交通数据治理框架及应用分析——以成都为例

针对成都市交通数据现状和实际业务场景需求，依据DGI数据治理框架、集成协调理论，采用理论研究和实证研究结合的方法，研究构建了成都市交通数据治理框架，给出了数据管控标准体系。以重点营运车辆数据为例，验证了数据质量多维管控方法的有效性。结果表明，该数据治理框架具有重要应用价值，有助于建立可持续运行的数据治理机制，为行业精准治理提供数据服务。     

成功实施数据仓库的关键技术研究

论述了数据仓库实施的步骤，给出了基于MicrosSoft SQL Server7的数据仓库设计，数据加载，数据分析与查询，结果显示等关键技术，对成功实施数据仓库有重要的指导作用。     

数据仓库中联机分析处理技术的研究与开发

数据仓库是数据库技术的最新发展，联机分析处理(OLAP)是数据仓库的关键技术之一。本讨论了数据仓库中联机分析处理技术．及其在雷达杂波数据仓库解决方案中的应用，并运用OLAP工具实现了快速、准确、有效的多维数据查询和灵活的多维报表输出。     

����Web Services�Ľ�ͨ��Ϣ����ϵͳ�������ʵ��

分析了交通行业相关业务处理信息系统进行数据集成的必要性；对现有信息集成的方法和技术进行总结、对比和分析，结合交通信息化的进展和实际需求得出：基于Web Services的信息集成方案是构建交通异构数据集成系统较为理想的体系结构。根据Web Services的体系结构和特点，设计了交通异构数据集成系统的方案，对其中的关键技术进行了说明。以客运管理信息系统为例给出了基于VS.Net平台的交通异构数据集成的实现方法和具体步骤。     

面向模型驱动的数据仓库开发方法研究

传统的数据仓库(Data Warehouse,DW)开发方法难以很好满足企业的决策需求,复杂性和高效性是数据仓库系统开发面临的两大主要问题,在模型驱动体系架构(Model Driven Architecture,MDA)框架下,提出了一种模型驱动的数据仓库开发方法,从而实现了以模型为驱动的数据仓库模型开发过程.最后通过为某企业采购价格差异分析主题数据仓库建模实际应用,验证了该方法的可行性和高效性.     

XML在网络化制造产品信息集成中的应用

在网络化制造中进行产品信息集成的一个重要障碍就是设计软件之间的信息模型的流动困难。本文基于XML提出一种统一产品数据标记语言UPDML来描述设计软件之间需要共享的数据，并建立了采用UPDML实现产品信息集成的基本框架，为网络化制造系统中众多，有着不同数据格式的设计软件之间进行信息模型的流动提供了一种一般性的解决方法。     

�ۿ�����Ԥ���о�������TEI@I������

基于TEI@I理论框架,本文提出了适用于港口物流货运复杂系统的TEI@I的综合集成预测模型,并基于青岛港集装箱吞吐量数据,预测和分析了TEI@I的港口物流货运量的集成预测理论框架的各部分.预测结果表明,基于TEI@I集成预测模型的效果远远优于单独模型的预测结果,方向变化统计量(Dstat)的评价结果从66%-77%提高到了100%,对主要决策者方向性的判断更有实际意义.其次,TEI@I方法论中将数据“先分解后集成”的思想,引入了对数据的非线性部分的分析和预测,该方法不仅提供了分析外部冲击对具体数据序列的影响程度,影响周期的分析思路,而且将分析后的序列集成,对不同模型的预测精度有了很大的提高.     

数据仓库的子立方体及其相应算法

数据仓库是研究大数据集的快速，灵活查询的一种技术，系统的执行效率是至关重要的。本文提出了一种新的概念－OLAP子立方体，并且给出应用这一概念改进数据仓库查询性能的相应算法。作者结合铁道部货运数据仓库及数据挖掘系统，深入的研究这一技术，实验证明这种方法是有效的。     

基于SDSS的高速公路养护管理系统结构

现有高速公路养护管理系统仅仅是简单的决策支持系统,以模型来驱动决策,决策的智能化程度不高,因此为了提高公路养护决策的能力和智能化水平,提出了基于SDSS的高速公路养护管理系统,结合智能决策支持系统和商业智能技术,在决策过程中以模型、知识、数据共同驱动决策。综合决策支持系统由数据仓库、联机分析处理、数据挖掘、模型库、知识库和数据库组成,其中数据仓库能够实现对决策主题数据的存储和综合;联机分析处理可以实现多维数据分析;数据挖掘可以挖掘数据库和数据仓库中的知识;模型库可以实现多个广义模型的组合辅助决策;数据库可以为辅助决策提供数据;专家系统可以利用知识推理进行定性分析。它们有机集成的综合决策支持系统将相互补充和依赖,能发挥各自的辅助决策优势,实现更有效的辅助决策。     

