基于VMD-MD-Clustering方法的航班延误等级分类

针对航班数量逐年增加导致的航班延误日益频繁问题,研究对航班延误等级分类的方法,从而为制定针对性措施,降低航班延误造成的损失提供理论基础。从时间、空间和效率3个方面确定航班延误时间、航班飞行时间、延误影响人数和航程这4个数值属性指标,以及过站是否经停、飞机载客量2个类属性指标,共计6个评估指标构建航班延误等级分类模型。提出了1种基于变分模态分解（VMD）、马氏深度（MD）函数和K-means数据聚类（Clustering）的航班延误等级分类方法（以下简称V-M-C方法）。V-M-C方法将非正态、非平稳的多维航班延误数据视作含噪声的信号序列进行处理,通过VMD降噪获得正态、稳定的多维信号数据;利用MD函数进行降维处理得到一维的稳定信号数据;使用K-means方法对得到的一维数据进行聚类,对航班延误等级分类。为确定航班延误等级分类精确性,采用带惩罚权重的支持向量机（SVM）对分类结果进行分析,可以在一定程度上提高V-M-C方法的普适性。以某大型枢纽机场某月的航班运行数据为例,只使用K-means算法的航班延误等级分类精度为81.9%,而V-M-C方法对航班延误等级分类精度可提升至95.41%。实验结果表明,V-M-C方法的分类准确率更高,能够帮助机场根据相应延误等级制定预案,保障航班整体运行正点率。      

北京市电动出租车运营指标体系及特征分析

本文在介绍北京市电动出租车运营概况的基础上,从运行速度指标、运能运量指标和运营特征指标3个方面,建立了面向电动出租车行业动态运营监测和管理需求的指标体系及计算模型,并通过对出租车动态回传的GPS数据和计价器数据的特征及适用范围分析,确定了以计价器数据为基础,通过对比燃油出租车的运营特征指标,量化电动出租车运营特征的分析方法。分析结果表明,电动出租车受电池性能、配套设施、道路奈件及候客模式等多方面因素的影响,呈现载客速度低、运送距离短、里程利用率低、时间利用率高等特点。最后,结合电动出租车运营特点提出相应建议。     

基于贝叶斯概率理论的物流园区选址优化研究

物流园区选址是其规划建设中不可或缺的部分，传统的选址方法以定性分析为主，缺乏对选址结果可靠性的评判标准，为此，引入贝叶斯概率方法开展了物流园区选址规划理论研究。借助EM算法和GeNie软件，构建了贝叶斯网络模型，挖掘出各影响因素间存在的内在因果和逻辑关系，量化各影响因素的显著性，构建科学合理的物流园区选址规划评价指标体系；采用K-means聚类方法建立了物流园区选址模型，使用MATLAB软件对建立的模型进行迭代计算，并引入贝叶斯判别方法对聚类结果进行了可靠性分析；基于贝叶斯网络方法优化了灰色模糊风险评估模型，结合了定性分析和定量计算，得出相应的选址风险系数与评估风险概率，完成了物流园区的选址风险等级评估。研究结果表明：基于贝叶斯方法建立的物流园区选址模型能够充分考虑城市规模、经济社会发展、城市物流量及交通区位等多因素的影响，实现了对物流园区选址结果的量化评价，降低了人为主观因素和客观数据的模糊性对物流园区选址方案的影响，有效提高了物流园区选址规划的科学性和可靠性。以陕西省10个地级市为候选地点验证该选址模型的可行性，结果显示：西安建设物流园区的选址风险系数为4.030 1，处于低风险水平，依据总体风险概率确定低风险水平的可靠性为65.50%，证实了在西安建设物流园区（西安港）风险系数较低，科学可行，且西安港风险评估结论具有较高的可靠性。     

全国充电基础设施累计数量为168.1万台

正近日,中国电动充电基础设施促进联盟发布2020年12月充电桩运营数据。截至2020年12月,联盟内成员单位总计上报公共类充电桩80.7万台。其中,2020年12月比11月公共充电桩增加了11.2万台。如果算上私人充电桩数量,截至2020年12月,全国充电基础设施(公共+私人)累计数量为168.1万台,同比增加37.9%。     

