基于出行者潜在类别的公交出行行为研究

不同类型的公交使用者对公交的评价、使用公交出行的意愿不相同,如何对公交使用者进行有效划分,分析各类因素对划分的影响,并研究不同类型出行者使用公交意愿等受到各类影响因素的异同是值得关注的问题.文中引入潜在回归模型,基于公交使用者对公交满意度、使用意愿等几类因素,对其进行类别划分,并根据类别划分,分别分析每一类公交出行者总体满意度、使用公交意愿受到的影响因素的异同.研究结果表明,公交使用可划分为机会乘客、忠诚乘客两类群体,且小汽车拥有情况、收入水平会影响出行者的类别划分.拥有小汽车时,出行者更可能成为机会乘客,随着收入的增加,出行者成为机会乘客的概率增加.对比分析影响出行者总体满意度的因素,发现速度评价、准点性评价、等车时间评价、票价评价等因素对机会乘客总体满意度的影响大于对忠诚乘客总体满意度的影响.分析成功推荐他人使用公交的情况,发现机会乘客总体满意度对推荐结果的影响极为显著,随着总体满意度的增加,推荐的概率大致呈线性增长趋势.研究使用公交频率影响因素,发现拥有小汽车会降低机会乘客和忠诚乘客使用公交频率,而增加总体满意度会增加机会乘客使用公交频率.     

混凝土工字梁三点弯曲荷载超声测试

制定并实施了钢筋混凝土工字梁三点弯曲荷载超声测试方案,采集了21个荷载等级下超声波波形,利用泰勒展开式,去除了高阶信号的影响,提取波形幅值变化多阶含量,建立了幅值一阶变化系数与应力变化近似线性曲线。研究表明:钢筋混凝土工字梁超声波幅值一阶变化系数与应力变化拟合曲线拟合优度高于0.99。     

无人驾驶车辆虚拟测试技术的发展

 无人驾驶车辆测试是无人驾驶车辆上路前的一个重要环节,其在实测阶段需要消耗大量的人力、物力、财力及时间,而无人驾驶车辆虚拟仿真测试技术则可以帮助测试大大减少消耗、提高效率。介绍了无人驾驶车辆虚拟仿真的应用、利用深度学习训练无人驾驶车辆的应用以及平行驾驶技术对于无人驾驶车辆虚拟测试技术的重要性;阐述了无人驾驶车辆虚拟测试技术的发展趋势;介绍了无人驾驶车辆相关平台;根据当前发展阐述了无人驾驶车辆虚拟测试的意义。     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。     

Beta回归模型基于EM算法的变量选择方法

本文针对响应变量取值为(0,1)区间上的比例数据研究Beta回归模型的贝叶斯变量选择方法。首先通过选取合适的先验分布,基于贝叶斯随机搜索和EM方法提出了参数的估计算法;然后根据回归系数相应的指示变量后验分布提出了重要变量选择的门限准则,所提方法具有易实施、快速计算等特点;最后通过研究中国上市公司股息率实际数据的影响因素以说明所提方法的有效性。     

文化回归与自信:论空手道在中国高校的开展

已成为奥运会正式竞赛项目的空手道运动源于中国武术,发扬于琉球,现今风靡日本乃至世界。本文通过文献资料、专家访谈等研究方法,对空手道运动的发展历史进行解读,阐释了空手道"上海发展模式"值得各地借鉴的同时,从文化回归及文化自信两方面分析了空手道运动在中国高校开展具有一定的理论基础和文化渊源。首先,中国传统文化博大精深且兼蓄包容,充满自信。其次,中国传统文化思想指导下的武术技击文化亦强调"点到即止""不战而屈人之兵",反对暴力杀戮等理念,在空手道练习和竞赛过程中都得到良好体现与执行,是中国传统文化无比优秀的明证。空手道运动的"尚礼"思想在体育竞技运动中的具体表现,说明空手道是一项安全的对抗性运动。空手道既展示了项目所拥有的技击功用,又最大程度地保证了运动员的人身安全,是一项适合在高校开展的文明健身运动。     

P2P网贷平台借款人信用风险评估

为提高P2P网贷平台对借款人信用风险评估的准确性,利用主成分分析模型,用8个主成分反映18个指标,依据熵权法和方差百分比赋予权重,得到借款人是否违约还款的临界值,依据该值对借款人是否违约还款进行评估;再利用Logistic回归模型,得到影响借款人违约发生率的4个指标,其按影响程度从大到小的排序为借贷子等级、借贷目的、过去两年里超过30 d以上未及时还款的次数、贷款收入比。对11 383条交易数据的识别结果表明,在阈值为50%时,评估模型对正常还款的拟合率为99.6%,对违约还款的拟合率为71.3%,整体的拟合准确率为96.04%。     

基于深度学习的OFDM信道估计

针对多径正交频分复用(orthogonal frequency division multiplexing, OFDM)信道环境下信道频域选择性衰落导致下行链路信道估计性能受限的问题,提出一种基于深度学习的信道估计(deep learning-based channel estimation, DL-CE)方法。采用自回归过程对信道建模,利用深度学习设计信道估计网络追踪信道响应及其频域相关系数。通过迭代训练,基于深度学习的信道估计网络能够学习到自回归系数的最优估计,同时利用先验信道信息估计信道频域响应和频域相关系数。与传统方法相比,所提信道估计方法性能提升明显。