������ָ����ϵ�Ĺ��������������о�

近年来,空中交通复杂性的研究蓬勃发展,如何选取指标分析复杂性成为一个关键技术.本文在对以往复杂性研究进行简单回顾的基础上,明确了指标选取对于复杂性研究的重要意义.结合已有成果,选取定义明确、可定量分析的指标构建了复杂性指标体系.针对指标体系维数多、信息量大等特点,选取灰色关联聚类方法挖掘指标数值的分布规律,实现对指标的提取精炼,从而在运用指标体系分析空中交通复杂性时,既能全面描述问题,又能降低指标维度.根据广州地区16扇区雷达数据,对一类指标进行了计算和聚类分析,验证了该方法的准确性.     

基于指标体系的扇区复杂性评估方法

为了全面分析扇区复杂性,将其分解为结构复杂性和运行复杂性.借鉴已有的研究成果,围绕结构特征和运行特征,分别建立了多维指标体系.利用主成分分析方法提炼指标信息,评估扇区的结构复杂性和运行复杂性.最后采用k-means 聚类算法对多个扇区进行聚类分析,选取Dunn 指标评价聚类质量,实现了对扇区复杂程度的最佳等级划分,同时对复杂性指标分析结果进行了验证.实例表明,复杂性计算结果能够较好地体现多个指标的综合影响,区分不同扇区的复杂程度,聚类结果与实际情况相符.该结论可以为空域规划和管理提供参考意见.     

考虑连接性的路网划分算法

针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题.先使用最大最小距离算法确定初始聚类中心和路段差异性,并以聚类评价指标ANSK确定K值;然后统计连续时间间隔下路网划分结果的动态频数,合并和拆分不稳定的“噪声”路段,提高划分子区内路网的紧凑性.最后,基于现实路网中的车牌照自动识别实测数据,对改进的聚类方法进行了验证.将算法得到的划分效果与K均值聚类算法和Ncut算法进行对比,并对子区做宏观基本图分析.结果表明,改进后的K均值聚类算法在保证自身原有聚类优势下,可以有效实现连接性约束下的路网划分.     

城市快速公交系统发展水平评价方法研究

快速公交系统以其特有的优势成为城市公共交通系统不可或缺的组成部分。本文结合快速公交系统的自身特点,首次从设施水平、服务水平、效益水平和与城市协调水平四个方面构建了适合快速公交系统的评价指标体系及其递阶层次结构,并对各评价指标的含义进行了具体的说明;接着提出了各评价指标的等级划分标准;然后,对灰色聚类评价方法进行了简要的介绍;最后,应用灰色聚类评价方法对某城市的快速公交系统发展水平进行了具体的评价。研究结果表明,运用灰色聚类评价方法能够对快速公交系统的发展水平进行正确的综合评价。     

基于售检票数据的城市轨道交通乘客分类

既有基于交通调查的乘客分类存在样本有限及分类标准主观性强等不足,本文以 乘客真实出行记录为基础,从“消费行为”视角构建客观的乘客分类指标及方法.为满足大规模 数据集处理需求,采用SPSS Modeler 软件对全样本乘客进行聚类.选取北京轨道交通连续1 个 月自动售检票(AFC)数据进行实证分析,结果显示：将乘客分为5 类时,聚类效果最佳;通过连 续5 个工作日聚类结果对比,验证了分类结果具有良好的稳定性.结合乘客分类结果进一步对 北京市轨道交通低峰折扣票价策略下不同类型乘客的出发时间转移弹性进行测定.该研究提 高了乘客分类客观性,能够为交通政策制定及运营策略评价提供方法支持.     

平安交通评价指标体系构建

为促进平安交通建设,以地方交通运输系统安全管理现状作为评价对象,将反映平安交通 状况的指标划分为否决指标、定性指标和定量指标三大类,构建平安交通评价指标体系,针对指 标特点提出各自的数据来源和评分方法。评价结果综合考虑社会公众满意度、指标数据可靠度以 及指标适用性调整系数。以某省交通运输安全管理现状作为实例对该指标体系加以验证,评价结 果表明由该方法构建的评价指标体系具有一定的科学性和可操作性,得分可反映所在地区交通运 输安全管理工作的综合水平,与经验评价结果基本一致。     

民用港码头军事利用价值的模糊聚类分析

由于对民用港码头资源进行勘查所获得的数据量大,获得的信息模糊性因素多,采用模糊聚类分析方法对战区内码头资源进行分类分析：首先构建了民港码头军事利用价值二级评估指标体系,确定了指标权重,然后利用编网法对模糊相似矩阵进行聚类处理,最后通过实例应用验证该方法的可行性。利用此方法可及时对各个码头的军事利用价值进行分析,能为战时有的放矢的动员、征用一定数量的民用港码头提供决策依据。     

供应链不确定风险预警指标体系的构建与评价

在分析供应链管理特点的基础上,构建了供应链不确定风险预警指标体系,运用熵权和模糊模式识别方法对各指标进行分析与评价.最后通过算例,验证了模型的科学性和合理性,并针对评价结果,提出了相应的风险防范对策.     

