基于复杂网络的城市交通拥塞因子风险传播机理及其应用研究

为了解城市交通拥塞因子风险传播特性,提升拥塞风险控制能力,依据昆明市路网拥塞实际调查数据,利用Pearson相关系数分析风险影响因子间的相关性,构建交通拥塞因子风险复杂网络。通过软件gephi0.9.2计算复杂网络各指标,验证网络的可行性和适用性。计算网络节点的相关指标进而引入网络节点重要度k的概念,据此将网络节点划分为核心节点、一般节点和边缘节点,同时引入直接免疫率ρ共同构建风险传播模型。对筛选出的核心节点进行直接免疫控制,免疫概率ρ分别取0.028,0.056,0.112后计算分析可知,免疫概率ρ取值基本与感染节点峰值比例值成反比。结果显示,识别出网络中重要度较大的节点并进行免疫控制后,交通拥塞因子风险的传播规模和传播速率将得到较好控制,对现实生活中治理城市道路路网交通拥塞有较好的指导意义。

基于往返时延梯度的多路径拥塞控制算法

为更好利用有限的网络带宽资源,提高带宽利用率,提出一种利用往返时延梯度精确感知带宽变化的多路径拥塞控制算法。根据往返时延的大小反馈网络拥塞程度,将拥塞程度量化为时延梯度作为拥塞窗口的控制参数;为保证链路公平,利用往返时延估计链路带宽,经迭代分配带宽,给出公平的资源分配方法。在NS-3上进行仿真,其结果表明,多路径流的吞吐量较单路径流明显提高,保证了链路分配的公平,动态环境下的响应时间较同类算法有所减小。该算法进一步提高了网络带宽的利用率。

计及配电网拥塞的集群电动汽车参与二次调频方法研究

随着电动汽车数量的增多,具有快速响应能力的电动汽车在参与电力系统调频服务中得到广泛关注,但现有研究在利用电动汽车参与电网调频时往往忽视了电动汽车参与调频过程中由于集中充电可能导致的配网拥塞问题。为此,提出一种计及配电网拥塞的集群电动汽车参与二次调频方法。首先,介绍集群电动汽车参与电网调频的调度结构框架;其次,提出考虑电动汽车荷电状态的调频容量分配策略;然后,提出基于拥塞指数因子对电动汽车充放电功率进行调整的控制策略;最后,通过MATLAB/Simulink仿真进行算例分析,验证了所提控制策略的优势,结果表明:该策略可以在避免配电网拥塞的同时,保证系统频率波动不超过0.1Hz。

一种基于主动代理的增强型分层多播算法——AELM

为一种典型的多速率视频多播算法,RLM 通过动态地加入和退出一定的多播组来实现对网络的拥塞控制。然而,RLM 算法存在要求用户协同工作、反应时间长以及对路由表项容量要求高的问题。本文通过引入主动代理反馈机制以及历史相关决策因子对其进行了改进,提出了一种基于主动代理的增强型分层多播算法——AELM。试验表明本文的算法能够解决 RLM 算法存在的问题。

基于模糊神经网络的交通信号配时系统

为有效缓解城市道路交通拥堵问题,提高路网的运载能力,设计了一套交通信号灯的动态配时系统。系统基于模糊神经网络(FNN)控制思想,定义了道路拥塞因子作为输入,使用高斯函数作为隶属度函数将其模糊化,通过乘积法求解规则可信度,最终使用加权平均法去模糊化后得到下一次的通行时长。通过VISSIM7.0进行仿真验证,基于模糊神经网络(FNN)的交通信号灯配时系统可以合理地调节信号灯通行时长,有效地降低交通拥塞情况的发生。