基于模拟退火的OD矩阵估计研究

由路段交通量估计交通起止点矩阵OD时,一般都要求解非线性的目标函数,使用通常的随机搜索算法容易陷入局部最优的陷阱。本文将模拟退火算法应用于OD估计问题,使用双层规划的OD估计模型,并给出了启发性算法。     

交通网络中动态OD矩阵反推算法研究

文章根据极大熵基本原理并运用排列组合理论推导出OD矩阵反推的极大熵模型;然后用拉格朗日乘子法求得该模型的非线性方程组,并运用Newton算法对此非线性方程组求解,得到动态OD估计矩阵。最后,在实例应用中,应用此模型和文章给出的模型解法取得了令人满意的结果。     

改进的卡尔曼滤波算法在行驶汽车状态估计中的应用现状

卡尔曼滤波及其改进方法在行驶车辆状态估计中有着广泛的应用,并取得良好的效果;本文针对自适应卡尔曼滤波算法、无轨迹卡尔曼滤波算法的应用等进行了综合性阐述。     

扩展卡尔曼滤波在行驶车辆状态估计中的应用

扩展卡尔曼滤波在行驶车辆状态估计中有着广泛的应用,并取得良好的效果;本文就扩展卡尔曼滤波算法及其改进方法的应用等进行了综合性阐述。     

MIMO系统中基于卡尔曼滤波的信道预测算法研究

多输入多输出(MIMO)技术是LTE系统中的关键技术之一,能够在不增加带宽的情况下成倍地提高了通信系统的容量和频谱利用率。本文提出了一种多用户MIMO下行链路中基于卡尔曼滤波的信道预测算法。在实际传输时,发射端根据接收端反馈回来的信道信息预测出下一时刻的下行信道信息,仿真结果验证了所提方法的有效性。     

基于Frank-Wolfe算法的交通分配研究

为了提升交通分配算法的速度以适应现实业务需求.本文提出了一种改进Frank-Wolfe算法,该算法模型相较于传统模型,优化了道路路阻计算方法,使模型路径规划接近现实情况,并预设出行路径集,避免穷举网络所有路径.此外,本文还解决了路段途径车流OD无法溯源的问题.在测试实验中,本文以深圳市的交通数据为实验数据,用本文的方法...     

铁路路网系统运输能力的新算法研究

从系统理论和运输需求的概念出发,分析了国内外铁路路网运输能力的研究成果。从OD流矩阵的角度提出了铁路路网系统运输能力的概念,在此基础上构建了铁路路网系统运输能力的双层规划计算模型,该模型已最大化OD流矩阵乘数从为上层规划模型的目标,以最小化广义运输费用为下层模型目标,并提供了基于Lingo软件和Double-sweep算法的实用解法。最后,以一个铁路路网为例,用模型进行了求解,得出了路网最大能力及实现此最大能力的车流径路,并指出了进一步研究的方向。     

铁路路网系统运输能力的新算法研究

从系统理论和运输需求的概念出发,分析了国内外铁路路网运输能力的研究成果.从OD流矩阵的角度提出了铁路路网系统运输能力的概念,在此基础上构建了铁路路网系统运输能力的双层规划计算模型,该模型已最大化OD流矩阵乘数从为上层规划模型的目标,以最小化广义运输费用为下层模型目标,并提供了基于Lingo软件和Double-sweep算法的实用解法.最后,以一个铁路路网为例,用模型进行了求解,得出了路网最大能力及实现此最大能力的车流径路,并指出了进一步研究的方向.     

