基于DBSCAN密度聚类算法的高速公路交通流异常数据检测

由于高速公路交通流数据的复杂多变性以及随机波动性强,而导致传统的异常数据识别方法很难准确检测出其交通流异常数据,提出了采用DBSCAN密度聚类算法来检测高速公路交通流异常数据。DBSCAN密度聚类算法能够有效地对高速路交通流数据进行准确地分类而分离出异常样本,从而检测出其异常交通流数据。结合实验表明,该高速路交通流异常数据检测方法达到了较好的效果,能够满足实际路况的检测需求。

基于PLC的污水处理控制系统的设计与实现

对基于可编程控制器的污水处理工艺进行了应用需求的研究与探索。从整体上设计了基于可编程控制器的控制系统,在工艺流程图的基础之上进行了硬件选型和程序设计。采用可编程控制器S7-200系列CPU226作为控制器,通过输入输出口分配,将液位传感器、溶氧仪等设备测出来的被控信号送入可编程控制器,再通过各种污水处理设备的执行,实现对污水的净化。其中对曝气沉淀池中的溶氧度的控制要加入PID算法。最终通过系统的设计,仿真成功后说明该设计是可行的,而且具有实践应用意义。

基于灰狼算法的Simhash冗余数据检测算法

高速公路智能交通数据记录量大且易产生冗余数据,使交通数据质量降低,不利于对交通数据分析和进一步应用。由于SNM算法过于依赖关键字的选取,计算的时间复杂度高,易造成计算的浪费导致对冗余数据检测效果不佳;而Simhash算法存在关键词对应的权重选取困难问题。因此,提出了基于灰狼算法改进的Simhash算法,对关键词对应的权重选择进行优化。使用SNM算法、Simhash算法以及改进后的Simhash算法对高速公路智能交通冗余数据样本集进行仿真实验。分析结果表明改进后的Simhash算法检测高速公路交通冗余数据记录的准确率、召回率以及F-Measure都有所提升,检测效果更好。

节假日高速公路短时交通流预测

针对高速公路愈加拥堵问题,提出了一种新的高速公路交通流预测方法,采用改进萤火虫算法优化RBF神经网络进行求解,结合历史节假日高速公路交通流数据进行训练和预测,与RBF神经网络预测结果进行对比,改进萤火虫算法优化RBF神经网络具有更好的预测结果,能够为高速公路管理中心提供稳定可靠的数据来源,为交管部门合理诱导疏散,缓解交通拥堵提供有效的技术支持。

基于优化最大偏差相似性准则的KNN缺失数据填充算法

根据高速公路交通数据的特点,采用基于最大偏差相似性准则(MDSC)与KNN填充算法对缺失交通数据进行填充。针对KNN填充算法可能产生伪邻近点问题,提出利用MDSC对不完整的交通数据中缺失的属性样本和完整值数据样本进行聚类,以避免伪邻近点发生;并利用基于骨干粒子群算法对MDSC参数优化。实验结果表明:基于优化MDSC的KNN填充算法的RMSE值更小,效果更优。