城市轨道交通系统灾害链网络模型构建与评价

为定量描述城市轨道交通灾害事件间的传播关系,帮助决策者在发生灾害事件时作出更加科学的判断,采用危险与可操作性分析（HAZOP）法,提出城轨系统灾害事件集的提取方法;基于城轨事故历史数据,通过共现矩阵的构造和Jaccard指数的计算,构建灾害链有向网络模型;然后,针对给出的灾害链网络,结合复杂网络统计指标,定量评价其节点和边的重要程度。利用历史事故数据,验证模型和评价方法。结果表明：所建灾害链网络模型能客观反映灾害事件间的传播关系;网络的边和节点的重要度评价结果与实际情况相符。

基于权值优化的FCM-MSVM算法及其在高速公路状态判别中的应用

高速公路实时交通状态的准确判别是科学制定交通管理策略的重要基础.本文以实测的高速公路交通流三特征参数的数据作为输入,引入熵权法刻画参数之间重要程度的差异,利用改进的FCM算法对特征参数进行聚类,根据不同交通状态的结果,建立基于多分类器支持向量机的交通状态判别模型,并分别采用网格搜索法、遗传算法和粒子群算法对支持向量机参数进行优化,从而提高模型的判别准确率.最后选取实际数据对本文模型进行验证,判别结果的分类准确率可达96.3980%.

基于DBSCAN算法的城轨车站乘客聚集特征分析

发掘并掌握站内乘客群体的聚集时空变化规律,对于优化城市轨道交通线网间车辆的调度,特别是优化灾害条件下的客流组织管理等,具有积极的作用.针对具有密度分布非均匀特征的车站乘客位置数据集,提出一种基于高斯混合模型的DBSCAN聚类算法.首先,利用高斯混合模型对数据集进行密度的分层处理;然后,面向不同密度层次的数据集进行局部聚类,确定各密度层数据集的参数,并选取恰当的种子以完成局部聚类簇扩展;最后,将各密度层次数据集的聚类结果进行合并.通过标准和实测数据的计算结果表明,基于高斯混合模型优化后的DBSCAN算法,对于非均匀密度分布的乘客位置分布数据具有更好的聚类效果.