快来谈谈自己的国赛Idea吧，回帖就有机会免费参加国际赛与美赛数学中国赛前培训~！

Shomoboy

A题：
我也来热闹热闹！！！！！
问题1）按道路通行能力的定义，关于通行能力的决定因素共有5项，但对实际通行能力最主要的是四项：车辆折算系数、车辆饱和车头距、饱和车流量和基本通行能力，按文献将通行能力可分为基本通行能力、设计通行能力和可能通行能力共三个类别，每一种通行能力对道路的情况都有一定的要求，所以由于事故发生因素的影响将实践通行能力归类为可能通行能力。为此，由饱和车头距和饱和车流量来确定道路基本通行能力。
再利用视频1近20多分钟横断面的通车数做通行能力的分析时，要充分考虑这些数据不同时间段的“缺失值”和同拥挤阶段的“量的差异”。在这里，首先根据10秒为间隔周期将相关数据分为正常交通情况和事故交通情况，然后利用服务水平下的正常通行能力方法和损失通行能力的模型合理地构造视频1通行能力的具体变化大小，使能充分地体现事故发生期间通行能力和正常交通情况的通行能力变化差异。最后依据视频1的道路拥挤情况对事故通行能力的变化做出描述分析。
! k' [) P$ W; f9 b, i8 U问题2）根据视频1事故下的通行能力和车道分布的位置关系，考虑到视频2的时间段会对事故路段的车流量造成一定的影响，同时事故所占的车道数本身都有显著的差异性。一般来说通行能力与车流量、时间段和匝道口等指标不存在太大的关系，但是实践瞬间的通行能力与上述因素都有关系，通常车流量越大，直接导致车流密度的增大，使得通行能力受到一定的减小。为了简化计算，不妨假设在视频2的事故段内通行能力是分段的常数，则可将事故期间进行阶段划分，则可将视频2的通行能力大小进行求解。由此可以利用SPSS软件对不同车道的通行能力进行双变量的差异性分析，最后结合车辆换道引起的换道频率可以推算出不同事故车道对通行能力的影响大小。
' Q" c$ o! t0 J2 J问题3）根据视频1车数的相关统计数据，可以看出视频1事故路段车辆排队形成的原因是由于上游的交通需求大于瓶颈点的通行能力，主要是车流量的周期性变化，在拥挤路段通车能力变化不大的情况下，使得排队长度的增加，即车辆排队长度与事故横断面实践通行能力和路段上游车流量等因素有关。为此，首先可以根据车流量的变化情况，利用对数和指数曲线对车流量与车流密度的联系做出分析，最后利用累积到达—离去模型和车队服务系统模型确定出事故阶段排队车辆数的大小以及车队长度与车流量、持续时间和通行能力的关系式。
# t! G0 `: u  w& J& y! P/ _4 d, x问题4）用问题3）求解的结论，首先利用VISSIM软件仿真出上游车流量为1500pcu/h时，事故路段车流量随红绿灯变化下的大小，分析出随车流量的波动变化，排队长度可能是不断增长也可能是不断伸缩变化，为此，推算出排队长度最大时对应的时间点，称之为极值点。然后根据算法搜索出排队长度最大下的时间点，推算出车量排队的最大长度，最后结合题目路口长度140米进行对比，确定最佳的事故时间，从而使得排队长度到达上游路口。
7 y" K( A$ x, I- q; |（最后一问可能想的时间少了点，有点遗憾！！！）

1354632355

优化算法

明明德

关于B题：
% _2 d; X% v  }1，第一问简单，每张碎片都对应着一个灰度矩阵，大致思路是提取每个灰度矩阵的左右边缘向量，通过计算两个矩阵的边缘向量的差向量的2-范数，则2-范数最小的那一组匹配。算法是：1，先找第一张碎片(第一张碎片的灰度矩阵前几列的元素都是255，容易找到)--------2，假设前 i 张碎片已连接好，则提取第 i 张碎片矩阵的最后一列向量Ai(i>=1且i<=19)，从未匹配的碎纸片中提取它们的第一列向量Bj(j>=i+1且j<=20)，求其差向量Ai-Bj的范数，使Ai-Bj的范数最小的Bj所在的碎片矩阵就是与第 i 张纸片连接的，，用matlab编程很快就能得到结果(中英文均用此法，速度快，且无人工干预)。
2，第二问大体思路是先根据纸片特征对11*19张纸片进行分类，分成11组，每组19张；然后每组里面的19张纸片进行连接；最后是11组纸片进行连接。对中文以行基线为特征进行分组，因为中文文字规则，这个好求；而对英文，字母不规则，则是进行模式匹配(以出现频率高的字母为模板，对每张纸片进行匹配)，然后得到行基线。分组后就是按问题一的思路来做。值得注意的是，问题二中分组后可能边缘是空白的，还有行间距的约束。我们做的结果是中文全自动，英文还需少许人工干预。
3，第三问和问题二的英文的思路差不多，不过有一点需要注意，标有a的图片不全是在同一面，标有b的图片不全是在同一面，也就是说每面既有a也有b。新增加的约束是一旦一面的一组排好后，背面也排好。思路就是这样。。

