智能運(yùn)輸系統(tǒng)概論第16章-資料下載頁
2025-01-04 01:41本頁面
【正文】 （ 163） （ 162） 同時(shí)，用路網(wǎng)元素狀態(tài) /趨勢(shì) 描述一組道路交通數(shù)據(jù) 的 近似精度 和 粗糙度 分別表示： 為 ： ? ?? ?RRXRX? ?1RR????（ 161） （ 164） X R R X智能運(yùn)輸系統(tǒng)概論 而一組道路交通數(shù)據(jù) 關(guān)于路網(wǎng)元素狀態(tài) /趨勢(shì) 這一參數(shù)的 重要度 定義為： X R ? ?? ?RRU bn Xsi g XU??? ? ? ? ? ?Rbn X R X R X??? ?Rbn XX ： 的 邊界域 R（ 165） （ 166） 基于路網(wǎng)可靠性態(tài)勢(shì)估計(jì)下交通管制區(qū)域劃分方法 智能運(yùn)輸系統(tǒng)概論 3） 基于 Rough集理論的路網(wǎng)可靠性知識(shí)構(gòu)造 基于 Rough集的 知識(shí)發(fā)現(xiàn) ， 主要借助 信息表 的方式實(shí)現(xiàn)對(duì) 知識(shí)的表達(dá) ， 這種表達(dá)方式可以看成一個(gè) 二維表格 ，表格的 行與對(duì)象相對(duì)應(yīng) ， 表格的 列對(duì)應(yīng)對(duì)象的屬性 ， 各行 包含了表示相應(yīng) 對(duì)象信息 的 描述符 ， 還有關(guān)于對(duì)象的類別成員的信息 。 在城市道路交通網(wǎng)絡(luò)中 ， 路網(wǎng)對(duì)象 路段 、 路口 、 區(qū)域 （ 子區(qū) ） 的 多值屬性 可以從 微觀 、 中觀 、 宏觀 三個(gè)層次進(jìn)行描述 。 基于路網(wǎng)可靠性態(tài)勢(shì)估計(jì)下交通管制區(qū)域劃分方法 智能運(yùn)輸系統(tǒng)概論 4） 路網(wǎng)元素屬性數(shù)值的離散化處理 所采集的 原始交通 信息經(jīng)常是 不完整的 、 存在異常的 、 不確定的 。 在突發(fā)事件條件下 ， 這種不完整性 、 不確定性表現(xiàn)得更加明顯 。 因此 ， 在進(jìn)入 知識(shí)表達(dá)系統(tǒng) 之前 ， 需要對(duì)原始數(shù)據(jù)進(jìn)行 預(yù)處理 。 支持向量機(jī) （ Support Vector Machine， 簡(jiǎn)稱 SVM）是近幾年發(fā)展起來的新型的 通用知識(shí)發(fā)現(xiàn) 方法 ， 能較好地解決 小樣本學(xué)習(xí) 問題 ， 同時(shí)具有很好的 泛化能力 。 基于路網(wǎng)可靠性態(tài)勢(shì)估計(jì)下交通管制區(qū)域劃分方法 智能運(yùn)輸系統(tǒng)概論 5） 路網(wǎng)可靠性決策表的屬性約簡(jiǎn) 決策表屬性約簡(jiǎn) 的 目的 就是在保持 分類能力不變 的前提下 ， 求出 條件屬性 和 決策屬性 之間的 最小 或 近似最小 的一種關(guān)系 。 本書所采用的屬性約簡(jiǎn)算法在 基于量子粒子群的屬性約簡(jiǎn)算法 基礎(chǔ)上進(jìn)行了改進(jìn) 。 基于路網(wǎng)可靠性態(tài)勢(shì)估計(jì)下交通管制區(qū)域劃分方法 智能運(yùn)輸系統(tǒng)概論 6） 路網(wǎng)可靠性決策表屬性值約簡(jiǎn) 屬性約簡(jiǎn) 雖然在一定程度上去掉了 決策表 中的 冗余屬性 ， 但是還沒有 充分去掉 決策表中的 冗余信息 。 