基于先验路段流的贝叶斯网络交通流量估计模型(英文)

为了估计交通流量,提出了一个使用先验路段流的贝叶斯网络模型.该模型把路段流量设为OD流量的父节点.在正态分布假设下,模型考虑了总交通流水平、路段流可变性以及交通量守恒的随机扰动.根据先验路段流确定所有变量的先验分布.通过更新一些观测的路段流量,给出后验分布.后验分布的方差往往随着路段流量的逐步更新而不断减小.基于得到的后验分布,给出点预测和相应的概率区间.为消除OD矩阵估计和交通分配之间的不一致,组合了贝叶斯网络和随机用户均衡模型,通过迭代得到均衡解.算例结果验证了提出的贝叶斯网络模型和组合方法的效果.

网状Meta分析一致性的鉴别与处理方法

与传统Meta分析相比,网状Meta分析的混杂因素较多且处理更为困难。由于证据相互传递,异质性可能会被带入间接比较中。因此,异质性的有效鉴别与正确处理备受关注。为保证网状Meta分析结果的可靠性,方法学家提出一致性概念并给出一系列鉴别与处理方法。基于Bucher法的延伸,目前一致性鉴别与处理的方法已扩展至节点分析法、假设检验及两步法等十余种量化措施。然而,由于方法学基本理论与侧重点的差异以及统计效能的局限性,使得目前相关检测与处理方法的力度仍不够高效。因此,高效、简洁、解释度高的检测与处理方法依旧需要进一步探索。