考虑主路左转延误的主路优先交叉口信号设置流量阈值

为了进一步完善主路优先交叉口信号灯设置流量条件,考虑了主路左转车流延误对交叉口信号灯设置条件的影响.通过分析主路左转车流在信号灯设置前后的交通特性,利用控制延误方法和Webster方法的研究思路,分别建立主路左转车流在信号灯设置前后的车均延误改进模型.从交叉口交通运行效率的角度出发,以交叉口车均延误作为判别指标,建立信号灯设置前后交叉口等车均延误曲线,以此曲线作为判断交叉口是否需要设置信号灯的阈值条件,同时还给出了不同主路左转车流比例下的流量阈值.与美国MUTCD提出的阈值曲线相比,考虑左转车流延误影响的流量阈值曲线更符合我国主路优先交叉口交通特性,具有更强的实用性.     

多协议标签交换技术的应用

介绍了MPLS(多协议标签交换)技术的概念、基本原理和应用现状,讨论了基于MPLS的实现过程,指出了基于MPLS技术的优势和存在问题,分析了基于MPLS在VPN、流量工程和服务等级方面的应用情况.     

初分流量程序及其接入主程序的方法

为使给水管网的初分流量完全由机器自动完成 ,必须将分配初始流量子程序接入主程序。文章采用赋值矩阵 ,构造了机器自动赋值的模型 ,给出了初分流量子程序及接入主程序的方法。文章提出的连接方法具有较强的通用性 ,可方便地用于给水管网的优化计算 ,以实现自动分配管网所有管段的流量。     

中厚板轧后超快速冷却系统流量自动标定技术

中厚板轧后超快速冷却系统通常采用流量-开口度曲线来加快集管流量调节速度,同时曲线标定精度直接影响集管流量调节精度.以应用于多家中厚板厂的一种新型超快速冷却设备为例,分析其电动调节阀的调节特性,给出流量-开口度曲线自动标定的有效方法.结果表明,利用该自动标定方法对集管进行流量-开口度曲线标定,在增加标定曲线维护便捷性的同时,改善了流量-开口度曲线的控制速度和精度,为提高流量控制速度和精度提供强有力的技术手段.     

OFDMA中继网络上行链路资源分配算法设计

针对放大-转发OFDMA中继网络上行链路,考虑具有不同QoS要求的异构业务场景,在用户与中继独立功率约束条件下,提出一种子载波对匹配分配与功率分配算法,以实现在满足非弹性用户速率需求前提下,最大化弹性用户和速率的目标.为降低算法计算复杂度,将原混合二进制整数规划问题分解为子载波对匹配分配,非弹性用户与中继、弹性用户与中继联合功率分配三个子问题,从而实现计算复杂度从指数级别到线性的下降.仿真结果显示,所提方案能够满足非弹性用户的速率需求,且弹性用户的和速率容量明显高于等功率分配原则和未进行子载波匹配下的资源分配算法.     

基于重心原理的大规模网络异常检测算法

针对当前入侵检测技术不能满足大规模网络的性能要求这一问题,提出了基于重心原理的大规模网络异常检测算法.实验结果表明,对当前流行的多种拒绝服务攻击,应用该箅法的入侵检测系统都能够有效的检测出异常状态.     

基于MIMO-OFDM协作系统的中继混合选择合并算法

提出了一种基于MIMO-OFDM协作系统的多中继混合选择合并算法。算法原理主要是采用地理位置信息得到一个性能最优的AF(放大转发中继)中继节点,根据瞬时信噪比门限值或相对最小BER门限值选择符合要求的多个DF(译码转发中继)中继,所选择出来的最优AF中继和多个DF中继将协作MIMO-OFDM系统完成信号的转发,最后在目的节点处对直传链路信号和中继链路信号进行最大比合并(MRC)。对该算法进行了理论分析,并研究了该算法对系统误比特率性能的影响,并在MATLAB上进行链路级仿真分析比较。仿真结果表明所提出的多中继混合选择合并算法能有效提高空间分集增益,从而降低系统误比特率。     

公路交通流车速-流量实用关系模型

针对常用的公路交通流车速-流量关系模型不能进行交通流超饱和状态下交通分析的不足，本文首先应用大量的交通观测数据建立了各级公路车速-流量关系理论模型，通过对公路高峰小时超饱和状态下交通流消散过程的机理分析，研究了各级公路在不同交通负荷条件下的车速-流量关系通用模型的结构，并通过与大量观测数据的拟合，建立了各级公路在任何交通负荷条件下的车速-流量关系通用模型的函数表达式，提出了各级公路在不同设计车速下的实用模型参数．该模型成功地解决了高峰小时超饱和状态下的交通流速度预测问题，为公路网络规划类、终济分析类项目的开展提供了理论基础．     

基于量纲分析的绝热毛细管壅塞流量特性关联

关联方法可替代复杂的数学模型，用以预测绝热毛细管的壅塞流量特性．先通过量纲分析方法给出了绝热毛细管壅塞流量特性的一般函数关系式，然后采用两种模型近似该一般函数关系式：一种是传统的Fower—law关联式；另一种是人工神经网络．以献中的R－407C毛细管实验数据为对象，对比研究了这两种模型的关联效果．结果表明：人工神经网络的关联误差及误差的分散度更小．     

基于支持向量机的P2P流量管理模型设计

对P2P的网络流量进行识别是P2P研究领域中的一个重大难题,为了实现对其管理,提出了一种基于支持向量机(SVM)的P2P流量分类管理模型.首先获取P2P网络流量数据,然后将获取的样本数据输入SVM并对SVM进行训练,最后将测试样本数据输入SVM进行P2P流量分类管理.仿真实验证明了该方法具有较高的检测率和较低的漏报率.