爱爱视频一区二区三区,少妇夜夜春夜夜爽试看视频,亚洲AV无码成人精品区一区

內(nèi)容簡介

　　近年來，隨著智能運輸系統(tǒng)（IntelligentTransportationSystems，簡稱ITS）的蓬勃發(fā)展，智能交通控制、動態(tài)的交通流狀態(tài)辨識以及實時交通流誘導成為ITS研究的熱門課題。交通流狀態(tài)辨識是ITS，尤其是其先進的交通管理系統(tǒng)和出行者信息系統(tǒng)研究的一個重要內(nèi)容。對道路交通流狀態(tài)進行分析研究，及時、準確地辨識交通異常，是制定正確誘導和控制措施的一個重要前提?；诮煌鳡顟B(tài)辨識理論的交通事件管理系統(tǒng)已經(jīng)在國外很多國家得到了廣泛應用，而我國對于交通流狀態(tài)辨識技術的研究和應用尚處于初步階段。道路交通流數(shù)據(jù)質(zhì)量的優(yōu)劣必將對交通流狀態(tài)辨識及后續(xù)應用產(chǎn)生影響。當采集到的道路交通流數(shù)據(jù)源源不斷地傳輸?shù)浇煌ü芾碇行暮?，中心會對?shù)據(jù)加以相應的處理和應用，如集成、抽樣、壓縮、存儲、發(fā)布等。但是，由于環(huán)境因素的變化、交通流采集設備的間歇性工作故障以及傳輸設備故障等原因，采集到的道路交通流數(shù)據(jù)不可避免地存在著某些質(zhì)量問題。若直接將有質(zhì)量問題的數(shù)據(jù)應用到交通流狀態(tài)辨識及后續(xù)應用，必將給辨識或應用結(jié)果帶來不穩(wěn)定和不安全隱患，因此，為獲得高效、精益化交通流數(shù)據(jù)，數(shù)據(jù)清洗顯得尤為重要。從世界范圍看，隨著ITS的實施，在特定的道路條件下，根據(jù)實時交通流的變化，把先進的數(shù)理統(tǒng)計理論、數(shù)據(jù)挖掘技術、智能信息處理技術、人工智能技術、數(shù)據(jù)融合技術與交通流理論相結(jié)合，對事件管理系統(tǒng)依據(jù)交通流狀態(tài)辨識理論，按照動態(tài)交通管理的基本思想進行擴充和改造是ITS未來的發(fā)展方向之一?！督煌鲾?shù)據(jù)清洗與狀態(tài)辨識及優(yōu)化控制關鍵理論方法》以我國ITS框架為依據(jù)，結(jié)合我國高速公路道路交通基礎設施現(xiàn)狀和未來發(fā)展的需要，對我國的交通流狀態(tài)辨識框架及其關鍵理論和方法進行了研究?！督煌鲾?shù)據(jù)清洗與狀態(tài)辨識及優(yōu)化控制關鍵理論方法》的主要內(nèi)容分為三部分：第一部分為概述，主要敘述了《交通流數(shù)據(jù)清洗與狀態(tài)辨識及優(yōu)化控制關鍵理論方法》的研究背景、研究目的和意義，設計了交通流狀態(tài)辨識系統(tǒng)框架；第二部分主要闡述了交通流數(shù)據(jù)清洗的關鍵理論及方法；第三部分研究了交通流狀態(tài)辨識理論及方法。

作者簡介

　　王曉原，博士，教授。1970年出生，山東萊州人。1992年畢業(yè)于山東師范大學數(shù)學系基礎數(shù)學專業(yè)，獲理學學士學位；1997年畢業(yè)于山東師范大學數(shù)學系應用數(shù)學專業(yè)，獲理學碩士學位：2003年畢業(yè)于吉林大學交通學院交通運輸規(guī)劃與管理專業(yè)，獲工學博士學位。現(xiàn)任山東省道路智能控制與運輸安全工程技術研究中心智能交通研究所所長，交通運輸規(guī)劃與管理、交通信息工程及控制專業(yè)研究生導師，淄博市第九屆、十屆政協(xié)委員，山東省委統(tǒng)戰(zhàn)部黨外知識分子聯(lián)絡員。主要從事交通運輸規(guī)劃與管理、交通信息工程及控制、系統(tǒng)辨識、仿真優(yōu)化及控制和應用數(shù)學等領域的研究和教學。參與承擔并完成國家自然科學基金項目“數(shù)學規(guī)劃鞍點理論的研究”、“交通網(wǎng)絡分布式并行微觀模擬算法研究及實現(xiàn)”、機械工業(yè)部高校跨世紀優(yōu)秀人才專項基金項目“信號控制下的城市主干道交通流模擬模型研究”以及其他國家級課題多項：主持山東省自然科學基金項目“基于綜合認知活動的駕駛員行為建模及仿真”、山東省社會科學規(guī)劃研究項目“智能運輸系統(tǒng)社會經(jīng)濟影響評價模型與方法”以及其他社會服務工程性課題2Q余項。目前，承擔國家自然科學基金課題”基于行駛環(huán)境和操作序貫鏈的汽車駕駛意圖辨識方法研究”的部分研究工作。發(fā)表學術論文96篇，其中核心及以上69篇，EI/ISTP/CSSCI檢索33篇。