基于改进K-均值聚类算法的合肥市电动客车行驶工况构建

为构建合肥市电动客车行驶工况,选取合肥市4条典型线路的12辆电动公交车进行连续一周的数据采集,基于短行程分析法将经过处理的有效数据分割成24 595个片段并计算特征值,采用主成分分析法和改进K-均值(K-Means)聚类算法对短行程特征值进行降维与聚类,根据类中心距离从聚类结果中选出类代表短行程,从而构建出合肥市电动客车的行驶工况。将所构建的工况与实车采集数据及国内外典型行驶工况进行对比,结果表明,构建的行驶工况能更准确地反映合肥市电动客车的行驶特征。     

新闻

全国充电基础设施累计数量为168.1万台近日,中国电动充电基础设施促进联盟发布2020年12月充电桩运营数据。截至2020年12月,联盟内成员单位总计上报公共类充电桩80.7万台。其中,2020年12月比11月公共充电桩增加了11.2万台。如果算上私人充电桩数量,截至2020年12月,全国充电基础设施(公共+私人)累计数量为168.1万台,同比增加37.9%。     

基于蚁群优化算法与出租车GPS数据的公众出行路径优化

以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。     

基于K-means算法的行人检测方法研究

行人作为交通事故易受伤群体之一,其安全保障越发受到重视.结合车载激光测距仪实时采集的车辆前方障碍物距离信息,提出基于K-means算法的行人检测方法.首先对激光测距仪接收的距离信息进行报文解析,形成激光云点图.其次,对激光云点图进行预处理,消除冗余数据.再应用K-means聚类算法对前方障碍物进行分类,最后建立行人宽度模型甄别行人目标.试验结果表明,基于K-means聚类算法能从激光云点图中快速提取行人目标,为汽车主动安全及交通安全研究提供基础.     

基于K-means聚类方法的物流多配送中心选址优化研究

针对城市物流多配送中心选址过程中因素选取和方法融合研究方面存在的不足,提出先对备选配送中心进行聚类分析而后在各聚类单元内进行选址排序的思想方法。首先,建立物流多配送中心选址的评价指标体系,将语言变量值与梯形直觉模糊数相结合并应用模糊集成方法进行计算,进而得到各配送中心在准则指标下的集成综合评价值;其次,根据隶属度函数,将集成后的综合评价值拆分成3个分属性值,并将分属性值作为聚类过程的输入。然后,应用K-means方法计算多配送中心的聚类单元和确定初始聚类中心,并选取聚类单元均值作为新的聚类中心进行优化迭代计算,直到确定聚类中心位置,进而得到最终聚类结果。最后,应用TOPSIS方法计算各类中选址位置的评价值,排序选出配送中心选址位置。实例验证表明,所提方法得到的选址结果合理且优于其他选址方法,并可应用到多级物流配送网络的选址优化问题研究中。     

中小流域桥梁设计流量的H—C—N法

利用暴雨推求中小流域桥梁设计流量时,设计流量受到地理参数、暴雨参数等众多因素的影响,计算公式难以显式表达。本文采用H—C—N法计算中小流域桥梁设计流量：用层次分析法（Analytic Hierarchy Process）对影响流量的因素进行分析并筛选出主要因素;用模糊聚类法（Fuzzy Clustering）从已知水文站数据集中选取合理的训练样本;运用神经网络方法（Neutral Network）建立中小流域桥梁设计流量的隐函数关系式,从而计算出中小流域桥梁的设计流量．用VB．NET编写程序实现H—C—N法,计算了十座中小流域桥梁的设计流量。结果表明,与广东省法和四院法相比,H—C—N法精度较高,是一种较为科学和实用的算法。     

基于谱聚类的城市轨道站点分类方法

为明确城市轨道站点的功能与定位,以对站点的设计与建设提供指导,建立了基于谱聚类算法的城市轨道站点分类方法。在确立影响轨道站点属性因素参数的基础上,应用西安地铁2号线现状及规划特征年的数据分别对快速聚类法及非规格化谱聚类算法、SM 算法、NJW 算法等谱聚类算法的站点分类效果进行评述。结果显示谱聚类算法中的 NJW 算法,能够抓住站点的特征进行分类,且能准确反映随着轨道线网和城市发展,站点特性的变化。      

掘金2000亿,充电桩行业前景无限?