一种轨道交通客流OD精准化辨识算法

特大城市的轨道交通承载着城市的交通运输骨干任务,积累了蕴含着乘客出行时空关系、出行规律及出行习惯等的客流票卡数据,具有较高的实践指导价值。首先,设计了轨道交通AFC数据预处理方法,构建了轨道交通客流刚性需求筛选算法;其次,改进FP-Tree算法并用于挖掘刚性需求客流OD,得出精准化的乘客进出站频繁项集;最后,构建基于换乘客流路径选择模型的客流换乘OD挖掘算法,将客流换乘OD转化为线路OD,精准化挖掘客流OD需求,研究成果可为轨道交通市郊线路快车停站方案的制定提供支持和决策指导。     

基于TransCAD的BPR路阻函数对OD反推影响分析

随着交通信息采集技术的发展,路段流量的获取变得越来越容易。因此,通过路段观测流量来反推OD矩阵的方法成为一种经济实用的方法。本文介绍了基于TransCAD软件OD矩阵反推的方法,并结合苏州市部分特定路网建立了路网模型。运用单因素敏感性分析法,结合选定的均方根误差、相对误差以及模态置信准则(MAC)等三个评价指标,分析BPR路阻函数参数α和β对OD矩阵反推结果精度的影响。在反推过程中建议使用随机用户平衡分配法(SUE),并给出α和β的建议取值范围,可为提高利用TransCAD软件进行OD矩阵反推精度提供参考。     

自适应Kalman滤波在地表沉降动态预报中的应用

开采沉陷是煤层采出后引起的一个时间和空间过程。随着工作面的推进,不同时间的回采工作面与地表点的相对位置不同,开采对地表点的影响也不同。本文以运用自适应Kalman理论为基础,对矿区地表观沉降进行动态预报,取得较好的成果。     

卡尔曼预测滤波在脱靶量时滞问题中的应用研究

针对光电跟踪系统中的脱靶量时滞问题,对脱靶量时滞对系统控制性能的影响进行了分析。在机动目标运动模型的基础上提出了可行的预测滤波解决方案,设计了对应的卡尔曼滤波器。仿真结果表明对脱靶量的预测取得了良好的效果。     

基于HCMAC卡尔曼滤波器在组合导系统中的应用

针对经典卡尔曼滤波器要求组合导航系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性的问题,利用超闭球小脑神经网络（Hyperbal Cerebel ar Model Articulation Control er,HCMAC）良好的非线性逼近能力、泛化能力和自学习能力,设计HCMAC辅助卡尔曼滤波器,并应用于组合导航系统。仿真试验结果表明,该辅助算法与经典卡尔曼滤波算法相比较,精度提高了2倍,收敛时间缩短近200s,且有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点,使系统具有自适应能力以应付动态环境的扰动,增强了组合导航系统的鲁棒性。     

医院实时多并发系统的研究

本文分析了医院实时多并发系统的设计与开发,研究了为其具体实现而需要的各项支撑技术和关键技术。     

无线条码扫描技术在备件仓库实时管理中的应用

针对某大型卷烟厂备件仓库的实际情况,提出了一种基于无线条码扫描技术的仓库实时管理方法,进行了具体的设计,并在备件仓库中得到了应用。实践表明,该方法有效的提高了备件仓库的管理水平和工作效率。     

电力系统抗差状态估计研究

状态估计能高效地估计出电力系统最佳的运行状态。测试并比较了基于原对偶内点法的加权最小绝对值估计与基于牛顿法求解的二次-线性准则、加权最小二乘估计的估计精度与计算效率,由测试结果可知,加权最小二乘估计虽有较高的计算效率,但估计精度偏差,而加权最小绝对值估计有着较高的估计精度,但较低的计算效率也限制了其工程应用。     

特征选择在协同过滤推荐算法中的应用研究

用户-项目评分数据集的高维稀疏性使得传统的协同过滤处于"维度困境"。运用降维技术的特征变换方法的协同过滤算法虽然缩减用户-项目评分数据集规模,但在某种程度上导致信息损失。本文提出将特征选择方法和技术运用于协同过滤算法,并且给出了基于有监督特征选择的协同过滤框架及其协同过滤流程。     

工程计价模式改革与投标报价的研究

适应我国加入WTO与国际工程管理接轨的需要，推行工程量清单计价模式已势在必行，广大施工企业必须及时转变观念，加强针对新的计价模式相适应的投标报价技巧研究，为企业参与投标竞争，自主报价打下良好的基础。