基于离散时间马尔科夫链的主干道出行时间估计模型

出行时间是评估交通系统运行效率与实施信息诱导的重要依据。在现有研究成果的基础之上,利用视频检测器采集的瞬时车速数据和信号配时数据作为模型的输入数据,应用离散时间马尔科夫链的方法,建立主干道出行时间的估计模型。该模型利用瞬时车速与平均车速的转化关系,估计平均车速,进而估计路段的出行时间;并以平均行程速度的阈值界定路段的拥堵与畅通情况,将各路段是否拥堵定义为主干道系统的状态,构造一个无记忆性的马尔科夫随机过程。最后,将模型应用于江苏省淮安市某主干道上,在交通高峰段与非高峰段,对模型的准确性与有效性进行验证。结果表明,模型的结果具有较高的估计精度。     

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     

城市道路网络交通状态时空演化量化分析

为了使对城市道路网络交通状态的分析不至陷入交叉口或路段内部的交通状态分析,需从中观或宏观的角度去分析交通状态.本文在探讨路网状态特征参数的基础上,定义了"路段拥挤度"指标,通过建立城市交通网络模型,并基于浮动车(GPS)采集数据设计了路网交通拥堵时空演化量化分析的流程,采用"路段拥堵持续时间""区域行程时间延误"区域拥堵路段数量"三个时空参数对路网交通拥堵状态的时空演化进行了量化研究.最后结合上海市浮动车数据与实际交通网络,得出了交通拥堵的延误时间和空间范围与拥堵程度大小的关系等结论.     

基于风险的交通网络可靠性分析方法

从风险角度提出了一种交通网络可靠性分析方法——基于风险的交通可靠性(Reliabilitybased on risk,RBR),并对其定义、形式与应用进行研究.首先提出RBR的概念,并对RBR与其他交通网络可靠性指标的异同进行了分析;通过高斯核估计,给出了基于历史数据的路段出行时间分布函数的估计与计算方法,从而得到该路段的RBR,并使用误差分析与返回检验对该方法的误差进行验证;随后使用天津某高速公路的历史观测数据对文中RBR及其计算方法进行验证;最后给出了RBR的其他形式——路径RBR、路网RBR的概念及相应的计算方法,从而将RBR推向更广泛的应用空间.     

基于改进的Dijkstra算法的动态最短路计算方法

首先将所研究的时间段进行时段划分, 然后基于每个路段在每个时段内的历史平均速度给出了改进的Dijkstra算法, 它可以给出任意时刻从任意节点位置出发到达任一目的地的行程时间最短的路径及其相应的行程时间; 其次在允许超车行为存在 的条件下将出行者进行分类, 并给出了相应的最短路算法. 论文最后给出了相应的算例验证了算法的可行性.     

基于空间型马尔科夫链的行程时间估计模型

行程时间不仅与起讫点的需求量有关,而且与道路的空间结构有着密切的联系。传统的马尔科夫链主要应用于时间序列,未考虑空间结构的影响,不能有效地揭示出行行为的空间特征;本文将其应用于空间序列,建立了基于空间型马尔科夫链的道路行程时间的估计模型。该模型首先建立了相邻路段上行程时间的二维散点图,揭示了行程时间具有空间相关性;通过应用空间型马尔可夫链,将相邻路段上行程时间的相关性进行整合,构造出若干条马尔科夫路径,进而对道路的行程时间进行估计。最后,将模型应用到实际道路中,结果表明,模型具有较高的估计精度。     

基于随机用户均衡原理的充电站分布双层规划

为优化充电站布局，考虑燃油汽车的行程时间，出行能耗，以及电动汽车的行程时间、充电时间和等待时间等因素，分别构建燃油汽车和电动汽车的阻抗函数，利用变分不等式模型建立电动汽车和燃油汽车混合条件下的基于交通流均衡分配的充电站规划模型并提出求解算法。通过数值算例证明所提出模型和算法的有效性和实用性，提出路网内不同电动汽车比例条件下的最优充电站分布方案，并进一步分析电动汽车和燃油汽车共存条件下的交通网络运行特征。研究结果表明：所提出的模型和算法有效可行；充电设施的建设应根据电动汽车在路网中的比率进行科学调整，同时，根据驾驶者选择行为对充电站选址和容量进行规划，以保证交通网络运行状态的稳定、高效。     

