提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法.该算法首先用关联积分法(C-C方法)和C ao方法确定重构相空间的两个重要参数:嵌入维数m和延迟时间,再用小数据量方法计算时间序列的最大Lyapunov指数.这种算法不仅能够很好地重...提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法.该算法首先用关联积分法(C-C方法)和C ao方法确定重构相空间的两个重要参数:嵌入维数m和延迟时间,再用小数据量方法计算时间序列的最大Lyapunov指数.这种算法不仅能够很好地重构原始时间序列的特性,并且能够避免W o lf方法的局限性.应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别,结果表明,基于跟驰模型的仿真交通流和实际交通流中存在混沌现象,最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法.展开更多
个性诊断(Personality Diagnosis,PD)算法只适合应用于离散型空间,应用到连续型空间时需要先进行离散化处理,导致其应用范围受限。对个性诊断算法进行改进,并应用到实时路况估计中,提出基于连续型的个性诊断和热门路段的路况估计模型(Im...个性诊断(Personality Diagnosis,PD)算法只适合应用于离散型空间,应用到连续型空间时需要先进行离散化处理,导致其应用范围受限。对个性诊断算法进行改进,并应用到实时路况估计中,提出基于连续型的个性诊断和热门路段的路况估计模型(Improved Personality Diagnosis and Popular Road Model,IPDPR)。首先根据数据覆盖率提取高覆盖率路段作为基准个性类型;然后判别路网中所有路段的类型,即计算相似性概率;接着根据相似性概率获得缺失项的取值概率分布;最后计算概率最大值作为估计值。实验结果表明,本文所提IPDPR模型估计误差比概率主成分分析(Probabilistic Principal component analysis,PPCA)算法小53.88%,比滑动平均法小11.47%.展开更多
文摘提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法.该算法首先用关联积分法(C-C方法)和C ao方法确定重构相空间的两个重要参数:嵌入维数m和延迟时间,再用小数据量方法计算时间序列的最大Lyapunov指数.这种算法不仅能够很好地重构原始时间序列的特性,并且能够避免W o lf方法的局限性.应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别,结果表明,基于跟驰模型的仿真交通流和实际交通流中存在混沌现象,最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法.
文摘个性诊断(Personality Diagnosis,PD)算法只适合应用于离散型空间,应用到连续型空间时需要先进行离散化处理,导致其应用范围受限。对个性诊断算法进行改进,并应用到实时路况估计中,提出基于连续型的个性诊断和热门路段的路况估计模型(Improved Personality Diagnosis and Popular Road Model,IPDPR)。首先根据数据覆盖率提取高覆盖率路段作为基准个性类型;然后判别路网中所有路段的类型,即计算相似性概率;接着根据相似性概率获得缺失项的取值概率分布;最后计算概率最大值作为估计值。实验结果表明,本文所提IPDPR模型估计误差比概率主成分分析(Probabilistic Principal component analysis,PPCA)算法小53.88%,比滑动平均法小11.47%.