城际客运专线列车开行方案评价方法研究

通过对城际客运专线运输组织内容分析,结合相关项目研究数据,建立了城际客运专线列车开行方案的综合评价指标体系.利用聚类分析法对指标体系进行了简化,经实际样本数据测算表明,简化指标能够很好的反映样本各方面的特征.进一步利用主成分分析法对武汉城际列车的开行方案进行评价,依据评价结果对不同开行方案进行了选择,证明了方法的有效性.     

基于灰色聚类的机场航站楼车道边服务水平评价

为避免用单一值评价多因素多指标问题和评价方法中确定权重值较主观的问题,利用灰色聚类方法对机场车道边进行评价.首先选取四个关键性评价指标,并将车道边服务水平划分为四个等级,然后建立灰类白化函数、确定聚类权、对聚类向量进行分析,最终根据最大隶属度原则确定评价对象所归属的等级.文章选取3个不同时期不同机场航站楼车道边案例分别进行验证,结果表明2007年的西安咸阳机场T2航站楼和天津滨海机场T1航站楼出发层车道边较拥挤,而2015年的天津机场T2航站楼出发层车道边整体服务水平较好.结果符合事实,表明该模型是正确、可行的,文章最后分析了验证结果出现的原因并依此给出建议措施.     

Time-series forecasting using autoregression enhanced k-nearest neighbors method

This study proposes two metrics using the nearest neighbors method to improve the accuracy of time-series forecasting. These two metrics can be treated as a hybrid forecasting approach to combine linear and non-linear forecasting techniques. One metric redefines the distance in k-nearest neighbors based on the coefficients of autoregression (AR) in time series. Meanwhile, an improvement to Kulesh’s adaptive metrics in the nearest neighbors is also presented. To evaluate the performance of the two proposed metrics, three types of time-series data, namely deterministic synthetic data, chaotic time-series data and real time-series data, are predicted. Experimental results show the superiority of the proposed AR-enhanced k-nearest neighbors methods to the traditional k-nearest neighbors metric and Kulesh’s adaptive metrics.     

基于PCA的城市快速路基本路段服务水平评价

城市快速路基本路段作为城市快速路的重要组成部分,其服务水平的高低决定了整个城市交通系统运行的通畅性. 为更好的掌握快速路服务水平状态,分析了城市快速路基本路段交通运行特征,车辆构成特征和路段几何特征,建立城市快速路基本路段服务水平评价体系. 借助SPSS分析软件,采用主成分分析法对快速路基本路段服务水平进行计算. 以北京市莲花池西路为例进行实例评价,得到各基本路段各时段的服务水平综合得分,及全天平均服务水平聚类结果. 结果表明,本方法是对传统服务水平计算方法的补充与改善,且聚类分析使得对各基本路段服务水平的分类更明显.     

����PCA�ij��п���·����·�η���ˮƽ����

城市快速路基本路段作为城市快速路的重要组成部分,其服务水平的高低决定了整个城市交通系统运行的通畅性. 为更好的掌握快速路服务水平状态,分析了城市快速路基本路段交通运行特征,车辆构成特征和路段几何特征,建立城市快速路基本路段服务水平评价体系. 借助SPSS分析软件,采用主成分分析法对快速路基本路段服务水平进行计算. 以北京市莲花池西路为例进行实例评价,得到各基本路段各时段的服务水平综合得分,及全天平均服务水平聚类结果. 结果表明,本方法是对传统服务水平计算方法的补充与改善,且聚类分析使得对各基本路段服务水平的分类更明显.     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。      

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。     

基于 K-means 的北京地铁路网重要度聚类分析

以图论为基础,以北京地铁为研究对象,结合地铁运营客流时空分布的特点, 构建北京地铁有向加权路网模型;采用 K-means 聚类分析方法,根据地铁路网中车站和区 间的两个基本的物理拓扑属性（度、介数）,以及客运量对其进行分类,确定关键车站和区 间.其中,度反映的是节点的局部聚集能力,介数反映的是节点和边对全局的影响能力,而 客运量则反映了不同时间段节点和边在运输中的重要性.实证分析表明,该方法可以从系 统网络的角度动态辨识系统中的关键车站和区间.     

基于交通特征的空域建模方法及扇区仿真分析

空中交通是一个复杂系统,其复杂性体现在空域结构、航空器、管制员和管制设备等多个方面。本文提出一种基于空中交通特征的空域凸胞模型,它可以更准确、全面地描述空中交通情况。首先,作者基于空域复杂性量化空中交通特征,之后将复杂网络的概念应用于空中交通系统中,并采用基于加权复杂网络特征的K-Means聚类算法建立空域凸胞模型,最后,将该模型应用于北京管制区,从扇区管制的安全性和管制员工作负荷的均衡性两方面提出扇区安全概率、平均飞机数等指标,分别基于交通高峰期的数据和全天的交通数据验证扇区划分方法的优点和有效性。     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.