信号道路网动态路段行程时间有度排队模型

通过分析确定当路段动态驶入流率为小交通流和远超饱和交通流时明显地存在路段行程时间与车辆排队长度有关．因此，提出了一个全新的信号道路网有度排队模型（SQ模型），确定在各种不同驶入流率的形态下动态路段行程时间，其中既包括自由流行程时间，又包括出口处排队延误时间及其相关的计算模型和方法，并用实例分析并检验了模型的计算效率．     

基于BP神经网络的路径行程时间实时预测模型

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,本文建立了基于ＢＰ神经网络的行程时间实时预测模型,编制了行程时间预测软件系统．利用长春市的交通实测数据对行程时间进行了预测     

基于卡尔曼滤波的动态OD矩阵估计

建立了动态OD矩阵估计的状态空间模型,通过对路段车流量和行程时间的检测以估计时变的OD数据,并对其中关键的分配矩阵给出了解析的计算公式.采用扩大状态变量的卡尔曼滤波,得到了OD估计的实时递推算法.仿真实验表明算法非常有效.     

基于模糊神经网络的实时路段行程时间估计

基于对我国城市交通流的物性分析 ,提出了一种基于模糊神经网络的实时路段行程时间估计模型 ,用于将来自于交通控制中心的实时交通数据转换成为能够反映路段实时运行状况的直观参数 :路段行程时间 ,从而为交通流诱导服务 .这种方法用具有更高智能的神经网络实现了对抽象模糊规则的自动纠错的记忆 ,符合人类认识的模式 ,能令人满意地表达经验知识 ,而且模糊输入输出关系具有了明确的表达能力 .     

基于储备容量的交通网络潜在瓶颈路段识别

交通网络潜在瓶颈路段是随着需求变化将来可能会成为瓶颈的路段.准确识别出潜在瓶颈路段并进行优化管理,可以更好地适应未来交通需求的变化.基于交通网络储备容量模型,提出了交通网络潜在瓶颈路段识别方法,并设计了储备容量模型的求解算法.算例分析比较了现状需求和路网可容纳最大需求下的交通均衡流量模式.结果表明,不能简单地根据现状需求去推断潜在瓶颈路段,而论文提出的方法可以识别出路网达到最大需求时的潜在瓶颈路段.此外,利用交通网络储备容量模型设计了一种次要潜在瓶颈路段识别方法,次要潜在瓶颈路段是在优化潜在瓶颈路段之后随需求增长新出现的瓶颈路段.算例表明该识别方法具有一定的适用性.     

基于路径运行时间可靠度的随机系统最优拥挤收费模型

应用交通网络平衡模型和边际成本收费理论相结合的方法,研究了运行时间可靠度下的随机系统最优拥挤收费问题,建立了运行时间可靠度及内生ATIS市场渗透率条件下随机系统最优交通拥挤收费模型.分析了基于运行时间可靠度下的随机系统最优拥挤收费对用户出行行为的影响.发现了与确定性网络用户平衡流中的情形类似,对于考虑运行时间可靠度下的随机交通网络,边际成本收费理论仍然适用,即采用边际社会成本流函数代替单位路段成本流函数,可以使随机网络随机用户平衡流变为随机网络随机系统最优流.算例分析结果表明:在传统的拥挤收费模型中,拥挤收费仅与路径(路段)运行时间和路径(路段)流量有关.现实中,在确定他们的出行路线时,用户往往还会考虑网络运行时间可靠度因素,而不仅仅是路径运行时间或成本.用户对于运行时间可靠度的置信度要求越高,传统的拥挤收费执行效果越不理想.因此,现实生活中传统的拥挤收费不一定能使网络效益达到最优或缓解交通拥挤.     

基于简化路网模型的卡尔曼滤波多步行程时间预测方法

针对目前多步行程时间预测方法研究较少,存在未来一段时间内的观测值不能及时得到的问题,提出基于简化路网模型的卡尔曼滤波多步行程时间预测模型和算法.综合运用上游路段、当前路段的实时和历史行程时间数据,从历史数据中寻找与当前日期交通状况最接近的历史日期,解决卡尔曼滤波未来一段时间内没有观测值而无法进行多步预测的问题.实验表明,算法能够合理地预测未来几个时段的路段行程时间,有效地避免了时滞性.同时,多步行程时间预测算法的精度高(尤其是4步以内,均等系数达到0.9以上), 是一种可行的预测方法.     

