基于机器学习的中观交通仿真器模型参数标定

针对经典速度-密度模型在精确刻画交通流动态变化特性时所存在的局限性,将更丰富的路段检测信息运用到中观交通仿真模型参数的标定过程中。提出先对路段检测数据进行预处理,再采用机器学习方法中的局部加权回归、k-均值聚类、k-最近邻方法,分别将车流密度,密度与流量作为变量标定车速。利用现场数据对算法进行了大量测试,结果表明,算法是有效的,适用于基于仿真的动态交通分配系统。     

分形图像编码的误码检测和图像恢复

对由于传输信道干扰而产生的分形压缩编码数据传输时产生的图像坏块 ,提出了一种检测方法 ,并用遗传算法在该图像中搜索坏块的相似块 ,用相似块来取代坏块 ,从而达到误差掩蔽的效果。仿真结果表明 ,对数据传输中所产生的图像坏块 ,采用所提出的图像坏块检测方法 ,坏块检出率高 ,并且在使用所提出的图像误差掩蔽方法后 ,图像质量有明显改善。     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

基于图像灰度熵的团块目标检测方法

针对面向自动目标识别(ATR)的图像数据压缩方法,感兴趣区域(ROI)检测器的设计是需要解决的一个关键问题。图像灰度熵可以有效地反映图像中像素灰度变化的剧烈程度,并且与图像均值有关。提出了一种基于图像灰度熵的团块目标检测方法,实现了对可见光和红外图像中坦克、飞机、舰船等团块目标的有效检测。实验表明该方法具有较好的稳健性和适应性,优于基于分水岭的检测方法,满足面向ATR图像数据压缩方法ROI检测器的设计要求。     

基于Jess和机器学习的Robocode策略研究与实现

研究Java规则引擎和机器学习在Robocode坦克机器人战斗仿真引擎中的应用。探讨利用Jess规则引擎对Robocode坦克机器人决策规则库部分进行开发与维护,满足仿真环境实时性和策略易扩展性的要求。同时为了提高坦克机器人的在线自适应和自学习能力,结合机器学习方法进行角色训练,利用人工神经预测网络对产生式系统中瞄准规则的火炮瞄准角度值进行优化。结合遗传算法与产生式系统,设计混合的移动策略选择器,并对神经网络预测瞄准和基于遗传算法的移动策略进行了实验,给出了实验结果。     

数据中心PUE能效优化的机器学习方法

本文研究如何利用机器学习方法来降低数据中心电能使用效率(power usage effectiveness,PUE)指标.现阶段以Google公司为代表的工业界使用的神经网络模型考虑的特征数量较少,且仅考虑单一特征变化对PUE指标的影响,缺少对特征之间耦合特性的分析.此外,机器学习方法对数据集的质量和数量要求都很高,并且落地实施过程和结论判断皆容易受到噪声干扰,整体难度较大.现阶段学术界和工业界尚缺少对具体优化案例的详细阐述.本文对现阶段利用神经网络模型优化PUE指标的方法进行改进,增加了特征维数,提高了预测精度,取得了超出Google公司PUE模型预测精度的结果.利用历史样本轨道,使用统计方法近似得出特征之间的耦合特性,并代入灵敏度分析中,得到更加精确的分析结果.提出基于灵敏度分析的冷却系统参数设计优化方案;利用腾讯华北某数据中心的海量数据和现场条件,实施制冷系统参数设定优化的实验,实验效果证明了优化方案的有效性.     