屬性值約簡(jiǎn) 則是在屬性約簡(jiǎn)的基礎(chǔ)上 ， 對(duì)決策表近一步進(jìn)行約簡(jiǎn) 。 可采用基于規(guī)則 綜合質(zhì)量評(píng)價(jià) 方法對(duì) 屬性值 進(jìn)行約簡(jiǎn) 。 基于路網(wǎng)可靠性態(tài)勢(shì)估計(jì)下交通管制區(qū)域劃分方法 智能運(yùn)輸系統(tǒng)概論 7） 路網(wǎng)可靠性運(yùn)行態(tài)勢(shì)邏輯推理 在經(jīng)過一系列的 數(shù)據(jù)預(yù)處理 、 屬性 及 屬性值的約簡(jiǎn)后 ， 使得 知識(shí)表達(dá)方式 與 決策規(guī)則 實(shí)現(xiàn)了對(duì)應(yīng) 。 根據(jù) 約簡(jiǎn)決策表 ， 系統(tǒng)可以直接采用 Bayesian函數(shù)對(duì)決策規(guī)則進(jìn)行推理 。 基于路網(wǎng)可靠性態(tài)勢(shì)估計(jì)下交通管制區(qū)域劃分方法 智能運(yùn)輸系統(tǒng)概論 模型驗(yàn)證 如上圖，截取某城市南北高架上的某路段進(jìn)行模擬驗(yàn)證，該路段全長(zhǎng) ，單向四車道雙向八車道，中途橫跨 3個(gè)主干道 ， 4個(gè)次干道 。 獲取 2023年 4月份至 5月份連續(xù) 5個(gè)星期一連續(xù) 24小時(shí) 線圈數(shù)據(jù) ，線圈數(shù)據(jù) 采集間隔 為 5分鐘 ，采集的交通參數(shù)包括 流量 、 速度 、 占有率 。 1） 仿真條件 智能運(yùn)輸系統(tǒng)概論 2） 路段的可靠性運(yùn)行規(guī)律分析 以常態(tài)下的路段實(shí)際交通數(shù)據(jù)為基礎(chǔ) ， 分析路段的可靠性運(yùn)行規(guī)律 。 隨機(jī)抽取其中一個(gè)星期一的 24小時(shí)交通流數(shù)據(jù) ， 以自由流行駛速度通過路段的行程時(shí)間 值 ，分析路段 24小時(shí)的可靠度運(yùn)行曲線 ， 如下圖 。 ? 模型驗(yàn)證 智能運(yùn)輸系統(tǒng)概論 ① 常態(tài)下路段交通飽和度處于 （ 177。 ） ， 路段流量輸入為常態(tài)下 V/C=。 車道損毀對(duì)比分析圖 模型驗(yàn)證 智能運(yùn)輸系統(tǒng)概論 ② 常態(tài)下路段交通飽和度處于 （ 177。 ） ， 路段流量輸入為常態(tài)下 V/C=。 車道損毀對(duì)比分析圖 模型驗(yàn)證 智能運(yùn)輸系統(tǒng)概論 ③ 常態(tài)下路段交通飽和度處于 （ 177。 ） ， 路段流量輸入為常態(tài)下 V/C= 。 車道損毀對(duì)比分析圖 模型驗(yàn)證 智能運(yùn)輸系統(tǒng)概論 3） 應(yīng)急通道內(nèi)應(yīng)急車輛的運(yùn)行效果分析 ① V/C≤ 應(yīng)急車輛行程時(shí)間 對(duì)比分析 模型驗(yàn)證 智能運(yùn)輸系統(tǒng)概論 ② ＜ V/C≤ 應(yīng)急車輛行程時(shí)間 對(duì)比分析 模型驗(yàn)證 智能運(yùn)輸系統(tǒng)概論 ③ V/C＞ 應(yīng)急車輛行程時(shí)間 對(duì)比分析 模型驗(yàn)證 智能運(yùn)輸系統(tǒng)概論 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1