sdccumcm

顶                  

康朋飞

上次时间紧，只简单写了我所用到的方法，这里我写出我建立模型的思路，虽不说多少创新，但是思路比大多数清晰是我敢保证的，当然有些方面考虑不足，希望大家原谅。还有就是今年依旧建模加写论文我全程包，没那么多时间精力，原来想过改进的地方，最后都没时间了。
计量视频时间时，我选用了10s，原因是相位为30s，要准确描述这个过程，就必须取小于30s的间隔，才容易找出规律，这里采取对时间段微分的思想，以时间点代替小的时间段。计算道路实际通行能力，我选用了代数方程模型，引入修正系数来求出从车祸发生以后每间隔10s的时间点道路实际通行能力。matlab作图可以判断出这是个随机过程，然后我做了游程检验，检验其确实为随机。这样自然要用随机的马尔科夫链描述，定了两个状态，分别求出转移概率。作为第三问的解决方法。
; ]: L: ^: U0 N5 w7 O8 z. G第二问比较差异性，当然对视频2还是先把道路实际通行能力求解出来。然后采用三方面进行比较，方差分析比较均值，最值比较和马尔科夫转移概率比较。
9 L. c& k$ ^" C! X& ?8 f$ Z1 b+ k第三问我考虑的是对这四个变量之间先用相关、偏相关、直接通径间接通径分析之间的关系，然后进行回归，共线性诊断表现出其有很强的共线性，所以主成分回归。这样就把函数方程求解出来。这里强调一点，车辆排队长度的计算，仿真软甲都下好了，但是我又分析了一下，还不如用路灯杆小区来插值求呢，仿真，麻烦很多人也不赞成这样。这个问题就像一个博士和那个收破烂的那个故事，不同的方法，但都解决了问题，后者飞方法反而简单易行，被大多数人所接受。
, b  v' E) n3 W  z第四问利用第一问和第三问主成分回归直接就求出来了，时间是大概1403s吧。然后利用支持向量机做了验证，时间为1309s。然后又做了模型评价改进检验方面工作。
整体思路就这些，希望同样参赛的你们可以认可。今年大三，这是第二次参赛，建模思路其实第二天上午已经想好，并与老师沟通过了，本身是想冲刺国一的论文，可惜排版和处理数据的人都不给力，排版不太好，数据处理慢，我们的团队暴露出来许多问题，今年忙得也算值了吧，我一个人负责全部的建模思路与写作，我们就是分工太明确，思路全是我想的，其他两人一人扯淡一人不会，当然一人管编程，一个人刚参加。不过我这次很顺利，基本没有拖拉，也算是自己最感欣慰吧。怎么解决团队合作问题，是现在以致接下来的关键
, G' Y+ b$ x; m, B5 U

yangnianjinxin

我们老师给出的B题的idea：
问题1. 仅有纵切文本的复原问题
由于“仅有纵切”，碎纸片较大，所以信息特征较明显。一种比较直观的建模方法是：按照某种特征定义两条碎片间的（非对称）距离，采用最优Hamilton路或最优Hamilton圈（即TSP）的思想建立优化模型。关于TSP的求解方法有很多，学生在求解过程中需要注意到非对称距离矩阵或者是有向图等特点。
# P3 K; h  x6 R0 l还可能有种种优化模型与算法，只要模型合理，复原效果好，都应当认可。本问题相对简单，复原过程可以不需要人工干预，复原率可以接近或达到100%。
  i8 J8 H7 U& ~+ \问题2.  有横、纵切文本的复原问题
& J( k" p5 F7 i$ n2 b* ~一种较直观的建模方法是：首先利用文本文件的行信息特征，建立同一行碎片的聚类模型。在得到行聚类结果后，再利用类似于问题1中的方法完成每行碎片的排序工作。最后对排序后的行，再作纵向排序。
例如，考虑四邻近距离图，碎片逐步增长，也是一种较为自然的想法。
问题3. 正反两面文本的复原问题
% |+ U3 F+ d2 b' A  b这个问题是问题2的继续，基本解决方法与问题2方法相同。但不同的是：这里需要充分利用双面文本的特征信息。该特征信息利用得好，可以提升复原率。

