一种基于强化学习的CDN流量调度系统设计方法

针对传统的CDN流量调度系统大多采用启发式方法或规划方法，存在维护成本高，实时性不足等缺点，提出一种基于深度强化学习的CDN流量调度系统设计框架。该框架基于马尔科夫链设计了故障告警网络来触发调度，建立了基于stacking模型的质量评估奖励函数，并在此基础上对流量调度进行定义和建模，构建了基于DQN的深度强化学习模型。最后，通过仿真实验验证了该调度框架的有效性。     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。     

基于组织层次的人机融合智能决策支持系统模型

在分析了当前决策支持系统发展中存在的问题基础上,提出了人机融合智能决策支持系统概念.认为决策支持系统的人机关系不仅仅表现在技术层面上,而应该是全方位的,包括组织层面、认识层面.文章从组织角度,结合不同决策任务的特点和性质,探讨、研究了人机融合决策智能系统模型的设计.     

城市铁路车站规模与临近道路交通量的关系研究

对北京主要铁路车站临近道路交通量的测试结果进行了整理及定性分析,利用SPSS软件对所得统计交通量与车站规模进行了回归分析.得出车站规模越大,车站站前道路的交通负荷越大,两者呈线性正相关的结论,提出了站前道路交通量的预测模型,有助于站前道路的合理规划,并对站前道路交通拥挤问题,提出了合理布置站前广场和发展公共交通的策略.     

城市公共交通客运量修正灰色模型

首先建立了城市公共交通客运量的灰色模型,提出用自回归平稳模型来修正不满足从某一时刻开始连续为相同符号这一条件的残差序列,建立了修正灰色模型.最后,用实际数据进行了检验,得到的数据比原有模型的精度有明显提高,证明了模型的正确性.     

通勤交通方式链适应性评价与优化导向

从通勤者视角,将通勤距离分为长、中、短3组,采用统一的出行时耗可接受度评价标准,从门到门行程速度、广义成本、可靠性、满意度和选择比例分别分析不同通勤距离分组下各方式链的行程速度、可靠性、广义成本与满意度相关性,基于相关性分析结果建立适应性好的方式链判断标准.根据这一判断原则,挑选出通勤距离分组下适应性好的方式链类型,以适应性好的方式链所具有的特征指标为参照对象、公共交通优先发展为约束条件,提出通勤距离长、中、短分组中各交通方式链优化导向,为通勤交通服务质量的改善提供决策参考.     

基于元胞自动机的绿色驾驶行为特征仿真

绿色驾驶是可以使驾驶人在驾驶过程中节油减排的一系列驾驶措施。为了研究绿色驾驶的行为特征,建立了多车道元胞自动机模型进行仿真,并以北京北三环某路段作为仿真场景对模型进行标定和验证。利用该仿真模型,研究纵向驾驶行为和横向驾驶行为对交通运行、能源消耗以及尾气排放产生的影响。构建了绿色驾驶行为判别标准,并通过预测得到绿色驾驶行为特征。研究发现,缓慢加速、保持车速稳定、将车速保持在合理区间以及保持较大的安全间距是符合中国道路特性的绿色驾驶行为。     

基于扰动观测器的非线性不确定系统滑模H2保性能控制

针对一类受到外界扰动的非线性不确定系统,基于扰动观测器提出一种滑模保性能H_2控制策略。首先,根据所提出的复合滑模面,设计包含扰动估计的滑模控制策略;其次,依据H_∞和极点配置理论,设计鲁棒扰动观测器,来实现对扰动的估计;最后,给出了控制参数的选取原则,以实现H_2保性能控制。仿真结果表明,该算法不仅能够有效抑制抖振,而且摆脱了对系统先验信息的依赖,具有较高的实用性和有效性。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

三轴重载汽车转向制动协同控制仿真分析

为提高三轴重载汽车在转向制动工况下的安全性能,基于TruckSim汽车仿真软件,搭建了三轴重载汽车整车模型。对三轴汽车在转向制动工况下的力学特性进行了分析,基于分析结果设计了削减制动力的三轴汽车转向制动协同控制器。对于车辆处于不足转向的情况,设计了滑移率分配的模糊控制器。采用TruckSim与Simulink联合仿真,对ABS控制和协同控制在转向制动工况下的控制效果进行了探讨。仿真结果表明,在转向制动工况下,与ABS控制器相比,协同控制器提高了三轴重载汽车转向制动工况下的操纵稳定性和制动安全性。