城市交通走廊分流措施与设计模式

针对我国大城市存在不同性质交通流对走廊核心干路过度依赖的问题,提出路网分流和断面分流两种交通走廊功能保障措施,分别以上海市杨高路交通走廊和库里蒂巴西南交通走廊为例,剖析以这两种保障措施为核心的交通走廊设计要点。对城市发展轴交通走廊提出三种设计模式,对一般性交通走廊提出两种设计模式,分别探讨了每种模式的适用条件、设置要素、优缺点和实施保障要求。     

交通出行预测的神经网络模型

针对交通出行集计预测模型的缺陷,结合神经网络在非线性关系映射方面的优势,本文提出了交通出行预测的BP神经网络模型。作者在对BP神经网络的结构和算法进行分析的基础上,研究了交通出行预测BP神经网络模型的影响因素、模型结构和模型数据,并采用实际调查数据对模型进行了检验和应用。研究结果表明模型预测精度较高,既有很强的理论优势和解释性,又有良好的操作性．最后,文章讨论了下一步的研究方向．     

大数据及其在城市智能交通系统中的应用综述

大数据给城市智能交通系统的技术发展与应用革新带来了机遇和挑战.从交通大数据的基本概念、交通大数据带来的问题和大数据驱动的数学建模方法等方面,阐述了交通大数据给智能交通系统带来的变革.为了深入理解交通大数据的内涵,分析交通大数据的产生背景,提出了交通大数据的“6V”特征,总结了智能交通系统中大数据的基本类型.面对交通大数据带来的数据安全、网络通信、计算效率和数据存储等诸多问题,提出了应对策略和思路.对数据驱动的建模方法进行了分析,说明了混合模型的意义.最后,讨论了大数据驱动的智能交通系统的体系框架.     

用MFC与ARX结合开发AutoCAD应用程序用户界面

讨论了在AutocAD的二次开发中如何将MTC与ARX相结合进行用户界面设计的方法，并对ObjectARX2000软件开发环境的设置以及程序的调试设置进行了简要介绍。同时结合作者正在进行的组合式长大货物车CAD系统的设计以实例进行说明，并简单比较了DCL语言与MFC界面开发中的优缺点。     

基于CRISP-DM的交通大数据分析方法及实践——以重庆市手机信令数据和RFID数据为例

随着交通大数据研究及应用日益广泛,其中存在的问题也越来越明显。很多分析结论存在概念模糊、数据质量不确定、分析方法不清晰等问题,导致分析结果经不起推敲,也缺乏可比性。究其主要原因是未能形成科学的大数据分析方法和统一的分析标准。提出基于CRISP-DM的交通大数据分析方法,包括目标要求、数据理解、数据准备、数据建模、模型验证、工程化应用(部署)6个阶段。结合重庆市交通大数据平台建设实践,以手机信令数据和车辆RFID数据为例,详细阐述数据理解、数据建模和模型验证三个重要步骤的具体做法,探索如何实现交通大数据分析的标准化、指标化和透明化。     

基于站点实时关联度的短时公交客流预测方法

为探究公交站点之间的关联度并对公交客流进行更精准的实时预测，本文提出基于 Attention的交通预测核心算法(Traffic Forecast Model Based Attention，TFMA)，结合数据预处理和 站点信息编码完成基于站点实时关联度的短时公交客流预测方法。该方法首先创新性地提出了 站点实时关联度，可实现对目标站点客流量更精准的预测；其次，在公交站点的编码信息中融入 线路站点信息、客流变化率、天气、日期等关联因素；接着，该方法依靠Attention机制计算站点实 时关联度；核心算法中使用multi-headed机制、增加通道和残差连接进一步提升预测能力；最后， 以苏州市公交数据进行验证。结果显示：在准确率上，对比多元线性回归的53.8%、GRU(Gated Recurrent Unit)的66.9%和LightGBM(Light Gradient Boosting Machine)的81.2%，本文提出的基于 站点实时关联度的短时公交客流预测方法的准确率在90%以上，表明该方法具备优秀的短时公 交客流预测能力。     

