基于个性诊断的路段缺失速度值估计

针对基于GPS的浮动车技术因无法做到对路网的时空间全覆盖导致部分路段实时交通状态缺失问题,提出基于热门路段个性化诊断(personality diagnosis base on popular road,PDPR)模型对各路段上的缺失速度值进行估计。使用K均值算法对所有原始数据作离散化处理,根据数据覆盖率对路段进行分类;以高覆盖率路段的速度数据为辅助,使用个性诊断算法(personality diagnosis,PD)对低覆盖率路段进行缺失速度估计,把估计值映射到连续型空间。实验结果表明,PDPR模型估计误差比PPCA(probabilistic principal component analysis)算法低32.84%,比滑动平均法低5.70%。

一种基于边界收敛算法的TSP求

通过对旅行商问题(TSP)进行深入研究并结合对一些求解TSP的典型算法的分析研究,提出一种边界收敛算法。在给定的平面点分布中,搜索最边缘的点并连接起来形成一个包围全部点的多边形回路,具有唯一性;然后根据被包围点加入多边形使得回路周长增加最短的原则,将被包围的点依次加入多边形边界回路,最终形成一条遍历全部点的回路。算法由java编程实现,与领域中其他典型算法进行实验比较,实验结果表明本算法不但能取得更优解而且具有快速求解、结果稳定的优势。

基于WiFi指纹的室内轨迹定位模型

基于Wi Fi指纹的无线定位根据目标接收到的无线信号强度来反推其所处位置的定位模型,在室内定位研究中被广泛应用。当前对指纹定位算法的研究主要集中在单点定位,但在实际的应用中经常需要追踪目标在空间上的运动轨迹。为此,在单点定位模型的基础上,提出一种基于核函数的隐马尔科夫链模型,通过高斯核函数计算指纹的似然概率,定义位置点之间的转移概率,同时通过限制转移位置点的搜索范围提高算法效率,并应用隐马尔科夫链模型对移动轨迹进行定位。实验结果表明,该算法在定位准确率和定位误差方面性能均优于对比算法。

基于最佳燃油经济性的换挡指导系统

针对驾驶员不良换挡习惯造成明显燃油浪费的现状,提出了一套基于最佳燃油经济性的换挡指导系统,其基本原理是通过汽车OBD-Ⅱ接口读取车辆状态参数,然后依据最优换挡理论,在恰当的时机提醒驾驶员换挡.对系统的设计与实现进行了详细说明,主要包括系统框架、缺失参数的识别算法、最佳换挡的判别算法.最后对系统进行有效性验证,结果表明应用该系统平均节油8.6%,并且能使油耗水平更加稳定.研究成果可在现实中进一步推广,对交通领域节能减排有重要的价值.

基于条件随机场的城市路段的速度序列估计

在智能交通的相关研究中,对城市路段的历史通行速度的分析正引起广泛的关注.然而,由于路段速度数据的采集车辆不能实现对全路网的所有路段的完全覆盖,有部分路段出现了长时间的数据缺失现象,这种在同一路段上连续缺失的数据构成了一个缺失序列.现有的对缺失的速度数据的估计算法主要集中在对缺失点数据的估计,因而不适合应用于本问题.研究对这类缺失序列的估计算法,把该问题建模为序列标注问题,并使用条件随机场求解.研究了对原始速度数据的编、解码策略和与被估计路段相关的路段的选择策略,在实际的交通数据上的实验表明了本文的方法在长序列的速度数据估计问题上的有效性.

基于改进个性诊断和热门路段的路况估计

个性诊断(Personality Diagnosis,PD)算法只适合应用于离散型空间,应用到连续型空间时需要先进行离散化处理,导致其应用范围受限。对个性诊断算法进行改进,并应用到实时路况估计中,提出基于连续型的个性诊断和热门路段的路况估计模型(Improved Personality Diagnosis and Popular Road Model,IPDPR)。首先根据数据覆盖率提取高覆盖率路段作为基准个性类型;然后判别路网中所有路段的类型,即计算相似性概率;接着根据相似性概率获得缺失项的取值概率分布;最后计算概率最大值作为估计值。实验结果表明,本文所提IPDPR模型估计误差比概率主成分分析(Probabilistic Principal component analysis,PPCA)算法小53.88%,比滑动平均法小11.47%.