yangnianjinxin

老师给出的A题idea：
问题1.
- W6 [9 g/ B' K% M! f; E1.1．道路被占用后，实际的通行能力需要通过视频中的车流数据得到，不能仅由交通道路设计标准估计；
) M9 f1 j' J% u1.2．应该根据视频信息给出不同时段、不同情况下车流量的变化，需要给出通行能力的计算方法、理由的陈述或分析；
1.3. 在被占用道路没有车辆排队时，通行能力等同于单车道情形，但当被占用道路有车辆排队时，由于被占用道路车辆的变道抢行，会使道路的通行能力下降，好的结果应该明确指出这一点。
; q% [1 t$ F$ d: }
问题2.
; Y; ]7 O& q  `, y! f7 Z3 e5 x2.1. 对于视频2 的分析同视频1，需要通过视频2与视频1的数据对比给出通行能力的差异及原因分析；
2.2．由于事故横断面下游交通流方向需求不同，会导致上游每条车道分配到的车辆数不同，使两种情况事故所处道路横断面形成多车道排队的机率不同，从而影响实际通行能力。如果在模型中注意到这一点则更好。
- B! j0 V( \" D
问题3.
9 \# i4 x. F, u3.1．建立数学模型，给出交通事故所引起的路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的关系；
3. 2. 模型的形式可以多样，但需要包含上述各种因素。关键考察模型假设的合理性、参数确定的原则、及模型的可计算性。
& P/ F7 G/ J, X* V7 v
问题 4.
4.1．本问题是问题1 及问题 3 的扩展，可利用问题1 得到的通行能力及 问题3 的模型计算结果；
8 B2 b2 k  [4 e4. 2．和问题1、3不同，当事故横断面离红绿灯路口较近时，司机无充分时间调整车道，会增大多车道占用情形，影响通行能力，模型计算中应考虑这一点；
% [' H  D& H' n' [2 y6 a' j4.3. 附件中给出了上游路口信号灯的控制方案，会影响上游来车的流量分布，如果能够利用附件给出上游路口信号灯配时方案和交通组织方案则更好。

chennuo531

- Y3 w. J$ x5 k7 o9 d
关于B题：
0 }" x# ^: i4 @$ k+ H. \        1.问题一较为简单，因为碎纸机仅对文件进行纵向切割，所以我们只需要提取图像的左右边界灰度值，首先根据纸张的留白寻找到左边第一张碎片，然后取该碎片右边界的灰度值与其余碎片的左边界灰度值进行相似度分析，选取相似度最高的作为下一张碎片，并从未匹配的碎片中将其剔除，再按上述方法在剩余碎片中寻找碎片直至碎片拼接完成，由于边界信息量大，便于区分，中英文我们采取了相同方法，实现了无人工干预下的完全匹配。
        2.问题二，由于碎纸机对文件既纵切又横切，每张碎片左右边界的信息量明显减少。我们想到了对碎片进行聚类。针对汉字和英文我们选取了不同的信息来提取它们的特征位置。对于汉字，首先，对图像进行二值化，随机抽取一张碎片，提取其中字长与行间距，并将汉字的低端位置做为汉字的特征位置，提取每张碎片上每行汉字的特征位置，对于行空白我们根据提取出的汉字高度和行间距对该空白行人为赋一个值以保证每张碎片都有三个位置特征，然后再进行聚类，正确率达到100%。然后用跟第一问相同的方法实现每行碎片的左右拼接。对于11张碎片的上下拼接，由于存在上下边界没有字的情况，依然根据留白选定第一行碎片，根据该图文字位置特征计算出下张碎片文字应有特征，满足该特征的即为下一张碎片，该复原率也可达到100%。        英文字母由于不同字母高度不同，无法像中文那样寻找最低位置。我们发现英文字母的特点是按照英文的四线格，26个字母必过二、三两线，英文字母二、三线所在行的像素之和应为最小，我们将碎片二值化后的数据横向求和得到的列向量做为该碎片的特征向量进行聚类，其中有四行文字，每两行由于位置相同而被聚为一类，我们对其进行人工干预，其余分类均正确。只是在实现每行碎片左右拼接时，由于信息量减少，按问题一中的方法匹配率无法达到100%需要进行人工干预。
' P7 o6 D% o4 ^, d5 k4 }+ Z$ g" O        3.针对问题三，思路与问题二基本差不多，只是在此基础上考虑到要充分利用正反面这一特点，由于正反面文字位置高度相同，可根据这个弥补某一面文字空白而导致的信息缺失，提高聚类正确率，由于时间原因这一问并未进行编程实施，具体效果无法得知。

爱木

固定式风格广东省非的飞嘎达搜噶搜噶三个水电费噶谁跟谁大哥大使馆  

806278524

摘要如下：仅限交流