模块化神经网络子网的动态集成方法学研究

提出一个模块化神经网络的广义定义,它包含了几乎所有多神经网络(系统)。简要分析了模块化神经网络子网集成的相关概念和问题。针对一类模块化神经网络,提出了5种基于"分而治之"原理和自适应组合的新型动态集成方法。它们之间的主要区别在于:距离测度(绝对距离测度和相对距离测度);个体数目(有些全部参与集成,有些则是部分参与);集成策略和规则(数据驱动和数据/知识驱动)。仿真实验证实了这些方法的有效性。同时,还提出了一种基于"一专多能"思想的子网训练方法。

面向常发性拥堵的城市局部路网韧性评价与分析

为了缓解常发性拥堵引发的城市噪音、能源消耗和废气排放等现状,使路网具备抵抗短时激增车流的能力,将宏观基本图与性能时序图相结合对局部路网韧性进行量化。针对韧性属性,提出了鲁棒性指数、损失面积比、恢复快速性、流量峰值差和临界密度差5个评价指标,反映路网在性能下降、稳定和恢复阶段的韧性特性。引入Kendall法检验各赋权法的一致性,并基于CRITIC的多属性决策获得最优权重,提出了组合赋权和模糊逻辑相结合的城市局部路网韧性综合评价方法,结合李克特量表法对综合韧性得分进行分级。以长沙市局部路网为例,设计韧性改善方案,针对常发性拥堵路段上的交叉口进行信号配时优化;通过VISSIM仿真并计算得到各方案的韧性指标。研究结果显示:方案8,10和16能有效吸收短时激增车流并与路网状态相适应,所有方案中方案14的韧性得分最高。局部路网综合韧性得分具有随着优化路段数的增加而增长的趋势,但并不是线性递增。信号配时优化改变了路网韧性属性,并降低了部分路段对城市局部路网韧性的负面影响。不同评价方法下的韧性得分排名存在部分差异,流量峰值差与脆弱性指数的评价排名更接近,损失面积比与韧性损失值的评价排名更接近。所提出的指标不局限于单一韧性属性,能更全面、客观地反映干扰下路网的响应过程。