基于门控循环单元的车辆跟驰行为仿真模型

驾驶员记忆效应能有效提高车辆跟驰行为中的加速度预测准确率,结合General Motors(GM)跟驰模型与门控循环单元网络建立新的车辆跟驰模型。通过数据预处理获得有相似驾驶行为的小型车间车辆跟驰数据,校准新模型,从而确定模型的最优参数与结构,依据车辆跟驰特性通过仿真验证了模型有效性,与神经网络、支持向量回归进行对比,仿真结果证明,结合了L-BFGS优化的GRU车辆跟驰模型比仅考虑前导车与跟驰车间瞬时相互作用的车辆跟驰模型,能得到更高的仿真精度和稳定性。

基于标签传播的拓扑势社区检测算法

基于拓扑势的社区检测通过节点的链接信息构造拓扑势域,在拓扑势域内进行社区划分.但实际划分过程存在大量孤立性社区.带节点属性信息的社区检测问题作为社区的重要组成,已成为社区检测的主要研究方向.本文提出了一种结合标签传播的拓扑势社区检测算法(TPCDLP).首先,结合标签传播思想将属性信息转换为节点间的链接权值.其次,把链接权值加入到拓扑势中构造拓扑势域.再利用核心节点进行子群社区的划分.最后,利用子群社区间核心节点的距离进行社区划分.在3个含标签属性的数据集上,与6种算法对比,该算法在改进的模块度QoEv、信息熵Entropy、社区重叠度Overlap和综合指标F上表现更优.在3个真实社区上应用了该算法,并与3种算法对比,实验结果显示该算法在标准化互信息指标N MI上表现良好,能够有效应用于实际问题.