平交路口多相让自适应控制的实时OD递算模型

平面交叉口多相位自适应信号控制需要依据其进口道实时OD流量设置配时参数,以适应变化的交通需求．为此,笔者建立了描述平面交叉口动态交通需求的多变量动态线性模型及其递推算法．该模型基于交叉口进出口断面的流量观测数据,以进口道的分流概率矩阵为状态参数,利用贝叶斯预测方法,对时变OD矩阵进行联线估计．对一特定的T型交叉口交通状态的计算机仿真表明该模型和算法具有较好的精度,能用于交叉口多相位自适应信号控制．     

快速路通道动态OD流估计模型

基于快速路通道的主干道和匝道出入流量信息,提出了一个新的动态OD矩阵估计模型和在线估计算法.文中引入宏观交通流模型以计算旅行时间,并把模型参数也作为状态变量进行估计,相应增加了新的测量方程.该文构建了新的动态OD估计状态空间模型,采用了含有约束条件的Unscented kalman filter(UKF)算法,运用仿真数据进行评估,结果表明,即使在拥堵状况下,提出的模型和算法也能达到很好的精度.     

平交路口多相位自适应控制的实时OD递算模型

平面交叉口多相位自适应信号控制需要依据其进口道实进ＯＤ流量设置配时参数,以适应变化的交通需求,为此,笔者建立了描述平面交叉口动态产通需求的多变量动态线性模型及其递推算法。该模型基于交叉口进出口断面的流量观测数据,以进口道的分流概率矩阵为状态参数,利用贝叶斯预测方法,对时变ＯＤ矩阵进行联线估计。     

城市局域路网交通量与OD估计集成仿真方法

为利用有限的交通采集设备,实现全面掌握城市路网交通运行状况、快速有效制定管理措施的目的,提出了一种"封闭环"式检测线圈布设方式和城市局域路网交通量与OD矩阵估计方法.以交叉口转弯比例稳定性实证研究为基础,建立理论模型,并探讨路段分配流量和OD估计唯一性问题.采用蒙特卡罗法设计车辆转弯行为仿真模型,并提出了局域路网交通量与OD矩阵估计的集成仿真方法.实例研究结果表明,其在实际路网上有良好的适用性和可靠性,可为先进交通管理系统相关交通模型的建立和交通采集设备的布设提供依据.     

考虑交通流行驶时间的高速公路动态OD矩阵估计模型

在对高速公路的起-讫(OD)矩阵进行动态估计时,往往忽略了交通流在运行实际过程中运行时间和车队离散的现象.分析了这一问题对高速公路的OD估计的影响,并通过时空分析引入了交通流"时-空带"的概念,消除了同一股车流在道路下游出现的时间不同步性对于OD估计的不利影响.在上述分析基础上,采用最小二乘理论建立动态OD矩阵估计模型.数值算例表明,该估计模型能够有效地过滤交通流运行时间的影响,提高动态OD矩阵的估计精度,具有较强的实用性.     

基于车辆自动识别技术的动态OD矩阵估计新方法

根据车辆自动识别(automatic vehicle identification,AVI)技术检测的新信息,提出了利用AVI检测信息进行动态OD(origin-destination)矩阵估计的新方法.该方法以粒子滤波算法思想为基础,引入AVI检测的部分路径信息、动态行程时间信息以及检测器可测性判据,首先通过贝叶斯估计算法对路径缺失的车辆信息进行缺失路径范围确定和选择概率修正;然后利用蒙特卡洛随机仿真模拟任意车辆对缺失路径的选择,进而获得基于个体车辆部分路径的初始修复OD矩阵;最后运用AVI检测的流量信息校正初始修复OD矩阵,得到最终的OD矩阵估计值.以上海市南北高架快速路网为研究对象,分析了在不同AVI覆盖率和先验精度条件下的动态OD估计精度,结果表明在60％及以上的AVI覆盖率都能获取相当高的OD估计精度;即使在50％覆盖率和60％的先验精度条件下运用本方法进行OD估计,其平均相对误差仅为28.87％.同时本方法对OD先验信息的精度要求较低,能更好地满足我国目前OD基础数据精度不高的现实需求.     

