性是非常重要的。     

基于Kalman滤波的企业财务危机动态预警模型

基于Kalman滤波理论,考虑财务比率在时间序列上的趋势性和历史数据对结果的影响,构建了财务危机的动态预警模型。首先对动态系统的状态进行描述,建立目标的状态模型,该模型是以时间序列来描述的,此外还建立了财务危机预警的测量方程,利用状态空间法描述目标的状态和测量。然后对Kal-man滤波理论在财务危机预警中的适用性进行分析,利用Kalman滤波器对财务危机预警模型的状态进行Matlab程序计算。并且应用极大似然估计对模型进行参数辨识。采用英国和爱尔兰180家样本公司,5～10年时间序列的财务数据作实证研究,结果表明,由年度破产概率值输出的基于Kalman滤波的动态模型优于静态预测模型的新方法。     

城市道路网络的行程时间可靠性

针对现有城市信号控制路网可靠度计算模型难以实用的缺陷,放弃对实时OD矩阵进行交通分配,以路网的各交叉口的真实流量和信号配时为基础,直接估计各个OD对之间的实时的行程时间及其可靠度.然后将城市道路网络视为多功能系统,根据可靠性理论中通用的多功能系统可靠度计算方法,构建了动态路网系统行程时间可靠度估计的框架模型,实现城市路网可靠度的实时估计.由于无须引入难以获取的动态OD矩阵数据,使得模型具有实用性.最后通过真实案例表明了模型的实用性.     

城市道路网络交通状态时空演化量化分析

为了使对城市道路网络交通状态的分析不至陷入交叉口或路段内部的交通状态分析,需从中观或宏观的角度去分析交通状态.本文在探讨路网状态特征参数的基础上,定义了"路段拥挤度"指标,通过建立城市交通网络模型,并基于浮动车(GPS)采集数据设计了路网交通拥堵时空演化量化分析的流程,采用"路段拥堵持续时间""区域行程时间延误"区域拥堵路段数量"三个时空参数对路网交通拥堵状态的时空演化进行了量化研究.最后结合上海市浮动车数据与实际交通网络,得出了交通拥堵的延误时间和空间范围与拥堵程度大小的关系等结论.     

基于虚拟失效序列样本的系统实时可靠性研究

针对一类不能获得足够数量的试验和现场使用数据的复杂系统,提出Monte Carlo(MC)实时可靠性估计方法.以系统部件失效时间序列作为样本空间,应用MC法仿真产生更多的虚拟样本,建立了虚拟样本序列下系统实时可靠性估计的一般框架,并研究了MC估计的期望和方差与先验信息之间的关系,得到了具有包含关系的信息条件下,基于较少先验信息的估计的方差不超过拥有更多先验信息的估计的方差.考虑所有部件失效时间序列和导致系统失效的部分部件失效时间序列的先验信息,分别导出了系统实时可靠性模型.最后,通过算例分析,验证了本文不同先验信息下可靠性模型的有效性和方法的合理性.