电梯乘客O-D矩阵推算问题的遗传算法

根据电梯交通实测数据,依据极大熵原理,建立了乘客O-D矩阵推算模型.为了求解此模型,提出了一种有效的遗传算法.结合该问题的特定领域知识,设计了乘客O-D矩阵推算问题的矩阵编码方法,根据该编码的初始化方法能保证初始种群的可行性.针对矩阵编码提出了特殊交叉算子和变异算子,以保证生成有效的新个体.通过计算实例验证了该求解算法的有效性.     

求解O-D需求估计双层规划模型的新算法

给出了一个新的启发式求解算法--逐步更新比例矩阵法,用来求解基于UE(User Equilibrium)准则的O-D(Origin-Destination)需求估计的双层规划模型(即,下层规划基于UE准则,上层规划采用广义最小二乘思想,在拥挤网络上由路段交通流量观测值等前期数据来估计交通网络的O-D需求量的双层规划模型),并进行了初步的数值试验.新的算法不仅能够给出O-D需求的估计值,同时也能够给出路段交通流量的估计值.这个新的算法的思想也适用于其他下层规划基于UE准则的双层规划模型的求解.     

P-A出行分布矩阵转化为O-D出行分布矩阵

分析了交通需求预测中基于起点-迄点的O-D（origin-destination）分布矩阵与基于产生点-吸引点的P-A（producing-absorbing）分布矩阵的概念、区别以及将两者加以区分的原因；讨论了在运用“四阶段”模型进行交通需求预测各阶段分别使用两者的情况，并针对实际客运预测中经常将两者混淆的情况，依据对实际调查数据的分析，提出将P-A矩阵转化为O-D矩阵的方法．     

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.     

多传感器多模型动态系统交互式数据融合估计的一种算法

基于多传感器多模型信息,给出了目标状态基于全局信息融合估计的一种新算法,并通过计算机仿真验证了这种算法的有效性。     

基于随机均衡配流的O-D量估计双层规划模型及算法

在传统随机均衡配流模型的基础上,提出了一种增广的随机用户均衡配流模型及其求解算法。在此基础上构造了一个双层规划模型,用以描述基于随机用户均衡原则的从路段观测流量估计O-D交通量的问题,并给出了相应的求解算法。该模型及其求解算法对于解决O-D估计问题是可行有效的。     

基于严密Helmert方差分量估计的动态Kalman滤波

针对Kalman滤波模型推导了严密的Helmert方差分量估计公式.在此基础上,构建了方差分量估计辅助的Kalamn滤波解,改进的Kalman滤波与标准Kalman滤波的计算过程基本相同.推导了方差分量估计对Kalman滤波解的影响.理论推导和计算结果均表明,Helmert方差分量估计辅助的Kalman滤波能够合理调控动力学模型误差的影响,合理平衡观测信息与动力学模型信息对Kalman滤波解的贡献,提高状态参数估计的精度;严密Helmert方差分量估计与简化Helmert方差分量估计辅助的Kalman滤波解基本等效.     

基于kalman滤波的改进钟差模型辅助RAIM算法

为了提高完好性监视结果的可信度,现采用Kalman滤波建立新的接收机钟差预测模型.利用该模型的钟差预测值辅助进行自主完好性监测(RAIM).利用GPS实测数据进行分析验证,结果表明这种新模型辅助相对于原模型辅助,改善了卫星的几何分布和钟差预测的精度,提高了RAIM的可用性,降低了能检测到的最小故障偏差.     

基于推广Kalman滤波的机载无源定位改进算法

研究空中运动观测平台对地面辐射源目标的纯方位信息定位算法,提出改进的二阶EKF定位算法以提高定位估计精度.用推广Kalman滤波算法代替传统的最小二乘定位算法.充分利用观测平台的运动信息建立了可观测的观测方程,并采用二阶EKF算法解决了在观测误差较大的情况下导致的非线性误差较大的问题.采用Monte Carlo仿真比较LS,EKF和二阶EKF 3种方法的性能.证明用这种方法可以达到更好的估计精度,能够将目标位置定位在更小的概率椭圆内.概率误差椭圆缩小了30%.     