港口物流预测研究:基于TEI@Ⅰ方法论

基于TEI@Ⅰ理论框架,本文提出了适用于港口物流货运复杂系统的TEI@Ⅰ的综合集成预测模型,并基于青岛港集装箱吞吐量数据,预测和分析了TEI@Ⅰ的港口物流货运量的集成预测理论框架的各部分.预测结果表明,基于TEI@Ⅰ集成预测模型的效果远远优于单独模型的预测结果,方向变化统计量(Dstat)的评价结果从66％ -77％提高到了100％,对主要决策者方向性的判断更有实际意义.其次,TEI@Ⅰ方法论中将数据“先分解后集成”的思想,引入了对数据的非线性部分的分析和预测,该方法不仅提供了分析外部冲击对具体数据序列的影响程度,影响周期的分析思路,而且将分析后的序列集成,对不同模型的预测精度有了很大的提高.     

山东省道路运输数据信息规划与数据仓库研究

从系统工程角度研究制定山东省道路运输管理信息系统的数据流、数据标准和数据规范；提出山东省道路运输管理信息系统共享的数据仓库平台。开展出行者信息服务和安全服务等经营服务活动。为智能运输系统发展提供基础。     

铁路客货营销决策支持系统

应用数据仓库技术，提出了客货营销决策支持系统的逻辑结构，阐述了铁路客货营销信息的特征，论述了建设铁路客货营销数据仓库的必要性，围绕数据源组织、联机分析和数据挖掘等问题，对系统建设中的若干关键技术进行了探讨，认为统一数据策略与数据库模式是实现系统的关键。     

基于改进极限学习机的公交站点短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

构建INTEMOR煤矿智能监控系统的关键技术

INTEMOR系统是一种适合构建实时智能监控系统的开发平台，它提供了一个智能监控系统的基本框架和开发环境，基于INTEMOR平台构建兖州兴隆庄煤矿通防安全实时智能监控系统的关键技术是数据集成、专家系统知识库的创建、智能在线操作手册的开发。     

基于小波变换的交通流数据集成灵敏度分析

道路上的交通流数据通常是以20-30秒间隔采集并传递到交通管理中心的，为了使这些数据能够广泛地运用于各种交通用途，必须采用合理高效的集成方法对其进行处理。传统的数据集成方法基于数理统计的理论，该方法不能有效地去除数据中的噪音。近年来迅速发展的基于小波变换的交通流数据集成方法克服了这一缺点，通过对交通流数据的频率特性进行详细分析能够使集成更加高效，准确满足不同的交通用途对集成的需求。但该方法尚未作进一步的灵敏度分析，本文通过对数据集成中小波函数和数据样本量这两个重要参数的分析，从理论的角度探讨了这两个参数变化对数据集成的影响。然后以北京市三环上的交通流数据为例，计算得到了数据集成建议采用的小波族和小波阶数，以及合理的最小样本量。该结论对数据集成在将来的实际应用具有指导意义。     

知识发现与数据仓库

对知识发现和数据挖掘的基本理论作必要的阐述，其中包括知识发现方法，数据仓库，数据工具－粗糙集等理论基础，并概述了其应用前景。     

轴类零件CAD的功能信息描述

从产品功能设计角度出发，依据ＳＴＥＰ方法学，深入研究基于功能的框架轴类零件产品定义模型和功能图谱；探讨了产品零件功能信息描述模式，并结合某厂具体实际，开发了轴类零件的功能ＣＡＤ库，为ＣＡＤ／ＣＡＭ集成的信息交换与数据共享提供了可能。     

智能网联环境下基于混合深度学习的交通流预测模型

为适应未来智能网联环境下精细化交通流预测需求，提出一种基于混合深度学习 (Hybrid Deep Learning, HDL)的车道级交通流速度预测模型. 模型以智能网联系统强大的数据采集和计算能力为基础，采用集成经验模态分解算法将原始速度序列分解为多个固有模态函数分量和残差分量，并将所得分量重构为模型输入；利用双向长短期记忆神经网络和注意力机制，构建深度学习模型框架；为检验模型预测精度和可靠性，选择北京市二环路多个连续车道断面速度数据进行算法验证. 结果表明，HDL模型在不同车道均有理想的预测结果，单步和多步预测精度均显著优于对比模型.     

���������ھ�ij��н�ͨ��Ϣ������άģ��

经过规范化的发展,已经涌现出不少成熟的企业信息集成(EII)模型,而城市交通信息集成（UTII）方面还缺乏规范、成熟的模型。基于此,本文从流程再造、数据交互以及数据挖掘三个方面,提出了一种城市交通信息集成三维模型（3D-UTII)。这三个维度的集成即为：基于流程再造的交通信息系统内部的深度集成（DDII）,基于异构数据库技术的交通信息系统间的广度集成（EDII）,以及基于数据挖掘技术的分析式集成（ADII）。本文对这三个维度的实施框架和具体实现技术分别做出了进一步阐述,最后使用北京市奥运交通应急系统的信息集成方案为实例对模型的实施做出了说明和验证。