对数正态分布无失效数据的可靠性分析

对于对数正态分布的无失效数据问题 ,利用构造先验分布的减函数法给出失效概率的多层Bayes估计 ,从而求出对数正态分布参数与可靠性指标的估计 ,解决了对数正态分布无失效数据的可靠性分析问题     

面向行程时间预测准确度评价的数据融合方法

提出BP神经网络融合模型.该模型由三部分组成:初始数据产生模块、BP神经网络数据融合模块、融合结果分析模块.选择四个参数作为该模型的输入变量,其中路段交通流密度和交通量由线圈数据提供,而行程时间估计值与浮动车样本量由浮动车数据提供,并且给出选择这四个参数的依据与原因.最后选择杭州市的一条主干道作为目标路段,采集该路段上的406组数据对该模型进行验证,试验结果表明模型对准确度评价的相对误差仅为4.86％.     

基于GPS数据的公交站点区间行程时间可靠性影响因素

为提高公交行程时间预测与信息发布的准确性,借助显著性分析确定影响可靠性预测的主要因素.首先,基于公交GPS数据,采用地图匹配算法建立站点区间行程时间计算方法;其次,针对11组不同路段站点之间的区间行程时间数据,通过拟合优度检验筛选最佳分布模型,并利用最大似然估计获取最优分布模型参数;最后,建立公交行程时间可靠性评价指标体系,分析交通条件、道路条件、采样间隔与行程时间波动指数、延误指数的相关关系.结果表明:三元高斯混合分布模型能以100%的接受率最优地拟合公交行程时间数据,站点区间长度、公交小时流量、采样间隔与行程时间可靠性存在相关关系,而交叉口相对位置则为非关键影响因素.     

行程时间可靠性研究

文章结合已有研究成果,提出了行程时间可靠性的概念,分析了基于供需随机性构建的路径行程时间可靠性、OD对行程时间可靠性及系统行程时间可靠性模型,最后构建了基于最可能状态的行程时间可靠性近似算法。     

城市快速路路段行程时间估计方法

为有效提高城市快速路路段行程时间估计精度,本文提出一种基于自适应滤波和网格虚拟车的行程时间估计方法。首先,利用自适应平滑滤波插值获得固定检测器之间的速度数据,实现固定检测器之间的时空速度场重构。然后将重构的速度场细分为若干网格单元,通过计算虚拟车在重构时空速度场的虚拟轨迹估计路段行程时间。最后,选取城市快速路感应线圈实测数据进行实例验证。实验结果表明,本文方法在自由流、平稳流和拥堵流3个运行时段下,均方根误差分别为0.15、0.35和1.06,平均相对误差均低于10%,具有较高的估计精度。     

双超参数无失效数据的E-Bayes可靠性分析

讨论了双超参数情形无失效数据问题.利用构造先验分布为含有双超参数的Beta分布情形的减函数,给出了2个超参数情形下失效概率pi=P(T相似文献   

基于随机松弛时间的行程时间可靠性计算模型*

提出了基于随机松弛时间的行程时间可靠性动态计算模型。研究了交通系统内部车辆间相互干扰作用对行程时间可靠性的影响。运用交通流动力学理论建立模型,证明了模型的各项异性,并基于蒙特卡洛和欧拉折现法设计相应的求解算法。模型能够较好地反映给定交通供需条件下的行程时间可靠性退化规律,量化交通流内部车辆间相互干扰对行程时间可靠性的影响。算例分析表明车辆间相互干扰程度的加剧会引起行程时间可靠性退化轨迹的明显改变,干扰越剧烈,动态行程时间可靠性的退化速度越快、达到稳定状态时的行程时间可靠性水平越低。拓展了传统行程时间可靠性计算模型仅考虑外部供需的局限性,探讨了交通流松弛时间的随机波动对行程时间可靠性的影响。所建模型和方法可以为高速公路、城市快速路、主干道等大型设施的动态行程时间可靠性预测提供理论依据和实践参考。     

