不确定环境下收费与信息对路径选择行为影响的实验研究

在不确定环境下考虑信息发布与拥挤收费两种措施,基于交通网络均衡,推导了两路径简单路网的最优收费模型,并推广至一般路网。基于两路径路网设计逐日路径选择行为实验,分析了两种措施对路径选择行为的影响。结果表明:完美信息与收费的实施均能减少流量波动,单独实施收费的效果最佳,但只有两种措施相结合时,路网流量趋于用户均衡的趋势最稳定;完美信息会增加路径切换行为,而收费可有效抑制大幅的路径切换;无收费时路径切换往往会造成出行成本增加,而收费时则相反;收费与信息结合时的出行时间比两种措施单独实施时小。

基于道路网络不确定移动对象的连续概率Skyline查询

Skyline查询是基于位置服务LBS的一项重要操作,其目的是发现数据集中不被其它点支配的点的集合。对道路网络环境下移动对象的连续概率Skyline查询进行了研究。在对道路网络和移动对象建模的基础上,定义了基于道路网络的数据间支配概率和Skyline概率的表示方式,提出了两类可能引起p-Skyline集合变动的event事件,并提出4条剪枝方案进行优化。在此基础上,设计了对网络受限的不确定移动对象进行连续概率Skyline查询的动态增量算法U-CPSQRN。该算法通过对event的跟踪计算实现了对p-Skyline的连续更新操作,减少了算法的查找和计算开销。实验结果显示了算法的有效性。

面向路网的不确定移动范围查询技术

随着移动定位技术和物联网技术的不断发展,时空查询技术受到了广泛关注.在实际的应用中,对象的移动方向和轨迹常受到空间网络限制并且位置信息往往带有不确定性.在以一般性的概率分布函数形式表示位置的不确定性的基础上,提出一种基于分割区间的概率查询增量处理模型和查询优化方法.考虑采用概率分布近似中心作为目标对象的估计位置,近似地解决普遍位置不确定性的问题,以较小的精度损失换取效率上的极大提高.最后,采用真实的路网数据集和模拟的对象分布,验证了模型和算法在效率和准确性方面均表现突出.

城市路网的分布式鲁棒预测控制

针对具有模型不确定的城市路网系统,研究了使闭环系统渐近稳定的分布式鲁棒预测状态反馈控制器设计问题.首先,将由"存储与向前"路段线性模型扩展得到的城市路网拓扑模型分解为分布式模型.同时考虑实际情况中路况变化、测量误差等因素引起的饱和流量、车辆数的不确定性对城市路网系统的影响,得到了具有不确定参数的城市路网分布式模型.然后,提出了一种合作式的分布式鲁棒预测控制算法,并利用线性矩阵不等式(linear matrix inequality,LMI)处理方法在线求解多个凸优化问题,给出了子系统控制器求解方法.最后通过Matlab仿真验证了分布式鲁棒预测控制是一种能有效缓解城市交通拥堵和优化信号灯的控制策略.

路网中可变速对象k近邻连续监控

研究路网中可变速对象连续k近邻查询问题(CUkNN)。提出一种不确定路网距离计算模式以计算路网中不定速移动对象和移动查询点之间的距离。基于这种距离模式,提出一种CUkNN查询监控算法以持续地获得给定时间段内查询点的可能的k近邻。为避免不必要的计算,没有计算每个结果对象的成为查询q的kNN之一、确切的概率值,而是提出一种有效的方法来将所有结果对象按照其概率值递减的顺序进行排列,选择排在前k位的对象构成最终的kNN结果集。最后通过模拟实验验证所提出算法的性能。实验结果表明,所提出的算法在CPU运行时间和精度方面均优于参照算法。

基于Hausdorff距离的区间数多属性公路网综合评价

公路网评价对于了解区域公路网状态和交通需求间的关系非常重要.讨论了公路网属性表示为区间数的问题,通过计算属性值相对于属性等级的距离矩阵得到相应的加权可变相似度,再对可变相似度进行归一化处理,作为各属性等级的权重向量,同时应用级别特征公式求得综合属性值进行综合评价.实例表明,该方法和其他方法的评价结果一致,且能给出不同标准下的评价结果,计算过程简明且有效,而且能向属性值为其他类型的不确定量进行拓广.

曼哈顿路网中移动数据点的连续概率Skyline查询

Skyline查询广泛应用于基于位置的服务系统中。近年来,曼哈顿道路网中的各种应用查询也广泛受到人们的关注。本文考虑到路网环境中目标数据点的不确定连续移动性,主要研究曼哈顿道路网中不确定移动数据点连续概率Skyline查询问题。在该查询中,查询点被视为静止的,而路网中兴趣点被视为移动目标数据点,具有被概率密度函数描述的不确定性。首先,根据目标数据点的初始位置和静态属性获得初始Skyline结果集;然后,根据移动数据点之间的支配关系计算可能导致Skyline结果集发生变化的事件;最后,根据计算获得的事件发生的先后顺序,更新概率Skyline结果集,从而实现连续概率Skyline查询。实验结果表明所提方法的可行性与准确性。