共享单车停放需求影响因素分析和预测研究

为了解决城市共享单车的乱停乱放问题,本文基于北京市的共享单车出行大数据,提出了共享单车停放需求预测的多项Logit模型。首先分析了单车停放需求的影响因素,然后选取了时间、空间及天气方面的12个因素为自变量,通过Wald检验分析了这些因素与停放需求的相关性和显著性,基于多项Logit模型建立了共享单车的停放需求预测模型。结果表明:工作日、时段、商业区、所临道路类型、临近轨交站、高温、下雨、以及风力等级与共享单车停放需求显著相关;构建的预测模型总体预测准确率为77.5%,其中对出现频率最高的低停放需求预测准确率高达86.49%。     

基于NCM-EAHP模型的瓦斯隧道施工风险评估研究

文章以成简快速路龙泉山隧道为依托,考虑瓦斯地层环境(R1)、隧道工程环境(R2)、工程施工因素(R3)、施工设备因素(R4)4方面构建评估指标体系;搜集瓦斯隧道施工风险评估样本,构建评价指标参数矩阵;通过熵权法、德尔菲法依次确定指标客、主观权重,根据乘法原理计算组合赋权;基于修正正态云模型(NCM)计算评估指标隶属度,挖掘指标经典域、节域,构建评估系统物元可拓模型(EAHP);根据Matlab软件与样本参数矩阵,构建评估系统BP神经网络预测模型(BPNN)。经研究得出：NCM、EAHP、BPNN模型计算结果吻合度较好,NCM、EAHP、BPNN模型目标层计算结果分别为Ⅲ～Ⅳ级、3.178级、3.2472,隧道施工风险整体处于“异常～严重”状态,与现场施工安全等级相吻合。     

人工蜂群优化BP神经网络在输油管道泄漏检测中的应用

BP神经网络的泛化性能很大程度上取决于模型的参数选择,针对此问题提出基于人工蜂群算法(ABC)的BP神经网络参数优化算法,并将其应用于输油管道的泄漏检测。该方法将BP神经网络的连接权值和阈值一一对应于人工蜂群算法优化问题每个可行解的各维度值,找到问题的最优解,训练出符合精度要求的理想模型。将该方法应用于输油管道泄漏信号的识别,提取管道各类工况下压力信号部分非线性特征作为检测模型训练样本集,建立输油管道泄漏检测模型并进行识别测试,有效提高了泄漏检测的准确率。     

基于机器学习的铁路隧道施工碳排放预测模型研究

为构建适用于铁路隧道施工建设阶段碳排放预测的算法模型，以某铁路隧道建设工程为研究案例，首先基于碳排放计算体系量化得到案例隧道的施工碳排放量与各子阶段碳排放占比；然后采用多种机器学习算法构建不同预测模型，结合动物优化算法对预测模型进行参数调优，选用R²、MAE、MSE、RMSE、MAPE、SMAPE等评价指标对比分析拟合效果，筛选最佳预测模型，并基于SHAP值分析各参数变量的重要性程度。结果显示：建材生产阶段对隧道施工碳排放的贡献最大，建材运输阶段的碳排放最小；BP神经网络相对随机森林、LightGBM、SVR、极限学习机等算法的回归效果更好，并且通过对比使用PSO算法、WOA算法和SSA算法优化后的回归预测模型，WOA-BP算法的拟合效果最好；基于SHAP算法的分析，各参数变量的特征重要性排名依次为：开挖面积>围岩等级>开挖工法>埋深。     

共享单车站点潜在需求预测问题研究

针对传统共享单车需求预测中潜在需求缺失的问题,文章分析了站点借还量与调度需求量的关系,提出站点潜在需求问题,并利用美国芝加哥Divvy Bikes公共自行车系统实际运营数据,综合考虑天气、气温、风力、站点容量与初始车辆数等因素,以历史每日正常数据构建训练网络,通过三种神经网络方法预测出具有潜在需求站点的借还量。该研究方法的应用可以提高共享单车调度的科学性和准确性。     

基于GM(1,N)及神经网络的崇左铁路货运量预测

运量的预测是崇左地区铁路及物流业规划极其重要的依据。文章基于对崇左地区铁路运量影响因素的分析,利用灰度GM(1,N)预测模型对铁路运量上限进行预测,并建立BP神经网络预测模型对近年来崇左地区的铁路货运发生量进行预测,得到2014年铁路货运预测发生量及货运量上限。预测模型与实际数据拟合程度极高,且模型稳定,可根据模型及2015年规划基础数据对崇左地区铁路运量进行稳定预测。     

基于SVM-BP神经网络组合模型的高速公路出口流量预测

为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM（支持向量机）模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明：(1)误差对比：当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。(2)预测精度：组合模型>BP神经网络>SVM,组合模型的平均绝对误差（MAE）提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。     

