MCM2017C 赛题和O奖论文分析

获奖结果概况

O奖4支队伍,美国1队,另外3队均来自上海交通大学。

西安交通大学选择此题有1队,获得M奖。

赛题分析--2017C 合作与导航

赛题梗概

由于交通道路数量的限制,美国许多区域的交通容量受到限制。在高峰时段,道路经常发生堵塞。自动驾驶车辆和拼车被视作是不增加交通道路而解决这一问题的一种方法。但这两种车的行为和其与现在的交通流的交互方式尚未清楚。

题目要求分析允许自动驾驶车和拼车对道路通行的影响,和当自动车比例为10%-90%时的不同影响。

  1. 车道流量,峰值,平均交通量,以及自动驾驶车所占的比例对协作系统的影响(利用道路数据)
  2. 自动驾驶车和非自动驾驶车之间的关系分析

C题作为数据分析题,这道题也提供了额外的数据,但数据量非常少。数据是车道的信息,起始点、里程、平均每日车流量、车道种类和车道数量。

可用方法

这道题和“数据处理”我觉得关系并不大,数据量非常小。我觉得这道题更像D题,可以运用各种网络、自动机的方法解决。

  1. 从宏观的角度看,可以使用网络最大流、交通流等图论方法,分析车辆的平均集体行为对交通流量的影响。使用流体力学连续模型。

  2. 从微观的角度,要分析单个车辆的动力学行为,分析单个车辆间的相互作用。要使用元胞自动机模型、车辆跟驰模型。

O奖论文分析

第一篇

第一篇O奖论文来自伯克利大学

摘要

解决方法分为3个部分:

  • 连续宏观模型,分析交通流、密度和平均速度间的关系
  • 离散模型,分析路线改变的动力学
  • 模型测试

写给州长的信

学习语气,格式。模板可以套用。

solution

问题重述

建立此模型的必要性

假设

模型不同部分(宏观、微观)有不同的假设,分析了将问题分解为两部分的原因。
作者给出了假设的依据,说的很详细,我觉得这很重要。

常量定义,注意说明来源。

模型设计、证明

可以多使用括号进行解释,语句中使用‘we’没有关系。

大段篇幅用于介绍模型,包括模型的建立过程、公式的详细解释。仿真结果直接给出。

模型测试和灵敏度分析

测试模型在给定数据上的表现

模型优劣

使用大段篇幅详细分析了模型各部分的优势和不足。

附录

多余的图表放在附录。并没有给出任何程序。

第一篇论文总结

这篇文章是老外写的,全文感觉并不花哨,公式比较多,图表较少而且也并不很好看。但这篇文章是4篇O奖中拿特别奖的,一方面可能确实对美国选手偏心,另一方面,这篇文章的优势我觉得在于:

  • 用语准确地道

  • 结构清晰

  • 分析透彻,解释清楚

第二篇

摘要

摘要开门见山,介绍使用元胞自动机(拓展后的)。建模过程:

  1. 使用泊松分布模拟车辆产生过程。
  2. 车辆跟随模型和线路变换模型。
  3. 概率模型,分析交叉路口处交通流行为

仿真验证、结论。

在数据集上进行测试。

误差分析、灵敏度分析。

介绍

介绍自动驾驶的背景,问题背景。

介绍模型可分为哪几个部分。

介绍分析验证过程。

大体结构和摘要相似,可以看做是摘要的详细版本。

文献综述

介绍前人的工作,和自己工作的创新之处。

假设

罗列。

模型建立

抄文献,巴拉巴拉。。
图做的比上一篇精美些。
同样是结果从天上来。

模型分析

上来给出了评判交通容量的评判标准。

分析了随着自驾车百分比、线路数量变化的效果。分析了自驾车专线的效果。

突出重点。

第二篇论文总结

这一篇结构非常清晰,提出了多种模型,给出了仿真结果。图像是用Excel做的。

着重与模型的分析检验,在数据集上做了多种测试。
灵敏度分析自然是任何情况都要做的。

第三篇

摘要

同样采用元胞自动机,假设自驾车相比于人驾车,车子之间不需要安全距离,而且公路结合处对交通流的影响更小。

  1. 使用统计学分布估计不同路段不同时刻的交通流密度。
  2. 时间分布模型。
  3. 自驾车专线模型。

介绍

  1. 问题重述
  2. 相关工作

假设和记号

有假设和简单的解释

模型建立

首先分析了自动车的特点,然后使用自动机建立了动态道路模型。

建立道路状况评判标准。

最后进行仿真分析。

分析了路况随时间的变化造成的影响;
分析了突发状况下,自驾车和人驾车的表现。

每一问都进行了灵敏度分析。

模型优劣

突出了模型的可拓展性、准确性和稳定性。

作者最后提供了自动机的程序(55583)

第四篇

摘要

我发现一个规律:四篇文章都是基于元胞自动机,但都强调了基于自动机,在考量具体问题后,对模型做了怎么样的改善。

主要模型:车辆跟随模型和多线交通道模型。

模型建立(往往不止一个)-->模型编程仿真-->仿真结果与实际数据相比较

介绍

首先将问题进行分解,然后介绍对各个子问题的解决方法。

假设

特别详细,分析了道路和车辆的特征,依据自动车和普通车的特点提出假设。

模型建立

首先解释为什么要选择CA,然后介绍详细的模型建立步骤。

每个模型建立时所用的额外变量单独用表格列出。图片做的很漂亮。

结果分析

模拟结果获得以后,做了比较多的分析,结果可视化做的也比较好。

灵敏度分析

分析变量的选取要解释原因。

第四篇小结

这一篇明显比较强,模型比较完备,处处的分析解释也都比较透彻。
图表做的比较好看。图表结果解释的都很细致。

专家说

  1. 一定要在论文中使用给定数据集。
  2. 好的论文对模型假设和模型如何建立给出了非常详细的描述。
  3. 好的论文同时讨论了模型平衡点和失衡点,依据结果给出政策建议。
  4. 引用的说明也很重要,图片、数据、公式一定要标明引用来源。
  5. 好的论文仔细描述了他们是怎样测量和量化影响的。
  6. 好的论文不光考虑了自驾车、普通车的关系,也考虑了自驾车之间的关系。(多角度考虑问题)
  7. 好的论文包括了论文综述:讨论自己所用的模型相比于文献中的模型,做了怎样的改进。
  8. 灵敏性分析要表现出其必要性,着重分析那些有估计值的变量。
  9. 信件:(1)要包含所有必要的组分(2)以非学术的口吻。
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 195,783评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,360评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 142,942评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,507评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,324评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,299评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,685评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,358评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,652评论 1 293
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,704评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,465评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,318评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,711评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,991评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,265评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,661评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,864评论 2 335

推荐阅读更多精彩内容