基于对数正态和分布的路径行程时间可靠性模型

建立合理的路径行程时间可靠性评价模型,对于准确评价路网运行状态具有重要意义.根据对数正态随机变量之和的概率分布特性,建立了路径的行程时间可靠性评价模型.首先,通过曲线拟合,建立了路段行程时间的概率分布模型,结果表明对数正态分布的拟合效果最佳;其次,利用统计学理论,分别考虑路段相关和路段独立两种情况,建立了基于对数正态和分布的路径行程时间可靠性评价模型;在此基础上,对北京市西三环路径进行了实例分析,以检验模型的准确性.研究结果表明:模型能够准确的评价路径的行程时间可靠性;且路段之间存在弱相关关系,最合理的路段相关系数取值为0.2-0.3.     

基于多源ITS数据的行程时间预测体系框架及核心技术

针对当前城市道路行程时间预测系统性不强等问题,构建基于多源数据的行程时间预测体系框架,阐述预测过程涉及的关键技术.框架的构建以固定式和移动式2类采集方式获得的交通数据为出发点,将预测过程划分为估计和预测两个阶段.提出固定式采集方式获取的速度数据用于行程时间的间接估计和预测的关键技术为空间平均速度的估计;移动式采集方式获...     

基于数据挖掘的高速公路行程时间预测

以高速公路上路段行程时间历史数据集作为研究对象,以交通数据实际特征作为行程时间历史数据集分类的依据,建立基于数据挖掘的高速公路行程时间预测模型.采用山东高速收费站记录实际数据,以实例数据验证模型并计算平均绝对误差.为对比分析预测强度聚类预测模型的有效性,采用多种算法对测试集行程时间预测,对预测结果误差进行了对比.结果表明:预测强度修正的k-means法可以提高高速公路路段行程时间预测的准确性,模型在降低数据采集成本的同时可为高速信息服务提供可靠的预测行程时间,为出行者提供有力的决策依据.     

基于交通数据融合技术的行程时间预测模型

针对当前城市道路行程时间的预测多限于单源数据且预测精度不高的问题,构建了基于浮动车GPS数据、微波检测器交通数据的行程时间预测融合模型.利用遗传算法优化小波神经网络,解决了小波神经网络初始参数选取时盲目与随机性问题,大大提高了网络搜索效率与训练速度.预测行程时间与视频观测数据吻合良好,表明该模型是有效的和可靠的.     

基于收费数据的高速公路行程时间可靠性估计模型

高速公路收费数据易于获取,且蕴含多种交通信息。本文利用收费数据分析高速公路客货车行程时间分布,提出客货车行程时间分布的差异,分别构建客货车行程时间可靠性估计模型,并对模型进行试验分析。利用MATLAB对直接求取的客货车行程时间和模型求取的客货车行程时间进行正态分布和对数正态分布曲线拟合,结果表明:客货车的行程时间分布均符合正态分布;利用本文模型求取的行程时间分布比直接使用出入口收费站时间差求取的行程时间分布具有更小的SSE和RMSE以及更大的R-square。最后,对客货车行程时间的可靠性区间,即置信区间进行比较,结果表明:在同一置信水平下,利用本文模型求解的行程时间具有更小的行程时间区间分布,即更好的稳定性。     

估计不同阶段和环境下的设备可靠性

同型号设备的可靠性根据不同的使用环境发生变化。随着环境指标的不断恶化或改善,可靠性形成环境的函数称为可靠性曲线。估计出这条曲线后,就可以对未知环境下的设备可靠性给出合理的预测。在不同的试验阶段,可靠性曲线的形状一般有显著的不同。作者利用全体试验数据估计最后试验阶段的可靠性曲线,对于对数正态总体研究不同试验阶段的可靠性曲线的估计问题,给出了估计方法,证明了估计量的一致强相合性,并用计算机模拟试验说明方法的可用性。     