基于局部频率估计和有限元的相位展开方法

针对干涉数据质量不同的区域采取不同的展开策略,在最小二乘意义下利用有限元方法最小化不同的代价函数来实现。引入局部频率估计解决了相位展开的"坡度欠估计"问题,使用有限元方法利用了其可以适应任意不规则区域求解的特性。仿真和实测数据处理结果验证了本文方法的有效性,且与其它方法相比具有较高的精度。     

一种基于效能的时间敏感目标打击时机估计方法

以提高打击效果为目的,研究了精确制导武器打击时间敏感目标的发射时机估计问题。首先运用混合总体商变换方法和精确制导武器射击理论建立了相应的作战效能模型,包括即时概率模型、捕捉概率模型、命中概率模型和毁伤概率模型。然后依据给定的作战效能模型,提出给定条件下远程精确制导武器打击陆地时间敏感目标的发射时机估计方法,并进行了算例分析和t检验,计算结果检验了估计方法的有效性。最后通过研究不同条件下的发射时机区间长度,指出远程精确制导武器航程和时间精度等级是影响发射时机估计的主要因素。     

分量载频差极小时频信号的超分辨率分析方法

针对多个调制形式完全相同且分量间载频差极小的时频信号,提出了一种超分辨率分析信号的模型和方法。首先,以各分量的幅度和相位为状态变量,信号的时域观测和基于相同调制形式而构建的瞬时频率斜率为测量方程,为分量间载频差极小的时频信号构建多观测的状态空间模型。然后,为了估计模型需要的分量数目,利用匹配解调变换将原信号解调为近似平稳的窄带信号,再使用稀疏迭代自适应协方差估计该窄带信号在时间窗内的协方差,基于这一估计协方差并利用判别函数法估计该窗内的分量数目。最后,以多个滑动时间窗内估计结果的众数作为信号分量数目,就可基于提出的模型以及数据融合滤波算法对时频信号进行超分辨率分析。仿真结果表明,所提方法的性能优于其他方法。     

分量载频差极小时频信号的超分辨率分析方法

针对多个调制形式完全相同且分量间载频差极小的时频信号,提出了一种超分辨率分析信号的模型和方法。首先,以各分量的幅度和相位为状态变量,信号的时域观测和基于相同调制形式而构建的瞬时频率斜率为测量方程,为分量间载频差极小的时频信号构建多观测的状态空间模型。然后,为了估计模型需要的分量数目,利用匹配解调变换将原信号解调为近似平稳的窄带信号,再使用稀疏迭代自适应协方差估计该窄带信号在时间窗内的协方差,基于这一估计协方差并利用判别函数法估计该窗内的分量数目。最后,以多个滑动时间窗内估计结果的众数作为信号分量数目,就可基于提出的模型以及数据融合滤波算法对时频信号进行超分辨率分析。仿真结果表明,所提方法的性能优于其他方法。     

含有屏蔽数据的串联系统中Burr XII部件可靠性指标的Bayes估计

在含有屏蔽数据的情况下, 研究串联系统中Burr XII部件可靠性指标的估计问题.利用极大似然法给出了部件参数的极大似然估计,并分别在平方损失、LINEX损失和熵损失函数下,给出部件参数及可靠性指标的Bayes估计.最后利用Monte-Carlo随机模拟方法对各种估计结果进行了比较分析.     

线性系统有限时间函数观测器设计的参数化方法

研究了线性系统有限时间函数观测器的参数化设计问题,其目的是通过设计参数化形式的函数观测器,使其在给定有限时间内能够直接估计关于线性系统状态的线性函数。基于一类Sylvester矩阵方程的参数化解,给出了该有限时间函数观测器所有增益矩阵的参数化表达式,其所含的自由参数为控制系统设计提供了全部的自由度,可通过适当选择这些自由参数使其满足某些系统性能指标。最后,数值例子及其仿真结果验证了所提线性系统有限时间函数观测器参数化设计方法的简单性和有效性。