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合，提出了一种新的机器学习方法，实现了基于类比的案例推理学习模型。具体实现思想是，首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识，由所得结果建立一般模糊极小极大神经网络分类模型，然后用该模型实现新目标问题的案例相似性检索，最后针对目标问题结果案例完成案例学习。通过实例表明，该算法具有较好性能，并在基于案例推理的固体火箭发动机总体设计中成功应用，得到了论域覆盖面大的设计结果集。     

基于四叉树的灰度图像压缩方法

从灰度图像的局部统计特性出发 ,提出了基于四叉树的灰度图像压缩方法。该方法的基本思想是 ,如果当前原始子块的最大灰度差小于一给定阈值 ,则把当前原始子块视为一个整体子块 ;否则把当前原始子块一分为 4 ,得到 4个大小相等的更小的原始子块。该方法把原始图像分解为若干个整体子块 ,并采用有效的方式存储每个整体子块的位置、大小和灰度 ,从而达到压缩的目的。采用合理的平滑算法 ,有效地消除了解码图像中的方块效应。计算机仿真实验表明 ,该方法可以获得较高的压缩比和峰值信噪比 ,可以很好地保持原始图像中灰度变化较大的细节 ,可以方便地去除方块效应 ,具有较高的实用价值。     

基于机器学习的寿险精算生命表函数估计

传统的分数年龄假设(fractional age assumption,FAA)形式简单且计算容易,但它们却存在死力函数在整数年龄处有较大跳跃的缺点,并且无法保证能精确地捕捉到生存函数的真实趋势。最小二乘支持向量回归机(least square support vector regression,LSSVR)作为机器学习领域的一项经典技术被广泛应用于对统计数据的回归与分析中。从机器学习的新视角来研究寿险精算理论中的生命表数据,对生存函数数据进行回归,并用成功拟合的生存函数构建死力函数及平均余命函数。LSSVR模型对生存函数拟合的有效性通过Makeham函数来进行验证,并与经典的三个FAA模型进行比较,实验表明,LSSVR模型的回归能力远高于经典的FAA模型。     

基于预测风险最小化的模型选择理论与方法研究

阐述基于预测风险最小化的模型选择问题，提出基于经验风险最小化原则的模型选择一致收敛性定理，解决有限样本下利用经验风险来最小化预测风险的问题，并分析模型选择欠学习或过学习问题的根源，给出一种模型选择的次优迭代算法。最后通过具体实例验证上述理论和方法的可行性和优越性。     

对交通控制与诱导结合研究的评述

交通控制与诱导的集成和一体化代表了现代交通管理的发展方向，是智能交通系统中的重要研究内容。而动态交通分配与交通控制的结合是控制与诱导集成的理论基础。本文回顾交通控制与交通诱导以及动态交通分配结合研究的发展．对控制为主和以诱导为主的两类系统的设计和研究思想以及结合的主要模型和求解算法进行详细的论述、总结和分析．指出研究中存在的不足和局限性，提出建立控制与诱导真正协调、一体化的研究改进的方向和思路．最后给出一个完整的控制与诱导结舍研究的框架结构。     

自适应变异粒子群算法在交通控制中的应用

提出了自适应粒子群算法结合实数遗传算法中变异算子的混合算法，它能提高算法的收敛性和稳定性。同时，通过对交通路口的通行情况的研究提出了一种新颖的离散交通信号控制模型。此模型以交叉路口各方向车流支路为基本单元，以各支路车流信息为输入，得出交通信号控制的各项性能指标。在此模型的基础上，应用自适应变异粒子群算法实现交通信号优化控制及验证算法。仿真结果表明自适应变异粒子群算法能够有效实现交通信号优化控制。     

Gaussian Mixture Statistics Model Based on Automatic Inspection System Used in ITS

The ITS is becoming more and more important in the economic development of China. But most of the ITS used in Chinese major cities need the human to perform the supervision task. As a result, it consumes too much human resources, and also can not achieve the satisfied supervision performance. Thus, in this paper, we will propose an automatic inspection system based on the Gaussian mixture statistics model to alleviate this kind of problem. The proposed method will utilize a Gaussian Mixture model to model the background, and then use the EM algorithm to update the model＇s coefficients frame by frame to make the model adapt to the changing environment. After successful modeling, we can extract out the foreground blocks from background blocks, and finally trigger the automatic alarming system by calculating the number of foreground blocks. From the experiment results, our proposed method can achieve considerable good results.     