走廊层面交通小区划分方法的优化

基于公交客运走廊划分的交通小区，可为走廊公交线网优化提供更为符合公交乘客出行特征的需求分析和预测基础.本研究针对公交客运走廊特点，将走廊划分为直接影响区和间接影响区，提出分层次的交通小区划分理论.针对走廊不同影响区在需求预测和分析中对结果精度要求的不同，基于大数据选取更加适合公交走廊交通小区划分的聚类指标，提出直接影响区细分和间接影响区合并的划分方法，并通过引入聚类因子初步确定聚类数目和交通小区中心对传统聚类方法进行改进，克服了传统聚类方法随机选取聚类数目和中心而影响聚类精度的不足.最后，基于多源异构大数据对广渠路走廊进行实例验证，结果表明，本研究提出的分层次小区划分方法较传统方法在适用于公交客运走廊需求分析和预测划分精度方面更优.     

基于GUI的路面不平度重构的研究

室内道路模拟试验已经成为汽车工业一项主要试验项目,而标准路面谱的重构是需首先解决的问题之一。根据不平道路的统计频域特性,重构出时域信号,对室内汽车的平顺性的研究有着重要作用。文章在介绍了路面功率谱密度理论的基础上,引入了重构路面不平度的核心算法——傅立叶逆变换法,并基于GUI开发了标准路面谱重构软件。最后。对该算法的优缺点进行了总结。     

基于上下车人数的公交动态调度优化模型

本文以某大城市一务公交线路上各个站点在每小时内的上、下车人数为基本数据,通过合理考虑公交车的行车特点,经过对上、下车人数的合理化处理,提出了一种实时调度的模型。该模型首先考虑了每分钟最大可能上车人数,并进行了曲线拟合,再以发车准则计算出了发车时间表和所需的最少车辆数。最后还进行了满载率和乘客抱怨率的计算,并提出了本模型的优缺点和改进的建议。     

大数据背景下的交通模型发展思考

将传统交通调查和模型与新的信息技术相结合,根据大数据的特征改进交通模型的方法体系,是交通模型发展面临的极大挑战.分析交通大数据对交通模型研发的促进作用,特别是在人口及就业岗位分布、综合交通网络数据和基于交通调查的模型参数等核心数据方面的支撑作用.从相关定义、市场细分以及信息完整性三个方面阐述大数据与交通模型的一致性问题.深入讨论应用大数据改进交通调查技术、4D模型研发、出行分布目的地选择模型、轨道交通出行接驳模型、出行成本校核等交通模型关键技术.通过对比大数据和交通模型的决策分析过程,指出大数据与交通模型互动发展的途径.     

Big data framework for quantitative trading system

Massive trading data are produced in securities market every day. Besides, the amount of relevant social media data is also growing fast. It is a vital problem of making use of these data. Facing on the growing amount of data, using big data framework is a necessary and reasonable method. Then, a big data framework for quantitative trading system is proposed in this paper. In the framework, Apache Spark is chosen as the distributed computing framework to process trading data, and Apache HBase as the distributed database is used to store data. After introducing the whole framework, we discussed data sources and the structure of quantitative trading layer in detail.     

子波变换及其在股市数据分析中的应用

把股票日收益率看作一维时间信号,通过子波变换与多尺度分析,求出了体现股市数据奇性的Lipschitz指数α。α为负表明在奇点比不连续更加奇异,证明了股票价格的变化是分形的。同时,由文中图示可知,在尺度s很大时,子波变换和多尺度分析可以将股市数据中偶然因素造成的涨跌消除,具有突出主要因素和客观突变点的特点,这一点对于从宏观上预测股价的走势有重要意义。     

混凝土裂缝超声检测试验研究

混凝土裂缝超声检测结果与实际差别较大，但误差大小尚无定量评判的理论依据．文中对混凝土裂缝超声检测进行试验研究，给出了声速理论计算公式，制作了带裂缝的混凝土试件，对预先设置在混凝土试件中的裂缝进行了超声检测，将得到的检测数据与相应的理论值进行了对比分析，讨论了裂缝超声检测及声速理论计算中存在的问题，对裂缝的检测方法提出了建议。     