基于车道级基础路网的微观交通仿真数据建模与应用研究

从满足微观交通仿真需求角度分析了仿真数据模型建模的要点,建立了包括基础路网模型、信号控制方案描述模型和交通需求模型在内的微观交通仿真数据模型。信号控制方案描述模型中,信号灯分配通行时权,信号灯组描述交叉口的通行规则。交通需求模型由交通小区和OD矩阵组成,交通小区定义OD矩阵的起终点,OD矩阵定义路网上的出行量。以VISSIM为例,研究该模型与微观交通仿真模型要素之间的对应关系,提取数据转换生成VISSIM仿真模型,论证了其用于数据提取和交换的可行性。     

一个基于统计方法的OD矩阵求解算法

在传统的OD矩阵估计模型的基础上,并在路段分配概率是随机变量这一假设的前提下,给出了一个统一的OD矩阵模型基本形式,针对该OD矩阵估计模型给出了一个基本求解算法--混合遗传算法.该算法是在传统的数学规划方法和遗传算法的基础之上给出的.同时通过算例的求解,分析了算法的优缺点.     

高速公路动态OD矩阵估计

基于广义最小二乘法模型,建立了一种高速路动态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矩阵。对任意估计时段的OD流,通过假定各车辆间的时头距均匀分布,且可按相同比例拉伸或压缩,得出了模型中关键的分配矩阵的解析算式。算法是一种递推的估计过程,仅需较少的先验信息。针对一个具有19个OD对的高速公路网,大量仿真实验表明,提出的方法对具有较大流量的OD对估计效果较好。     

基于云计算的公交OD矩阵构建方法

OD矩阵作为交通客流数据可视化的重要方法,是公交系统评价和优化的重要依据.提出了一种基于云计算的OD矩阵构建框架,在此框架下利用云计算优异的存取速度及计算性能,实现了对公交历史数据的筛选、预处理、变换、数据挖掘、解释评价等操作.此外,还提出一种综合了追踪乘客出行行为规律和估计站点热度的OD矩阵构建模型来实现对乘客下车站点较为精确的估计.算例分析表明,根据该模型计算得到的各站点下车人数结果能较好地拟合实际出行OD矩阵.     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型 对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已 实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数 矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率 矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模 型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据 的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方 差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现 协方差矩阵构造的有效前沿组合投资效果更佳。     

气体钻井地层出水定量预测模型研究

气体钻井地层出水定量准确预测是气体钻井可行性钻前论证的关键。目前,已有的出水量预测方法较少考虑气体钻井井底压差下地层渗流过程与地层应力变化的流固耦合作用对出水量的影响,在渗流力学和岩石力学的基础上,综合考虑地层渗流过程与岩石应力变化的流耦合作用对地层应力、孔隙度、渗透率以及孔隙压力的影响,建立气体钻井孔隙性地层和孔隙-裂缝性地层出水量预测动态流固耦合模型。结合工程实际,通过该模型计算得到气体钻井快速钻穿水层后出水量随时间的变化关系,计算结果与现场监测吻合。研究对于钻前准确预测出水量和筛选气体钻井层位具有重要意义。     

Dynamic prediction of building subsidence deformation with data-based mechanistic self-memory model

This paper describes a building subsidence deformation prediction model with the self-memorization principle.According to the non-linear specificity and monotonic growth characteristics of the time series of building subsidence deformation,a data-based mechanistic self-memory model considering randomness and dynamic features of building subsidence deformation is established based on the dynamic data retrieved method and the self-memorization equation.This model first deduces the differential equation of the building subsidence deformation system using the dynamic retrieved method,which treats the monitored time series data as particular solutions of the nonlinear dynamic system.Then,the differential equation is evolved into a difference-integral equation by the self-memory function to establish the self-memory model of dynamic system for predicting nonlinear building subsidence deformation.As the memory coefficients of the proposed model are calculated with historical data,which contain useful information for the prediction and overcome the shortcomings of the average prediction,the model can predict extreme values of a system and provide higher fitting precision and prediction accuracy than deterministic or random statistical prediction methods.The model was applied to subsidence deformation prediction of a building in Xi’an.It was shown that the model is valid and feasible in predicting building subsidence deformation with good accuracy.     