城市交通网络设计与O-D量预测问题的双层规划组合模型及算法研究

本文给出了一个城市交通网络设计和O-D量预测问题的双层规划组合模型,其中上层使O-D矩阵估计的熵函数与交通系统总阻抗之和最小,而下层是固定需求条件下的用户均衡配流模型,保证O-D出行量预测值与所对应的路段流量满足用户均衡条件。同时得到O-D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。     

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。     

基于复合模型的车辆定位跟踪算法

车辆定位精度与采用的动力学模型直接相关.文章针对单一的动力学模型难以精确描述车辆行驶过程中的运动状态变化,提出复合CV模型和CSM模型,引入自适应切换机制,设计一种车辆定位跟踪算法.通过与CSM模型实验结果进行比较,验证了该算法的优越性.     

一种基于扩展Kalman滤波器的神经网络学习算法

为了解决前馈神经网络BP算法在处理非线性对象时 ,收敛速度慢 ,易陷入局部极值 ,需调节参数多等的缺陷 ,提出将扩展卡尔曼滤波 (EKF)算法引入神经网络的学习中 .把前馈网络的所有权值、阈值作为EKF算法的状态 ,网络输出作为EKF的观测 .同时为了防止滤波发散 ,对算法做了改进 .仿真结果表明 ,该算法比BP算法在收敛速度、抗噪能力方面都有明显提高 ,同时还保证了一定的泛化能力     

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.     

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波（EKF）在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波（UKF）算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。     

基于遗传神经网络的入侵检测方法研究

入侵检测作为一种动态的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护。作者提出了一个基于遗传神经网络的入侵检测方法,采用遗传算法和BP神经网络相结合的方法遗传神经网络应用于入侵检测系统中,解决了传统的BP算法的收敛速度慢、易陷入局部最小点的问题。研究表明,该方法效果良好,学习速度快,分类准确率高。     

基于遗传算法的预期动力学方程优化

为改进非线性控制系统的性能,提出了一种基于遗传算法的预期动力学方程及其参数的优化方法。利用遗传算法提供的通用框架,在控制系统结构和控制器形式确定的情况下,对控制参数进行全局优化。讨论了该方法在M IM O非线性过程控制中的应用。仿真结果表明,该方法能有效改善系统的动态特性,使系统对扰动和噪声具有较好的鲁棒性,在指定的性能指标上取得满意的控制效果。     

不可压缩非等温非牛顿流广义特征线基分裂算法

发展了用于不可压缩非等温非牛顿流模拟的广义特征线基分裂算法,推广了控制方程沿粒子特征线的离散格式,经典的特征线伽辽金法和时域的Crank-Nicolson离散格式可分别被归纳为离散格式的两个特例.为消除流体的不可压缩性导致的虚假数值振荡,采用压力稳定型分步算法.利用粘性系数关于等效应变速率的指数模型来模型化流体的非牛顿特性.平面Poisseuille流动和4∶1平面收缩流动的数值模拟结果突出地显示了该方法处理不可压缩非等温非牛顿流动问题的有效性及良好性能.     

码分多址系统中基于判决引导的窄带干扰抑制非线性算法

鉴于扩展频谱码分多址（CDMA）系统中抑制窄带干扰的渐近条件均值（ACM）非线性滤波算法计算复杂度较高,设计了一种基于判决引导的新非线性滤波算法。该算法利用窄带干扰的相关性,在对扩频信号判决的基础上进行ACM非线性滤波。对扩频信号可能的取值,进行判决的标准是窄带干扰先验估计和后验估计的差方最小。将本文方法与ACM算法进行比较,仿真结果显示了几乎相同的性能,但前者计算复杂度显著降低。