圖書目錄

前言
1 緒論
1.1 ITS發(fā)展背景
1.2 國內(nèi)外ITS研究歷史與發(fā)展現(xiàn)狀
1.2.1 國外ITS研究歷史與發(fā)展現(xiàn)狀
1.2.2 我國ITS研究歷史與發(fā)展現(xiàn)狀
1.2.3 ITS主要功能子系統(tǒng)
1.3 交通流數(shù)據(jù)清洗與狀態(tài)辨識及優(yōu)化控制概述
1.4 本書主要內(nèi)容
參考文獻
第一篇交通流數(shù)據(jù)清洗關鍵理論及方法
　2 交通流數(shù)據(jù)清洗概述
　 2.1 研究背景
　 2.2 研究的必要性及數(shù)據(jù)清洗
　 2.2.1 必要性
　 2.2.2 交通流數(shù)據(jù)清洗的主要內(nèi)容
　 2.3 國內(nèi)外相關研究狀況
　 2.3.1 數(shù)據(jù)清洗研究狀況
　 2.3.2 交通流數(shù)據(jù)清洗研究狀況
　 2.4 本篇主要研究內(nèi)容
　 2.5 本章小結(jié)
　參考文獻
　3 交通流丟失數(shù)據(jù)補齊算法
　 3.1 丟失數(shù)據(jù)的分析
　 3.2 基于粗集理論的交通流丟失數(shù)據(jù)補齊算法
　 3.2.1 粗集理論
　 3.2.2 ROUSTIDA算法流程
　 3.2.3 模型應用與結(jié)果分析
　 3.2.4 結(jié)論
　 3.3 基于最小二乘支持向量機的交通流丟失數(shù)據(jù)補齊算法
　 3.3.1 支持向量機和最小二乘支持向量機的原理
　 3.3.2 交通流丟失數(shù)據(jù)補齊模型及仿真
　 3.3.3 結(jié)論
　 3.4 本章小結(jié)
　參考文獻
　4 交通流錯誤數(shù)據(jù)判別和修正算法
　 4.1 錯誤數(shù)據(jù)判別模型
　 4.1.1 孤立點檢測算法
　 4.1.2 邊界檢測算法
　 4.1.3 閾值理論與交通流理論的組合檢測算法
　 4.2 錯誤數(shù)據(jù)修正模型
　 4.2.1 灰色GM(1，1)模型
　 4.2.2 錯誤數(shù)據(jù)修正模型
　 4.3 應用實例
　 4.3.1 數(shù)據(jù)來源
　 4.3.2 算法流程
　 4.3.3 模型應用
　 4.3.4 結(jié)果分析
　 4.4 結(jié)論
　 4.5 本章小結(jié)
　參考文獻
　5 交通流冗余數(shù)據(jù)約簡算法
　 5.1 冗余數(shù)據(jù)識別和約簡方法
　 5.1.1 基于等級分組法的冗余數(shù)據(jù)識別方法
　 5.1.2 冗余數(shù)據(jù)的約簡方法
　 5.2 應用實例
　 5.2.1 數(shù)據(jù)來源
　 5.2.2 算法流程
　 5.2.3 模型應用
　 5.2.4 結(jié)果分析
　 5.3 結(jié)論
　 5.4 本章小結(jié)
　參考文獻
　6 本篇內(nèi)容總結(jié)及其展望
　 6.1 總結(jié)
　 6.2 未來的研究方向
第二篇交通流狀態(tài)辨識關鍵理論及方法
　7 交通流狀態(tài)辨識系統(tǒng)框架
　 7.1 交通流狀態(tài)辨識系統(tǒng)框架結(jié)構
　 7.2 系統(tǒng)框架的主要組成部分
　 7.2.1 交通狀態(tài)判別子系統(tǒng)
　 7.2.2 動態(tài)交通信息采集子系統(tǒng)
　 7.2.3 交通流數(shù)據(jù)清洗子系統(tǒng)
　 7.2.4 交通流控制子系統(tǒng)
　 7.2.5 調(diào)度子系統(tǒng)
　 7.2.6 交通信息發(fā)布子系統(tǒng)
　 7.2.7 事件數(shù)據(jù)管理子系統(tǒng)
　 7.2.8 通信子系統(tǒng)
　 7.3 本篇主要研究內(nèi)容與方法
　 7.4 本章小結(jié)
　參考文獻
　8 交通流狀態(tài)預辨識方法
　 8.1 交通流預測方法簡介
　 8.1.1 基于統(tǒng)計理論的模型
　 8.1.2 基于非線性預測理論的模型
　 8.1.3 基于神經(jīng)網(wǎng)絡理論的模型
　 8.1.4 基于動態(tài)分配理論的模型
　 8.1.5 基于微觀交通仿真的模型
　 8.2 基于非參數(shù)回歸樣條的交通流短時預測方法
　 8.2.1 非參數(shù)回歸
　 8.2.2 非參數(shù)回歸樣條擬合方法