基于EKF的多MEMS传感器姿态测量系统

姿态信息是飞行控制中最关键的参数之一,因此姿态测量成为飞行控制系统首要解决的问题。利用多M EM S传感器研制了一种微型姿态测量系统。利用三轴M EM S加速度计和三轴M EM S陀螺数据,由方向余弦矩阵的姿态表示形式推导了扩展K a lm an滤波方程,解算出飞行器的俯仰角和横滚角;设计专家系统判断飞行器的运动状态,并根据该状态调整滤波算法中的测量噪声矩阵,使系统可同时满足静态情况和动态情况的使用;利用空速和高度数据对俯仰角进行修正,利用GPS解算航向角。将实验结果与国外最新的商用自动驾驶仪的姿态结果进行了比较,二者在静态情况下非常吻合,在动态情况下基本吻合。     

多传感器集中式观测融合Kalman滤波器快速算法

对多传感器线性离散时变随机系统,虽然基于Riccati方程的集中式观测融合Kalman滤波器算法可给出全局最优状态估计,但其缺点是要求计算高维逆矩阵,计算负担大。为了克服这个缺点,应用信息滤波原理,基于改进的Riccati方程,或逆预报误差方差阵方程,或逆滤波误差方差阵方程,提出了相应的全局最优集中式观测融合Kalman滤波器的三种快速算法,可避免高维逆矩阵,可明显减小计算负担,便于实时应用,一个数值仿真例子说明了它们的有效性。     

降雨遥感图像中道路积水深度报警测量方法研究

研究大范围降雨中道路积水深度的准确测量问题。由于不同区域的路况差别较大,降雨局部的不均匀分布也容易形成较大的差异,造成降水模型很难根据不同区域的差异进行动态调整,这就给传统的降水信号的准确传递带来了难度。造成不同区域的积水深度测控结构不准。为此,提出了一种基于最小二乘法的道路积水深度报警测量方法。在海量遥感图像中,利用最大熵方法提取与道路积水相关的图像,为道路积水深度报警测量提供基础数据。利用最小二乘法,进行道路积水深度报警测量。实验结果表明,这种算法提高了大范围降雨中道路积水深度报警测量的准确性。     

动态测量误差灰色模型插值预报理论及应用

根据灰色建模机理和特点 ,分析动态测量中灰色模型插值的可行性 ,提出动态测量误差白化生成的灰色预测模型用于插值预报的方法。且进一步以长光栅动态测量系统为对象 ,将所获得的动态测量数据建立误差预报灰色模型 ,并对离散点进行动态测量误差插值预报。实践证明 ,灰色模型插值是正确的和有效的     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

地下水埋深动态预测的DAMSM模型

运用动态数据反演建模方法和自记忆性方程，建立了地下水埋深动态预测的DAMSM模型。该模型将动力学计算与用历史数据估计参数相结合，预测时无需分析影响地下水埋深动态的各种因素，只需要有一定长度的地下水埋深动态观测序列资料，避免了众多数据的收集整理。实例预测表明，该模型具有较高的拟合精度和预测准确性。     

基于灰色理论的机械设备智能状态预测

提出了基于灰色理论并与神经网络有机结合的机械设备智能状态预测方法，着眼于机械设备“内在”规律的研究，根据机械设备自身历史数据建立动态微分方程，并预测自身的发展，具有数据量小，计算简单、预测准确的特点，该方法已在实际工程中应用，结果表明方法是行之有效的。