基于BP神经网络的川气东送管道土壤腐蚀预测

通过现场埋片和土壤理化性质试验确定了影响川气东送管道腐蚀速率的主要土壤因素,对39个试验点的X70钢质试片的腐蚀数据进行分析,构建了X70钢材土壤腐蚀预测模型,利用该模型在BP神经网络中训练、模拟,并运用MATLAB软件对神经网络进行编程,将预测结果与现场X70埋片腐蚀实验结果对比。结果表明:运用BP神经网络可以建立稳定性好的土壤腐蚀预测模型,预测川气东送管道X70钢材在土壤中的腐蚀速率的准确度达到90%以上。     

基于深度学习的隧道工作面岩石结构自动化判别

从掌子面图像中快速准确获取建设阶段隧道工作面的表观岩体结构特征对于掌握待开挖围岩的稳定性及跟进阶段的施工决策意义重大。文章结合自研数字照相设备获取云南蒙屏高速公路13条隧道在不同工况、温湿度、照度、粉尘浓度环境下的150余个掌子面42 100张图像样本,选取现场数据集出现的块体、层状、碎裂、散体、镶嵌等5种主要结构类型,以训练及测试损失率、准确率、召回率等为主要评价指标,建立基于TensorFlow-GPU的岩石隧道掌子面结构的卷积神经网络Inception-ResNet-v2模型,对模型进行训练并实现岩体结构类别的自动识别与分类。研究表明:(1)采用训练集和测试集中的掌子面图像对模型进行分类研究,训练、测试集的准确率分别达到98.21%和94.61%,召回率达到96.14%;(2)测试可视化结果显示Inception-ResNet-v2模型对复杂的现场条件具有较好的鲁棒性,而局部的错检现象需要通过进一步提高样本丰富性和纹理多样性来规避。     

时空特征深度融合下的城市轨道交通站点客流预测

探索挖掘URT站点客流时空特征并精准预测运营高峰期的站点客流，对提高URT系统客流组织效率、保障乘客出行安全具有重要意义。针对传统模型对于时空特征挖掘不够以及在多步短时客流预测的精度上有待提升等问题，引入时段相关性及站点关联度以量化客流隐式时空特征，并建立一种结合双层图卷积神经网络（GCN）与门控循环单元（GRU）的dmGCN-GRU短时进站客流预测模型，随后以杭州地铁为例，对工作日数据和非工作日数据分别进行了仿真实验。结果表明，dmGCN-GRU模型能够深度融合时段相关性、站点关联度、站间OD、邻接矩阵等多重时空特征，可在增加一定训练时长的前提下提高预测精度、模型稳定性。随预测步长增加，模型性能虽有所下降，例如工作日数据拟合优度从94.68%降至94.27%，但性能仍优于SVR、GRU、GCN以及GCN-LSTM等模型。     

插电式混合动力汽车绿色路径规划研究

为了降低插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)在驾驶过程中的能耗,本文对插电式混合动力汽车绿色路径规划问题(Plug-in Hybrid Electric Vehicle Green Routing Problem,PHEVGRP)进行了研究。基于脉冲耦合神经网络提出了用时间依赖中继神经网络求解时间依赖车辆路径规划问题。基于可实时获取的道路交通状态量建立PHEV能耗计算模型。采用硬参数共享多任务学习建立道路交通状态量的预测模型。结合两个模型,将时间依赖中继神经网络应用于PHEVGRP的求解。采用真实数据进行试验,结果表明所提出的方法能够求得PHEVGRP的基于预测模型的最优解且求解速度优于启发式算法。     

利用BP神经网络模型动态预测隧道涌水量——以铜锣山隧道为例

以垫邻高速铜锣山隧道为例,在分析隧道涌水和降雨响应特征的基础上,建立了综合考虑降雨脉冲、降雨累积效应和地下水系统整合作用的隧道涌水量预测的BP神经网络模型。计算结果表明,该模型对训练样本的拟合程度较好(平均绝对百分比误差为13.27%)且具有较高的预测精度(平均绝对百分比误差为15.05%)。该模型的建立和成功应用对丰富隧道涌水量的预测方法和动态指导隧道防排水管理具有重要意义。     

