大数据技术在道路建设规划中的应用实践

为弥补道路建设规划编制中的定量支撑体系不健全的问题,结合大数据大样本、长周期、高密度、宏微观精准分析能力的特点,提出了基于多源大数据的路网运行诊断技术,长周期数据支撑下的道路近期发展趋势预测,高密度数据渗流理论的关键路段甄别方法.以广州市道路交通建设规划为例,验证了大数据技术在建设规划中的适用性,促进了大数据技术在交通领域的应用.     

GIS技术在县域公路网规划中的应用

GIS技术在县域公路网中的应用将会使数据资料的获取和管理更加系统、高效、准确,从而带来数据搜集、管理方法的革命性变化,同时GIS特有的对空间数据的存储、管理和分析功能也将实现公路网规划过程的可视化操作,给县域公路网规划带来极大的方便和好处.文中介绍了GIS在交通方面的应用现状及建立基于GIS的县域公路网规划信息系统的必要性,提出了基于GIS的县域公路网规划信息系统功能分析的方法,并对基于GIS的实现系统进行了介绍.     

大数据驱动的新能源汽车多维度安全预警建模方法研究

新能源汽车安全已是一个非常严峻的现实问题,直接影响到产业的未来与发展。综合阐述了基于大数据驱动的安全预警技术建模的方法学问题。从多个层次、多个维度讨论了安全预警的技术方法,重点分析提出了基于系统稳定性、相关性、一致性等累计风险模型与事故特征匹配追踪两大类模型。介绍稳态概率计算方法、累计风险计算方法、风险曲线识别方法。介绍了基于中心距、能量一致性的累计风险模型与应用情况,最后介绍一类全新的模式匹配识别模型:事故特征匹配追踪模型。总结提出了从微观定义安全、宏观预警安全、智能完善安全、数据保障安全一个比较完整的安全预警体系与方法。     

保定市居民出行特征调查报告

居民出行特征调查是编制城市综合交通规划及各类相关规划的基础,为政府的交通政策制定提供依据.该文以大量、翔实的实地调查数据为基础,详细分析了保定市2008年的居民出行基本特征、出行方式特征及出行时间特征,为编制综合交通规划、制定交通政策做准备.     

面向城市群交通规划的道路碳排测算与分析方法

城市群正在成为我国现阶段城镇化发展的重要形态,《国家新型城镇化规划(2014—2020年)》提出要大力发展城市群,并以城市群为单位制定了短期和中长期规划方案。目前,城市群交通规划缺乏适用的道路网碳排测算与评价方法,即以道路网碳排测算与评价为目的,不同口径的基础数据缺乏一套合理的利用方法。基于燃油销售、车辆保有、交通规划模型及城镇人口4个不同口径的数据源,设计了以车辆行驶里程(VKT)为基础的碳排测算方法。对于现状年设计了基于燃油销售数据、基于车辆保有量及基于交通规划模型的4种VKT估算方法。对于未来年设计了基于交通规划模型和基于城镇人口的两种VKT预测方法,并基于VKT估算与预测结果设计了碳排测算方法。对估算方法和预测方法都进行了数据来源、优点、局限性和反映主体的对比。综合使用以上方法,建立了对交通规划参数敏感的面向城市群交通规划的碳排测算方法。并以成渝城市群交通规划为例,应用该方法进行了案例分析。案例分析结果证明:在现有数据条件下,综合运用本研究设计方法可以对面向城市群交通规划的道路碳排进行测算与定量分析,为交通决策提供支持。     

基于GIS的公交规划软件构架研究

从公交规划的基本功能和需求特征着手，从基于GIS的软件开发角度，探讨了公交规划软件的构架。之后对GIS数据形成公交网络、GIS为公交规划功能提供的接口，以及利用GIS实现有效的公交系统图形显示进行了描述。最后提出了基于GIS的公交规划软件的总体功能，给出了软件开发实例。     

