基于Unscented Kalman Filter算法的一个快速路动态OD矩阵估计模型

基于主干道和匝道出入口的交通流量计数及起迄点旅行时间分布假设，论文提出了一个新的快速路动态Origin-Destination（OD）矩阵估计状态空间模型及其在线估计算法．论文通过引入一阶宏观交通流模型以计算OD旅行时间，并假定相同起讫点、相同时刻出发的车辆到达时间分布遵从正态分布．由于引入的宏观交通流模型参数受交通状况的影响，因此模型参数也作为状态变量进行估计，这将增加了新的测量方程．模型的求解采用了一种新的适合于非线性状态空间方程的在线估计算法（UKF，Unscented Kalman Filter）．特别地，论文考虑了约束条件下UKF算法截断问题，这将为运用UKF算法求解存在约束的其他模型提供了新的思路．模型运用了仿真数据进行评估．实验结果达到了很好的精度，这为处理动态OD估计问题提供了新的方法，并可应用于实际的在线动态OD估计．     

有向小世界网络上的随机共振行为

基于SANCHEZ提出的有向的小世界类自旋网络模型,研究了引入周期性磁场驱动后所引起的相变特征.研究表明,无论体系所发生的是连续相变还是一级相变都会出现双峰随机共振现象.     

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.