基于纠偏、容错理念的道路设计研究

针对以设计速度作为控制依据在道路设计中存在的不足,在道路设计中引入纠偏、容错理念,并阐述了相关的设计方法和优点。最后指出纠偏、容错理念的研究目前还停留在定性分析上,而在各技术标准的定量选择上还有很大的研究空间。     

基于大数据的道路交通管理反思——小即是美

针对基于大数据的道路交通管理进行回顾和反思,以期促进道路交通管理者及业界对大数据研究和应用的正确认识。在总结和分析交通大数据领域科研和实践情况的基础上,指出在交通管理领域研究和应用大数据技术的过程中,要回归交通管理信息化发展的初衷,科学理性决策,既要看到大数据技术的价值,也要看到其局限以及在成本、风险和应用基础方面的挑战。应对近年来道路交通信息化管理所面临的新形势,提出其发展路径应该遵循既要发展大数据,又要善用"小数据"的原则。发展大数据技术要积极稳健、科学合理,同时加强对现有交通数据信息的充分利用和价值挖掘,注重实践,夯实科学交通管理的基础。     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

道路阻抗函数研究综述

道路阻抗是交通分配和路网规划中的重要参数，是路网属性抽象的重要内容之一。为给道路阻抗函数研究提供新思路和新方法，更好服务于交通分配和路网规划，针对路阻函数的研究背景及现实意义，从路阻函数研究方法和影响因素两方面综合对比分析各种路阻函数模型的优缺点，分析得出既有研究多以美国联邦公路局（Bureau of Public Roads, BPR）函数为基础，针对BPR函数本身缺陷进行优化，或加入其他影响路阻的因素进行优化。在此基础上，总结得出目前路阻函数研究中存在不重视数据采集、函数内参数不可靠、函数适应性不强等问题。最后，对未来研究方向进行了展望，未来可应用车联网、自动驾驶等前沿技术采集数据，应用大数据和人工智能算法提高参数可靠度，提出适用于自动驾驶的路阻函数，制定路阻函数适应性标准，扩大路阻函数应用范围。     

Predicting the Dielectric Strength of c-C4F8 and SF6 Gas Mixtures by Monte Carlo Method

An improved Monte Carlo method was used to simulate the motion of electrons in c-C_4F_8 and SF_6 gas mixtures for pulsed townsend discharge. The electron swarm parameters such as effective ionization coefficient, [AKα-] and drift velocity over the E/N range from 280～700 Td(1Td=10-21 V·m2) were calculated by employing a set of cross sections available in literature. From the variation cure of [AKα-] with SF_6 partial pressure p, the limiting field (E/N)_lim of gas mixture at different gas content was determined. It is found that the limiting field of c-C_4F_8 and SF_6 gas mixture is higher than that of pure SF_6 at any SF_6 mixture ratio. Simulation results show excellent agreement with experiment data available in previous literature.     

基于大数据的交通规划技术创新应用实践——以深圳市为例

深圳市长期坚持数据和模型驱动的交通规划理念,经过20年的积累,建立了面向规划决策支持的综合交通大数据应用体系,在多元数据融合与大数据挖掘应用方面进行了探索。总结深圳市交通大数据平台包含的三类数据:偏静态的城市空间数据、传统调查数据、偏动态的交通多元数据,阐述大数据对交通规划技术创新的影响。基于大数据对交通模型和运行仿真的影响,深圳市积极推动交通规划技术创新,建立区域–宏观–中观–微观一体化的交通仿真模型体系、融合实时数据的交通运行和评价系统,也使得绿色交通优先等规划理念更易实施。最后,对车联网、智慧交叉口、交通主动控制、个性化信息交互等影响交通规划创新的技术进行展望。     

���й����ͨ�볣�湫��֮����ģ��

随着轨道交通在我国大城市中的逐步发展，轨道交通势必与常规公交之间发生客流竞争。本文在分析轨道交通与常规公交客流吸引影响因素的基础上，利用不同出行方式下的出行时耗和出行距离，确定了轨道交通与常规公交之间的客流争夺区域。利用Logit模型，用相对比较容易量化的广义费用函数来代替模型中效用函数，从而建立了轨道交通与常规公交的竞争模型，形成轨道交通与常规公交的分担比例曲线，提供了一种确定两者之间客流分担率的方法。