简介:研究'右行左超车'规则在高速公路不同交通负荷下对通行能力及安全性的影响。引入超车欲望值及状态改变率的概念,基于交通流元胞自动机模型,建立了'右行左超车'规则下的单向双车道和三车道换道规则及相应的超车规则。选取5个评价参数,针对两车道模型,将'右行左超车'规则与无规则下的换道超车对交通效率与安全表现的影响进行对照试验。试验结果表明:在安全表现方面,低负荷状态下'右行左超车'规则较无规则情形要差,而在高负荷状态下,该规则较无规则情形好;在通行能力方面二者差别不大;试验结果还表明,无论是有规则还是无规则,提高车道的最大与最小限速不仅可以提升道路的通行能力,而且可以提升安全性。最后分析了模型的优缺点,并指出了改进的方向。
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。