ATMS体系结构发展及若干关键基础理论

通过概述 ITS的功能模块组成及它们间的关系 ,指出了 ATMS在 ITS中的重要地位 .然后从不同的角度讨论了 ITS,ATMS的体系结构及其发展 .在此基础上 ,分析了当前 ATMS存在的若干理论与技术实现的问题 .由于 ATMS的发展对 ITS至关重要 ,结合笔者正在进行的研究工作 ,文章指出了发展ATMS应该进行的关键理论与技术研究     

Wireless Location Determination for Mobile Objects Based on GSM in Intelligent Transportation Systems

1 .INTRODUCTIONTheabilityofpositioningmobileobjects (MOs) ,in cludingvehiclesandtravelersholdingmobiletermi nals,isafundamentalfunctionforsomeITSsubsys tems,suchasemergencyrescue,securitysystem ,au tomaticnavigationsystem ,andtrafficinducementsystem[1 ] .Atpresent,therearethreedominatingtypes[2 ]ofwirelesspositioningtechnologies,i.e.positioningbasedonsatellites,positioningbasedondedicatedcommunicationsystemsandpositioningbasedonpub liclandwirelesstelecommunicationsystems (PLMTS) ,respe…     

ITS方案的多属性多层次模糊评价方法研究

针对ITS方案评价中诸多非精确量，且属性复杂的评价条件，基于多层模糊推理提出了一种多属性多层次，综合考虑各种定性和定量条件的ITS方案评价方法，这种方法将多个评价属性分成定性和定量两大类，每个大类再将属性分层次评价，最后将评价结果进行合成后得出最终的综合评价排序，通过一个ITS例子的仿真应用，说明了该方法的具体步骤以及其有效性。     

一种交通控制与诱导递阶协调优化模型

在对交通控制与诱导的关系进行分析的基础上,借鉴大系统递阶优化的思想,利用动态交通分配模型和交通最优控制模型,提出了一种二级结构控制与诱导递阶协调的系统结构,建立协调优化模型,给出了一种迭代的协调求解算法;并针对一个仿真的路网给出模拟的协调结果,对本文的模型和算法进行了验证.     

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.     

一种混合交通流微观模型仿真实现

充分考虑中国城域混合交通流的特点,利用马尔可夫过程理论对个体运动轨迹、行进方向及行为冲突进行建模,建立了由汽车、自行车和行人构成的混合交通流微观模型.在此基础上,进一步对个体交通行为进行描述和算法设计,并对西安市古城墙内区域各主干道混合交通流的交通行为进行了模拟验证.仿真表明,该模型具有结构简单、层次清晰和可扩展性强等优点.     

Series queuing network scheduling approach to co-scheduling model of three Gorges-Gezhou dam

<正> This paper provides a mathematical model for Three Gorges-Gezhou dam co-schedulingproblem,based on full analysis of Three Gorges-Gezhou dam's actual needs,to maximize the totalthroughput of Three Gorges-Gezhou dam and the utilization ratio of shiplock area and minimize thetotal navigation shiplock waiting time under multiple constraints.This paper proposes a series queuingnetwork(SQN)scheduling algorithm to divide the total ships that intend to pass through the shiplocksinto four queues and calculate dynamically the weight of priority for each ship.The SQN schedulingalgorithm schedules ships according to their priority weights which is determined by the characteristicsof each ship,such as length,width,affiliation,waiting time,and so on.In the process,the operationconditions of Gezhou dam related to the navigable shiplocks and the task balancing among differentshiplocks also should be considered.The SQN algorithm schedules ships circularly and optimizes theresults step by step.Real operation data from our project shows that our SQN scheduling algorithmoutperforms the traditional manual scheduling in which the less computational time is taken,the areautilization ratio of the five shiplocks is increased,the waiting time of high-prioritized ships is shorten,and a better balanced and alternating run-mode is provided for the three shiplocks in the Gezhou dam.