一个基于统计方法的OD矩阵求解算法

在传统的OD矩阵估计模型的基础上,并在路段分配概率是随机变量这一假设的前提下,给出了一个统一的OD矩阵模型基本形式,针对该OD矩阵估计模型给出了一个基本求解算法--混合遗传算法.该算法是在传统的数学规划方法和遗传算法的基础之上给出的.同时通过算例的求解,分析了算法的优缺点.     

由路段交通流量反估出行OD矩阵技术的应用

由路段交通流量来估计交通出行 OD( origin-destination)矩阵 ,是一种先进的技术方法。它为获得 OD矩阵这种代价高昂而意义重要的交通需求信息提供了有效手段 ,并缓解了对难度很高的大规模居民出行调查的需要。利用一个适合实际应用的交通流量反估 OD矩阵模型——熵极大模型 ( entropy maximization model) ,在结合阐明其基于极大似然估计的数学原理的同时 ,重点给出适于计算机编程的模型迭代求解详细算法 ,并提出使用 Bi-Section和Newton-Raphson组合算法来保证其中非线性方程求解的稳定性和效率。进一步给出了使用熵极大模型的 OD矩阵估计软件包的设计思路和程序构架。该技术可直接指导高度实用化的 OD矩阵反估软件工具设计     

使用浮动车检测OD矩阵的算法及可靠性分析

回顾了国内外估算实时OD矩阵现状,提出了用浮动车检测实时OD矩阵的方法.采用最小二乘法给出了现有估算模型的证明过程,指出其存在的问题是估算模型假设浮动车与全部运营车辆比例为恒定的.为此,作者给出了浮动车与运营车辆比例随OD对变化的估算模型,并建立了求解该问题的算法,同时建立了求解估算OD矩阵可靠性的方法,最后,介绍了算法在北京的应用实例.     

基于填充函数方法的OD矩阵估计

对现有关于求解OD矩阵估计的最小二乘模型所采用的逐次迭代算法的不足进行了分析,并引进了一种全局最优化算法即填充函数方法来找寻该模型的全局最优解。数值试验表明：所提出的填充函数算法有能力找到问题的全局最优解,且与初始值的选取无关,也有潜力解决较复杂网络的OD矩阵估计。通过数值结果发现,模型的权值选取对数值结果有明显影响。为此,引进了一种确定权值的评价指标RMSE,它能反映估计量与真实值之间的接近程度。利用该指标,可以选取较合适的权值。     

高速公路动态OD矩阵估计

基于广义最小二乘法模型,建立了一种高速路动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD矩阵。对任意估计时段的OD流,通过假定各车辆间的时头距均匀分布,且可按相同比例拉伸或压缩,得出了模型中关键的分配矩阵的解析算式。算法是一种递推的估计过程,仅需较少的先验信息。针对一个具有19个OD对的高速公路网,大量仿真实验表明,提出的方法对具有较大流量的OD对估计效果较好。     

基于填充函数方法的OD矩阵估计

对现有关于求解OD矩阵估计的最小二乘模型所采用的逐次迭代算法的不足进行了分析,并引进了一种全局最优化算法即填充函数方法来找寻该模型的全局最优解。数值试验表明:所提出的填充函数算法有能力找到问题的全局最优解,且与初始值的选取无关,也有潜力解决较复杂网络的OD矩阵估计。通过数值结果发现,模型的权值选取对数值结果有明显影响。为此,引进了一种确定权值的评价指标RMSE,它能反映估计量与真实值之间的接近程度。利用该指标,可以选取较合适的权值。
     

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.     

线性随机不确定系统的满意估计

在随机线性不确定系统中，设计一个满意的状态估计器在工程中有很大的实际意义．首先，根据满意控制思想，针对一类在状态矩阵及噪声矩阵中均含有不确定性的随机系统，设计一种满意估计器，使预测误差系统在模型的参数发生扰动时，依然满足预先给定的设计约束指标，得到了满意估计问题求解的充分条件；然后根据分析给出了满意估计器设计的算法．这个算法表明，线性随机不确定系统的满意估计器的设计是有效可行的。     

城市道路网络OD估计模型及算法研究

考虑城市道路交通运行的复杂性,抽象出城市道路网络拓扑结构.通过布设检测器采集路段流量、转向比例等多源数据信息,在上述分析基础上,运用吸收马尔可夫理论对城市道路网络进行建模分析,将路段流量、转向比例、小区发生吸引量等参数联系起来,分别利用小区发生量和若干路段流量,得到交通流起讫点OD的不同估计模型,并给出相应算法.建立井字型路网仿真平台采集多源数据信息,求出马尔可夫转移概率矩阵,并用稀疏矩阵的形式导入Matlab编程仿真中进行一系列矩阵运算.数值算例表明,该模型能有效计算路段流量,进而提高OD估计精度.     

考虑交通流行驶时间的高速公路动态OD矩阵估计模型

在对高速公路的起-讫(OD)矩阵进行动态估计时,往往忽略了交通流在运行实际过程中运行时间和车队离散的现象.分析了这一问题对高速公路的OD估计的影响,并通过时空分析引入了交通流"时-空带"的概念,消除了同一股车流在道路下游出现的时间不同步性对于OD估计的不利影响.在上述分析基础上,采用最小二乘理论建立动态OD矩阵估计模型.数值算例表明,该估计模型能够有效地过滤交通流运行时间的影响,提高动态OD矩阵的估计精度,具有较强的实用性.     