基于行程时间可靠性的随机交通网络均衡模型

考虑现实条件下交通网络的不确定性状态,提出了从确定型网络到不确定型网络状态下出行者路径选择行为的改变,及基于行程时间可靠性的路径选择模型。并将可靠行程时间的路径选择行为纳入到随机交通网络平衡分配模型中,证明了模型的等价性和唯一性。在一个小型测试网络上对模型分配结果进行了测试,测试结果与经验相吻合,表明模型具有较好的现实可行性。     

城市快速路实时交通状态估计和行程时间预测

根据城市快速路交通诱导和监控系统的实际需要,提出了实时估计和预测城市快速路上交通状态和任意两点间动态行程时间的方法.其基本思想是将扩展卡尔曼滤波理论引入宏观动态交通流模型,结合快速路上的固定检测设备,实时估计和预测未来几个时段的交通状态,并利用“虚拟车”法预测动态的行程时间.通过对上海市快速路典型实测数据的实例分析,发现交通状态估计模型具有良好的跟踪能力,行程时间预测模型在畅通状态计算结果和实测结果几乎完全重合,拥挤状态相对误差基本维持在10%以下.结果表明,该模型的适用性和精度都令人满意,可为城市快速路交通控制和诱导提供依据.     

道路交通网络路径行程时间可靠性计算方法

行程时间可靠度是反映交通服务水平的一个重要指标,为评价交通运行状况,比较交通改善治理措施提供了新的思路。随着信息采集技术的深入发展,大量行程时间样本的采集与行程时间分布的获得,使得可靠度的计算方法的研发变得十分迫切。传统的路径行程可靠度计算方法直接套用电路理论,无法反映交通运行的特征,造成可靠度计算值严重偏低。本文在分析传统方法失效原理的基础上,引入蒙特卡洛理论,开发了一套新的路径行程时间可靠度计算模型。陆家浜路5个路口的实例分析表明,利用GPS测量值得到的可靠度值在80%左右,传统方法计算值为40%左右,本文方法计算值接近80%,表明本文方法能够有效应用于路径行程时间可靠度计算的实践中。     

基于BP神经网络的矿山GPS数据时间序列预测分析

随着全球经济的发展,天然资源受到了过度的开采,使得地质灾害日益严重。而地面变形塌陷灾害是一种很重要的地质灾害。为了减少矿区周围危害的发生,本论文利用GPS对矿山地表岩移观测得到的数据,采用MATLAB神经网络方法建立GPS数据时间序列预测模型,并且成功的预测出了未来一期的地表移动变化。应用结果表明,神经网络是很好的处理非线性动态数据,能够反映出要素之间的非线性关系,计算精度高,预测准确度高,具有较强的实用性。     

基于协整理论的浮动车行程时间修正模型

以牌照识别数据为基础,将计量经济学中的协整理论与误差修正模型应用于数据融合技术,建立基于协整理论的浮动车行程时间修正模型. 以上海市高架路为例进行分析,证实了浮动车数据与牌照识别数据之间的协整关系,结果说明浮动车数据的短期波动受到了长期均衡与短期失衡的作用.     

对数正态下概率P=Pr（yn=〉a1y1＋...＋an—1yn—1 ）的估计

本文给出y_1,…,y_(n-1),y_n服从对数正态分布时可靠度P=P_r(y_n>a_1y_1+…+a_(n-1)y(n-1))的最小方差无偏估计及置信下限。     

北京轨道交通单位距离行程时间可靠性评价

本文以北京轨道交通AFC数据为基础,提出了新的单位距离行程时间可靠性评价指标和方法, 并使用该指标和方法对北京市轨道交通行程时间可靠性进行了实例评价。总体上看,乘客出行时间虽然会受到早晚高峰的影响,但影响不是很大,北京轨道交通网络整体的行程时间可靠性较好。