　 8.2.3 非參數(shù)回歸樣條擬合方法在交通流短時預測中的應用
　 8.3 基于投影尋蹤自回歸的短時交通流預測方法
　 8.3.1 投影尋蹤技術
　 8.3.2 PP自回歸模型[PPAR(k)]
　 8.3.3 交通流PPAR回歸預測
　 8.3.4 結(jié)論
　 8.4 本章小結(jié)
　參考文獻
　9 交通流量變檢測方法
　 9.1 概述
　 9.2 指數(shù)分布概率變點模型研究
　 9.2.1 指數(shù)分布參數(shù)的變點
　 9.2.2 均值變點搜索方法
　 9.2.3 模型應用與結(jié)果分析
　 9.3 二項分布概率變點模型研究
　 9.3.1 累次計數(shù)法
　 9.3.2 模型應用與結(jié)果分析
　 9.4 本章小結(jié)
　參考文獻
　10 交通流質(zhì)變檢測方法
　 10.1 交通事件檢測方法簡介
　 10.1.1 交通事件
　 10.1.2 主要事件檢測算法及評價指標
　 10.2 交通流突變分析的變點統(tǒng)計方法
　 10.2.1 概述
　 10.2.2 交通流突變分析的最小二乘法
　 10.2.3 交通流突變分析的局部比較法
　 10.3 基于多分辨分析的交通事件自動檢測方法
　 10.3.1 多分辨分析Mallat算法
　 10.3.2 小波濾波器及Mallat算法的具體實現(xiàn)
　 10.3.3 多分辨分析在交通事件自動檢測中的應用
　 10.4 本章小結(jié)
　參考文獻
　11 信息融合技術在交通流狀態(tài)實時辨識中的應用
　 11.1 信息融合及交通信息融合簡介
　 11.1.1 信息融合
　 11.1.2 信息融合的層次級別
　 11.1.3 信息融合方法
　 11.2 基于支持向量機的交通信息融合方法研究
　 11.2.1 支持向量機簡介
　 11.2.2 基于SVM的信息融合方法在交通流狀態(tài)實時辨識中的應用
　 11.2.3 結(jié)論
　 11.3 基于遺傳算法的交通信息模糊融合方法
　 11.3.1 模糊控制和遺傳算法
　 11.3.2 基于遺傳算法的信息模糊融合方法在交通流狀態(tài)實時辨識中的應用
　 11.4 本章小結(jié)
　參考文獻
　12 本篇內(nèi)容總結(jié)及其展望
第三篇交通流優(yōu)化控制關鍵理論及方法
　13 交通流優(yōu)化控制
　 13.1 研究的背景和意義
　 13.2 DTA問題
　 13.2.1 國外研究現(xiàn)狀
　 13.2.2 我國研究現(xiàn)狀
　 13.3 最短路徑問題
　 13.4 本篇主要內(nèi)容
　參考文獻
　14 蟻群算法概述
　 14.1 算法的基本理論
　 14.1.1 基本原理
　 14.1.2 基本模型
　 14.1.3 理論基礎
　 14.1.4 算法框架
　 14.1.5 算法的特點
　 14.2 算法的研究進展
　 14.2.1 理論研究
　 14.2.2 應用研究
　 14.2.3 我國研究情況
　 14.3 本章小結(jié)
　參考文獻
　15 基于自適應蟻群算法的交通網(wǎng)絡中最短路徑搜索方法
　 15.1 交通網(wǎng)絡中最短路徑問題
　 15.1.1 交通網(wǎng)絡的表示
　 15.1.2 最短路徑問題的描述
　 15.2 用自適應蟻群算法求解交通網(wǎng)絡中最短路徑問題
　 15.2.1 尋優(yōu)思路
　 15.2.2 算法設計
　 15.2.3 算法的具體實現(xiàn)步驟
　 15.2.4 算法流程圖
　 15.3 仿真實驗
　 15.4 本章小結(jié)
　參考文獻
　16 基于混沌蟻群算法的動態(tài)用戶最優(yōu)配流方法
　 16.1 基本問題
　 16.1.1 交通分配理論概述
　 16.1.2 DTA特征
　 16.1.3 動態(tài)交通網(wǎng)絡配流原則
　 16.1.4 動態(tài)交通網(wǎng)絡約束條件
　 16.2 離散型動態(tài)用戶最優(yōu)配流模型
　 16.3 DTA方法
　 16.3.1 混沌蟻群算法
　 16.3.2 用CACO求解離散型動態(tài)用戶最優(yōu)配流問題
　 16.4 仿真實驗
　 16.5 本章小結(jié)
　參考文獻
　17 本篇內(nèi)容總結(jié)及其展望
　 17.1 總結(jié)
　 17.2 研究展望
附錄
　附錄A 王曉原主持的科研項目
　附錄B 作者的代表性論著