基于自组织理论的交通流初步研究

分析和阐述了应用自组织理论进行交通流研究的可行性及合理性,提出了基于自组织理论的交通流研究的构想和框架;对交通流中的耗散、分形进行了初步研究,提出了一种基于自组织理论的交通流管控模式．     

基于投影寻踪自回归的短时交通流预测

厦时准确地进行交通流短时预测是智能运通系统（ITS），尤其是其先进的交通管理系统（ATMS）与先进的出行者信息系统（ATIS）研究的关键内容之一。随着预测时间跨度的缩短，交通流量的变化显示出越来越强的不确定性，使得一般方法的预测精度大大降低。例如：非参数回归的算法是一种“无参数”、可移植、高预测精度的实时预测算法，在变通流预测中发挥了很大的作用。但随着样本数据维数的增加．存在“维数祸根”的现象。针对目前短时交通流预测存在的问题，本文提出一种基于投影寻踪自回归技术的短时交通流预测模型，解决了“维数祸根”和高维数据闻的非正态、非线性问题。经过实测数据验证。谊算法完全满足实时交通流预测的需要。     

植物自组织的有序化过程及其成序模式

以熵和序的概念及熵和序的相对性原理为理论依据，对植物自组织的有序化过程作出不违反热力学第二定律的解释，并根据对植物自组织有序化过程的分析，提出一个偶联反馈的成序模式及其数学方程，用以解释植物自组织自发成序的内在机制。     

基于自组织理论的自组织多项式网络算法

自组织多项式网络是采用神经网络的思路结合生物控制论和自组织特征映射理论而导出的一种新型网络算法,该算法在寻求模型参数的最优组合上的自组织特征及通过层层搜索误差最小点的功能,使其在用于非线性映射的拟合中体现了较强的优越性．开发的软件应用表明,该算法较ＧＭＤＨ算法及一般网络算法具有更高的精度拟合．     

中国股市自组织临界性实证研究

为了深入理解中国股市演化的复杂性,在界定了股市自组织临界性重要参数的基础上,通过统计方法考察了中国股市趋向自组织临界态的演化过程,发现了中国股市中的幂率关系,从而验证了中国股市中存在自组织临界性,同时指出了股市内部的分形性与其临界状态的密切关系,为进一步探索中国股市的复杂性机制奠定了实证基础.     

基于小波分解与重构的交通流短时预测法

交通流短时预测是交通控制与交通诱导系统的关键问题之一 .随着预测时间跨度的缩短 ,交通流量的变化显示出越来越强的不确定性 ,使得一般的预测方法难以奏效 .本文探讨了小波分析在交通流短时预测中应用的可行性 ,提出了一种基于多分辨率小波分解与重构的交通流短时预测方法 ,介绍了该方法的原理 ,讨论了模型参数的确定 ,给出了仿真实验研究结果.     

基于小波分析的随机交通流组合预测方法研究

针对单一交通流预测方法对短时随机交通流预测适用性不强的问题,为适应交通诱导和信号控制的需要,提出了基于小波分析的短时交通流RBF神经网络及Markov链组合预测方法。在充分分析短时交通流随机特性的基础上,建立了短时交通流组合预测模型,并进行了实例仿真分析,结果表明组合预测较单纯神经网络预测方法预测精度显著提高,在交叉口实时交通控制中具有较好的适应性。     

人类个体思维演进的自组织分析——思维自组织、他组织思维与自组织思维研究

本文以自组织理论为指导,对思维自组织与自组织思维进行分析研究,在分析论证思维自组织是自发的自组织思维,以及自组织思维是自觉的思维自组织的观点基础之上,进而提出人类个体思维是一个经过从自发的自组织思维到他组织思维,再到自觉的自组织思维的一个自组织演进过程。     

非参数小波算法的交通流预测方法

及时准确地进行交通流短时预测是智能交通系统,尤其是其先进的交通管理系统与先进的出行者信息系统研究的关键内容之一.随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.本文应用非参数回归理论并结合小波分析算法,将交通流数据按不同频道分解,然后重构信号时舍去噪音频道,得到光滑的交通信号曲线,进而利用非参数方法中的最近邻规则对未来交通流进行预测.经过实测数据验证,算法能对交通参数做出很好的预测.     

