改进Newell跟驰模型与实证研究

为了克服Newell跟驰模型单一考虑跟驰车与前导车之间的车间距进行速度优化描述车辆跟驰行为的不足,在同时考虑车间距和速度差对车辆跟驰行为影响的基础上,提出了一种改进Newell跟驰模型。通过对模型进行稳定性分析,得到了模型的稳定性条件。并通过在西安市二环南路西段实地拍摄视频采集得到的数据,对模型的参数进行了标定;最后分别采用上述模型对未来交通流趋势进行仿真预测,通过预测结果与实测数据的对比分析,证实了改进Newell模型的有效性。     

基于区间分析和云模型的实物期权定价研究

针对实物期权定价中预期现金流收益的现值和投资成本采用精确值给出不太合理的实际情况,深入分析了现有的基于模糊集理论和基于云模型的实物期权定价方法,提出了基于区间分析和云模型的实物期权定价方法。首先,在基于云X信息的逆向云算法的启发下,结合区间分析理论,提出一种新的逆向正态云构建算法;然后,用生成的云模型表示预期现金流收益的现值和投资成本,结合期权定价理论和基于区间数的逆向云算法,运用云运算,给出了一种将专家评估区间数据转化成正态云模型的形式,并提出了利用逆向正态云估计预期现金流收益的波动率的实物期权定价方法;最后,通过实例模拟证明了该方法的有效性。     

基于多源数据融合的公交车辆跟驰模型

针对目前缺少公交车辆跟驰模型参数和单一数据采集方式无法获取完整车辆跟驰过程数据的问题,提出一种基于多源数据融合的公交车辆跟驰模型,采用实测数据进行参数标定和模型验证。通过移动GPS数据采集设备随车采集车辆的运动轨迹和无人机空中悬停俯拍采集公交车辆的停车间距,并进行数据融合处理得到完整过程的公交车辆跟驰行驶数据;通过引入均方误差指标来衡量实际测量值与模型仿真值之间的差异,将公交车辆跟驰模型的参数标定问题转化为一般优化求解问题;通过对实测数据进行统计分析,获取公交车辆的平均停车间距参数;采用粒子群优化算法对智能驾驶跟驰模型中的舒适制动减速度和加速度系数2个参数进行求解,得到模型的最优参数;将验证集中的实测数据与模型仿真值进行对比,对模型参数的效果进行验证,并以厦门快速公交走廊的车辆多编组运行控制为例,对跟驰模型的效果进行进一步的验证,其中头车采用速度优化模型进行控制,跟随车辆则采用上述标定的公交车辆跟驰模型进行控制。研究结果表明：公交车辆跟驰模型生成的数据曲线与实测数据曲线基本一致,跟随车辆与头车在路段上行驶和车辆进出站2个阶段的运动轨迹曲线基本一致,符合车辆跟驰模型的跟随性,进一步证明了...     

基于正态分布区间数的逆向云新算法

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型, 逆向云发生器可以实现定量数值到定性语言值的转换. 在深入分析传统逆向云算法的基础上, 在“所有的模糊隶属函数曲线构成一个模糊隶属函数曲线簇, 模糊隶属函数曲线簇可以看作云的一个近似”这一思想的启发下, 提出了一种新的逆向云算法. 与传统的逆向云算法不同, 该算法能够处理代表某一定性概念的区间数并能避免参数求取过程中的重复计算. 实验分析表明: 该算法可以以较高的精度还原云模型的三个数字特征值, 具有较高的实用性.     

智能车辆自动超车控制仿真研究

为了真实地模拟驾驶员的超车行为,以智能车辆自动超车行为作为研究的对象,提出了动态目标位置概念,并采用三次样条曲线作为智能车辆自动超车的路径拟合曲线.以模糊逻辑为控制策略,以T-S模糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种智能车辆控制器,并通过simulink仿真实现.仿真结果表明:该研究是正确、可行的,较为理想地模拟实际交通环境中车辆超车的行为特性.     

基于云理论的新的不确定性推理模型研究

深入分析了传统的基于云理论的不确定性推理模型,在模糊T S模型启发下,结合云理论的成功之处,提出了一种新的不确定性推理模型,该模型可以有效地解决传统的基于云理论的不确定性推理模型在客观地反映现实中的复杂系统方面存在局限性的问题,从而大大降低推理过程的计算量,提高运算速度。仿真结果表明:T S C Y模型的输出与人的主观感受相一致,是一种可行的、有效的推理。