基于实码遗传算法的河流水质模型的参数估计

针对理想条件下采用解析法往往导致水质参数估计较大误差的问题,以及针对含有多参数的二维水质模型的参数估计问题,具体介绍了采用有限单元法和实码遗传算法求解二维水质模型未知参数的基本步骤,对水质参数(包括纵向、横向弥散系数和衰减系数)分别进行编码,通过计算机模拟浓度输出,并与实测值比较从而得出最优的水质参数估计值．算例表明,采用有限单元法-遗传算法估计河流水质模型的参数是可行的．     

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法...     

城市交通网络设计与OD量预测问题的双层规划组合模型及算法

给出了一个城市交通网络设计和OD量预测问题的双层规划组合模型,此组合模型内在地不断修正OD预测值和路段能力增量(即网络设计方案),同时得到OD出行量预测和路段能力拓宽方案的最优解,与以往方法相比更加符合实际。此外,本文设计了一个基于灵敏度分析和混沌优化的求解算法。     

基于上下车人数的公交客流起迄点估计方法

自动计数器(APC)系统可自动采集大量乘客上下车数据.APC数据以聚集的方式表示公交乘客起迄点(OD)交通流,因此,可用于估计公交OD交通流.据此,提出基于APC数据统计分布的公交乘客起迄点交通流估计模型,并开发高计算效率的HEM(heuristic expectation maximization)算法.在模型评价比较中,考虑了APC样本量、APC测量误差和OD调查样本量对OD估计精度的影响.结果表明,HEM法比传统方法更有效地利用APC数据,OD估计精度更高.另外,HEM法在计算效率和估计精度两方面都优于近年来新提出的基于仿真的OD估计方法.     

非线性系统时变时滞和参数的在线联合估计

为了解决非线性系统的时滞和参数的在线联合估计这一问题 ,提出了一种基于遗传算法的非线性系统时变时滞和参数的在线联合估计方法。将遗传算法的二进制编码改进为十进制编码。对于系统输入带有纯时滞的非线性系统 ,采用改进的遗传算法对系统时滞和参数进行在线联合估计。此方法能够有效地在线联合估计非线性系统的时变时滞和参数 ,并具有一定的抗噪声能力。仿真实验结果验证了此方法的有效性     

基于联合稀疏模型的OFDM线性时变信道估计

为了进一步提高OFDM线性时变信道估计性能,利用信道抽头的时域稀疏特性和相关性,提出一种基于联合稀疏模型的信道估计方法.首先,将线性时变信道模型下对连续多个符号周期的信道估计转换成一个联合稀疏重构模型;其次,采用基于测量矩阵互相关性最小化的分组导频设计准则,在应对子载波干扰的同时,保证了稀疏重构算法的性能;最后,设计一种基于循环并行树的分组导频优化算法.仿真结果表明:与传统线性时变信道估计方法和联合稀疏模型下的信道估计方法相比,所提方法所需导频数量少,信道估计性能更好,同时便于工程应用.     

基于互相关序列和BP网络的声源定位算法

在基于麦克风阵列的声源定位算法中,一种常用算法的基本思路是通过麦克风接收到信号的相关序列来计算信号之间的时延,进而再根据阵列的结构确定声源的位置。在分析传统的声源定位算法基础上,针对双五元十字阵模型,介绍传统的基于广义互相关相位变换加权(generalized cross correlation-phase transform, GCC-PHAT)时延估计的定位算法,并给出基于GCC-PHAT时延估计和反向传播(back propagation, BP)神经网络的定位算法、基于抛物线互相关时延估计和BP网络的定位算法,进而通过分析影响时延估计的主要因素,提出了基于互相关序列和BP网络的新定位算法,该算法将GCC-PHAT互相关序列最大值点的位置、最大值点及其左右各一点的相关值作为BP网络的输入,通过对BP网络进行训练来实现声源的三维定位。仿真实验表明：与传统的基于GCC-PHAT时延估计的定位算法相比,所提出的各个算法均具有较好的定位效果,后者均比前者的定位精度更高,而且提出的基于互相关序列和BP网络的新定位算法在低信噪比和高混响的条件下,也具有较好的定位效果。     

基于电梯交通实测数据的乘客O-D矩阵推算

针对简要的统计数据建立电梯交通模型的不足,提出了基于电梯交通实测数据的O-D矩阵推算方法.该方法是将极大熵原理应用于电梯交通,建立极大熵模型,并根据整数推定算法产生乘客O-D矩阵,最后给出了计算实例.     

ZP-OFDM系统中基于信号子空间迭代拟合的盲信道估计

介绍了一种用于ZP-OFDM系统的基于子空间拟合的盲信道估计算法,该算法采用信号子空间迭代拟合技术代替了传统的噪声子空间信道估计中奇异值分解获取子空间进行估计信道。仿真表明,在低信噪比下该算法获得了比传统的噪声子空间信道更优的估计性能,更接近ZP-OFDM盲信道估计的CRB（Cram6r-Raobound）。