探索国有企业自组织非线性发展模式

新世纪国企创新发展模式具有非线性复杂巨系统动态变化的显著特征，将系统辩证法思想用于分析国企改革与发展这个系统化问题时，特别值得借鉴的新观点是：自组织、分叉和非线性三种观点，适应国企创新发展需要，必须更新思想观念，实现组织结构和运行状态的根本性转变。     

改进点格自动机交通网络模型及交通系统自组织现象的研究

基于点格自动机的原理,提出一种比较切合实际的改进点格自动机交通网络模型。该模型把交通网络分为“道路”和“路口”。用队列来模拟“车流”,车辆密度分为三档。在此模型基础上,研究了不同情况下交通系统中的自组织现象。理论上分析了自组织形成的动态过程。并进行计算机仿真     

自组织理论对海军院校教育系统的分析

根据自组织理论分析了军事系统的性质,提出了海军院校教育系统的动力学模型．对简化模型进行了动力学分析,得出了一些有益的结果     

组织效力与权力分配—— 一种数理解释

以组织效力为原则，通过数理分析提出了组织权力的最佳配置结构，以及伴随组织规模扩充最佳权力配置的转移规律。     

基于卡尔曼滤波理论的实时行程时间预测模型

行程时间预测是交通流诱导系统研究的一项重要内容．在分析各种行程时间预测方法的基础上,本文利用卡尔曼滤波理论建立了行程时间预测模型, 利用实测的交通流量预测几个时段后的路段行程时间, 进而预测路径行程时间．文中利用三种方法预测行程时间并对结果进行了分析     

基于蚁群算法的交通控制与诱导协同研究

以路网总行程时间最小为目标,兼顾路网流量的均衡,建立了城市交通控制与诱导的协同模型。引入了蚁群算法的思想,并利用此算法对模型进行求解,得到最佳路径和最佳信号配时方案;最后采用小型路网进行仿真试验,通过跟实际的交通流对比,表明此方法能有效均衡路网流量,并能有效节约路网的总行程时间。     

基于粗糙集的区域交通控制交通量属性约简

交通量属性的有效约简能够大大减少方案选择式城市区域实时交通控制系统在线SVM分类计算的计算量,是实现这种实时交通控制方式的关键一步。在遗传算法初始种群的产生和变异中引入了混沌算法,并提出了“混沌变异”的概念,由此构造了混沌遗传算法。将混沌遗传算法用于粗糙集的属性约简,并在构造适应度函数时引入了粗糙集理论的“支持度”。在初始种群的产生、交叉和变异算法中均采用约简的可辨别下三角矩阵判断个体的可行性。最后将所开发的粗糙集混沌遗传属性约简算法用来对城市区域交通控制交通量属性进行约简。仿真计算结果表明:所开发的粗糙集混沌遗传属性约简算法能有效地解决交通量的属性约简问题。     

基于Q-学习和粒子群算法的区域交通控制模型

针对城市交通系统的动态性和不确定性,提出了基于Q-学习和粒子群算法相位差优化算法,对区域交通动态实时控制进行了研究。根据不同的交通流恃况确定不同的区域控制目标函数,捋Q－学习的类惩机制引入粒子群算法的选优过程中,通过改进的粒子群算法实时优化区域控制策略。编制该控制方法的仿真程序,应用AIMSUN仿真软件验证算法的控制效果。结果表明,该方法对不同交通量下可保持较高的控制效率,控制效果明显优于感应控制。     

自适应信号控制系统流量预测模型研究

为研究适合自适应信号控制系统的流量预测模型,利用ARIMA模型进行数据预处理的基础上,考虑高阶神经网络收敛速度慢及易陷入局部最小点的特点,通过在线调整学习率及引进动量法对其进行改进,得出基于ARIMA与改进的高阶神经网络的组合预测模型,试验表明预测的交通流量满足自适应信号控制系统实时在线多频优化的时间及精度要求.     

基于O-D网络的交通流模型的分岔与混沌

以交通流O-D网络系统为背景,通过分岔图和相图讨论了在无交通阻塞下的交通费用和交通容量变化下系统非线性动力学行为的变化和运动复杂性.交通费用和交通容量作为交通网络的固有属性,对定性分析交通网络的动力学行为具有至关重要的作用.同时,数值验证了两种计算交通流O-D网络系统分岔图的方法的等价性.