<正>到2020年,新能源汽车充电配套设施投资规模达2000亿元,充电桩行业看似前景无限,然而在目前新能源汽车还没有大规模普及的情况下,涉足该行业的企业必然要承担一定的风险。虽然充电桩的业务前景十分可观,但想从此分一杯羹的企业仍然需谨慎。"     

基于小波变换的城市道路交通事件检测

利用出租车浮动车数据对城市道路行程车速的表达能力,针对出租车空车和重车2种数据运用小波变换技术分析了城市道路交通状态突变点,据此进行了城市道路交通事件的检测。区别于以往小波变换技术,首先运用于数据降噪,再将处理数据运用交通事件检测算法判断,直接采用小波变换技术实现了对城市道路间断流的交通事件的检测。并利用实际采集数据对提出的交通事件检测算法进行了验证,结果表明算法能够对交通事件进行更综合的检测,检测准确度得到了提高,能够为城市交通信息发布和交通诱导提供更加可靠的信息。     

基于GPS数据的出租车出行需求预测研究

近年来“网约车”数量越来越多，“网约车”等待时间长与载客热区需求大等问题也逐步显现，乘车体验亟需改善。在成都市出租车GPS数据的基础上，研究出租车出行分布规律，划分工作日为早、晚、夜高峰相关时段，引入k-距离曲线改进DBSCAN空间聚类算法，对出租车上下客点进行聚类分析，并用数据挖掘得出载客热区。采用BP神经网络预测载客热区的出行需求，预测结果表明，早高峰时段BP神经网络模型的MAPE分别较随机森林模型、岭回归模型提高了3.25%和5.87%，晚高峰时段提高了2.98%和4.32%、夜高峰时段提高了1.44%和2.58%，验证了BP神经网络在出租车需求预测方面的可行性。      

基于MILP的飞机滑行排序的优化

提出了飞机滑行排序的优化问题,目的是最大限度减少滑行时间,提高机场运行效率.根据飞机在机场地面的运动规律,基于确定的滑行路径,考虑滑行路线冲突,建立了该问题的混合整数规划模型.讨论了该复杂优化问题的分解方法,给出了上海浦东机场地面网络的算例,验证了所做工作的实用性.     

出租车轨迹数据在综合交通调查中的应用方法

出租车轨迹数据是综合交通调查中重要的信息化数据来源,能应用在包括出租车调查、车速调查等多项交通调查工作中。本文系统梳理了出租车轨迹数据在综合交通调查中的应用场景、应用要求,设计了出租车轨迹数据的分析框架和处理流程,重点介绍了“相邻定位点最短路径匹配”的地图匹配计算方法。以某市为例,介绍了出租车轨迹数据在该市综合交通调查中的应用和现状特征结论,相关分析起到了完成交通调查、支持交通规划任务的效果。     

基于SOC自适应分阶的动力锂电池两步优化快速充电策略

快速高效的充电方式对于推动汽车电动化,加快以石油为主导的传统交通能源向绿色低碳能源转型,实现中国"双碳战略"的目标具有重要意义。针对充电时间和充电损失的平衡优化问题,提出了一种基于SOC自适应分阶的两步优化多阶恒流充电策略。为实现充电过程的优化分阶,利用改进的二分K-means算法对基于内阻曲线的采样点集进行聚类,实现了充电区间关于内阻变化和分布特征的自适应划分。基于分阶优化结果,采用改进的非支配排序哈里斯鹰优化算法(INSHHO)求解优化电流对应帕累托前沿。利用Logistic混沌初始化及自适应t分布突变算子对哈里斯鹰模型(HHO)进行改进,进一步提升算法的全局寻优能力。最后通过充电对比试验,将优化多阶恒流充电策略与恒流恒压策略(CC-CV)和均分多阶恒流充电策略在不同充电时间条件下进行充电性能对比。结果表明:在充电时间保持一致的条件下,提出的优化多阶恒流充电策略较恒流恒压策略和均分多阶恒流充电策略的充电欧姆损失最大分别减少1.03%和0.3%;在温升表现上,优化多阶恒流充电策略较均分多阶恒流充电策略的充电温升最多降低了0.82℃。     

改进的YOLOv3算法在道路环境目标检测中的应用

近年来,社会经济持续高速的发展,人均汽车占有量迅速增加。为了避免车辆追尾等事故发生,结合道路环境下目标检测的难点及要求,文章选择基于卷积神经网络的YOLOv3算法,并针对YOLOv3中使用的k-means聚类算法初始时随机选择质心这一不稳定性以及原本的darknet53网络层数较低导致精度不是很高的问题,引用k-means++聚类算法对k-means聚类算法进行优化,并将darknet53替换成特征提取能力更强的resnet101,进行算法优化。实验结果显示优化后的算法mAP提高了12.2%,基本符合实际应用检测的精度要求。