基于AVL数据的公交到达率阈值估计方法

公交进站排队是影响公交服务可靠性的主要原因之一。为提高公交运营可靠性，提出以不同排队长度的互补累积概率作为公交站点的服务水平指标，基于大量公交AVL数据，探究公交到达率与互补累积排队概率之间的函数关系，计算不同服务水平下站点的到达率阈值。研究发现到达率与不同排队长度下的互补累积概率的散点图均呈“S”型分布，针对该特点提出以Logistic模型来描述两者之间的函数关系，并以成都市5条公交走廊沿线的19个站点为例对其拟合结果进行分析。结果表明，模型在19个站点均有较好的拟合优度，因此认为公交到达率与互补累积排队概率符合Logistic函数关系。该研究结果为不同公交站点合理到达率阈值的选取提供了基于数据驱动的分析方法。     

灰色GM(1,1)模型在靖西天然气管道负荷预测中的应用

靖西天然气管道是重要输气干线,准确预测需求负荷变化情况,确保管道安全、平稳、高效供气意义重大。文中以灰色理论为基础,利用管道历年气量数据建立灰色预测的GM(1,1)模型,采用后验差检验对预测模型进行检验,并对该管道未来用气需求量进行预测。计算结果显示:灰色GM(1,1)模型预测结果与实际结果具有较好的一致性,精度能够满足实际应用的要求,预测结果对靖西管道运行管理具有一定的借鉴作用。     

灰色模型在路基沉降预测中的对比研究

为了确定合适的工后沉降预测模型,文章以桂东四都至八面山公路典型路基断面实测数据为研究对象,采用GM(1,1)模型、UGM(1,1)模型及Verhulst模型分别建立模型,对工后沉降进行预测分析。结果表明:在拟合阶段时,GM(1,1)模型的平均误差绝对值比UGM(1,1)模型和Verhulst模型分别高出约30%和15%;在预测阶段的精度对比分析中,UGM(1,1)模型在各方面均优于Verhulst模型,能够准确地预测路基沉降的真实情况。     

架空蒸汽管线外表面传热系数修正研究

表面传热系数是计算架空蒸汽管线对流散热损失的关键参数,现有经验关联式认为其与环境风速等因素有关,但未考虑这些因素的具体影响.文中建立了蒸汽管线模型,采用流体动力学(CFD)数值模拟计算方法,分析了环境风速、管径对蒸汽管线表面传热系数的影响,修正了环境风速和管径因素的表面传热系数关联式,其拟合优度达到0.99以上.结果表...     

复杂环境下车牌识别算法研究

目前市场上已有较多应用成熟、稳定的车牌识别算法,但是大部分需要在单一背景环境下,否则识别效果不佳,所以存在复杂环境下(如光照不均、大角度、多车牌、亮度低等)车牌定位与识别准确率低的问题。文章提出一种复杂环境下多车牌识别算法来应对此问题,采取了SVM模型定位车牌、外部轮廓和外接矩形法分隔字符、BP神经网络法识别字符。其中,对非连续性字符(如中文字符)分隔提出改进算法,取得良好的效果。     

动态路径选择模型中路段行程时间函数分析

智能交通系统(ITS)的成功应用取决于交通流随时的、高精度的、大范围的评估,因此很有必要建立动态交通网络模型来评估和预测交通.在动态交通网络模型中动态路径选择模型的路段运行时间函数的研究十分重要.通过分析路段上的驶入流、驶出流和车辆数之间的相互关系,建立了只用路段驶入流表示的路段运行时间函数,能简化动态交通建模、提高其计算精度和节省计算时间.     

基于多变量GP-DE模型的隧道变形时间序列预测研究

准确预测和控制隧道变形是确保隧道工程施工安全的重点。针对目前隧道围岩变形时间序列预测的不足,文章提出了一种基于多变量高斯过程(GP)-差异进化算法(DE)的隧道变形时间序列预测方法。根据隧道自动化监测结果进行多变量相空间重构,并通过主成分分析法降低输入维数。在此基础上采用GP-DE模型进行隧道变形预测研究。以吉林省高丽沟隧道围岩拱顶位移为例进行预测,将预测结果与BP神经网络、SVM模型预测结果进行比较。研究结果表明,多变量时间序列的GP-DE模型具有更高的预测精度,预测值与实测值吻合更好,是一种有效的隧道位移预测方法。     

政策法规

##正##交通运输物流信息互联共享新标准发布近日,《交通运输物流信息互联共享标准(2014)》(简称新《标准》)正式对外发布,其中数据元、道路运输电子单证、物流站场(园区)电子单证三项行业标准同步发布。据介绍,新《标准》由基础标准、平台互联与交换标准、应用与服务规范、标准升级维护管理规范和标准符合性测试规范组成。该标准源于2012年9月交通运输部建立的全国交通运输物流公共信息平台。目前,约有1万余家企业使用该平台物流管理软件,依托平台实现近30万家企业互联,业务单据交换量累计超过8亿条,日交换量最高可达200万条。随着用户数量的增加,原标准已不能充分满足用户需求,交通运输物流公共信息平台标