基于多尺度主元分析法的动态交通数据故障诊断与修复

针对动态交通数据的故障问题,提出了一种改进的多尺度主元分析(MSPCA)方法及数据修复模型。利用小波包多尺度分解将每个变量一次分解成逼近系数和多个尺度的细节系数,并在各个尺度矩阵建立相应的主元分析模型。以模型统计量控制限为阈值,对小波系数重构得到综合主元分析模型,并将故障数据分离出来。利用数据修复模型以及根据时间相关性和空间相关性计算出各组数据的相关系数,并估算出故障数据的真实值。最后给出了各种仿真结果。

基于主客观赋权法的最优路径选择分析

为了使最优路径的选择既满足用户的个性化需求,又符合实际的道路交通条件,提出了基于主客观赋权法的最优路径选择模型。主观赋权法是以用户的偏好信息为基础,利用层次分析法,将定性分析与定量分析相结合,确定主观权重;客观赋权法是以实际的交通属性为基础,利用熵权法确定客观权重;根据主客观赋权法得到组合权重,使得选出的路径兼顾主客观因素,付出较小的代价,满足用户的偏好。通过改进的Dijkstra算法求解最短路径,在搜索可能的节点时,限定搜索的方向,使得搜索具有偏向性,减少了算法的空间复杂度,提高了算法的效率。模拟仿真表明:该模型以用户偏好及道路属性为基础,选出的路径更加科学合理,模型具有较好的稳定性与可靠性。

RBF神经网络在公交行程时间预测中的应用

为提高公交行程时间预测结果准确度、减少预测过程花费时间,提出基于RBF神经网络公交行程时间预测模型。综合分析公交车辆行程时间动静态影响因素后,将网络变量输入模型对行程时间进行预测,以重庆市462公交线路为例,对模型进行验证,对比BP网络预测结果,表明RBF模型在速度和精确度上优于BP网络,具有一定实际应用价值。