基于在线支付数据的公交客流特征分析方法——以三明市清流县为例

随着IC卡、移动支付等的普及,公交付费方式发生了巨大变革,由此产生的海量数据为全面、准确的把握公交运行特征提供了便利。公交客流特征分析中最重要的步骤在于下车站点的估算,为此提出一种基于乘客上车站点概率分布的估算方法。基于上下车站点等属性,通过统计学方法,可以得到公交分担比例、时间分布、距离分布、线站分布、特定群体公交服务情况等特征,为公交系统规划奠定基础。     

基于视觉的非结构化道路识别综述

非结构化道路识别在无人驾驶中是一个具有挑战性的问题,涉及到道路本身类型不固定、形状不规则、表面不平整和边界模糊等复杂性。为了全面了解基于视觉的非结构化道路识别方法和研究现状,通过文献综述分析了3种主要的道路识别方法,分别是基于道路特征、基于道路模型和基于机器学习的方法。同时,整理了当前常用的非结构化道路开源数据集。结果表明基于道路特征和基于道路模型的方法计算复杂度高且识别精度较低,基于机器学习的方法能够显著提升识别精度,但也存在数据需求量大、训练时间长和可解释性差等问题。     

基于自适应神经模糊推理系统的平行泊车路径规划

针对常见的平行泊车场景,提出一种基于自适应神经模糊推理系统的平行泊车路径规划方法。以基于优化算法的泊车路径规划方法得出的泊车路径作为训练样本,利用Python脚本语言建立以自适应遗传算法和拟牛顿法为内核的自动化训练框架,使自动训练后的自适应神经模糊推理系统既可继承基于优化算法的泊车路径规划方法适用范围更广的优势,又有效解决该方法求解过程计算量大的问题。通过仿真分析验证所提出方法的可行性和有效性,结果表明:自动训练后的自适应神经模糊推理系统可依据汽车初始泊车位姿和泊车位信息快速规划出可行的平行泊车路径。     

基于适度递阶控制的物流系统规划研究

借鉴适度递阶控制的思想 ,提出了基于适度递阶控制的系统规划方法。认为物流系统规划由配送中心选址规划、配送网络规划、资源配置规划及投资评价所组成 ,分系统之间的信息传递、反馈和控制机制可以用递阶控制关系来描述。据此 ,提出了物流系统规划的总体框架和分系统设计方案     

基于特征分析的城市道路短时交通流量预处理

对城市道路交通流量数据进行了特征分析,规划了数据预处理过程中的3大内容:故障数据的识别与修补、数据消噪处理和数据平滑处理.最后基于实际采集数据,对信息预处理的各个步骤进行了数据分析和算法试验.实证结果表明,该预处理过程正确、合理,可以很好地保证输入数据质量.     

基于主成分分析法的城市轨道交通系统聚类分析

城市轨道交通系统科学分类是合理选择系统制式的基础,该文针对目前定性分类居多的现状,基于北京、上海、广州、深圳、南京、重庆、长沙等城市77条轨道交通线路的预测日均客流量、最高设计速度、线路规划长度、车站设置数量、平均车站间距、单节车厢载客量、车辆宽度7个方面的规划数据,将主成分提取的3个公因子解释为运输能力、最高速度、车辆型号3个主要因子,运用k-means聚类方法将城市轨道交通系统分为地铁、轻轨、市域快轨、市郊铁路、现代有轨电车和城市专用轨道系统6类制式,分类结果与线路实际的功能定位基本吻合.并从服务区域、运量、速度等方面例举了各类制式的技术特征,从定量分析角度验证了运量是城市轨道交通系统区别于其他公共交通方式的最显著的特征指标.     

DEA方法在公路网规划方案综合评价中的应用

以提高公路网规划方案综合评价的灵活性、针对性、客观性、可靠性为目的,以公路网方案的技术性能特征与其服务区域的社会经济的适应程度为标准,对公路网规划方案进行优劣判断,从公路网提供的设施条件、便利程度和规划区域对公路交通需求两方面建立公路网规划方案综合评价指标体系,并论述了DEA方法在公路网方案综合评价中的应用。根据实际数据,应用DEA法对吉林省各地区2002年现状公路网方案进行了评价。结果表明,该方法用于公路网规划方案综合评价是可行有效的,并且,与基于最优化原理的综合评价方法相比,其评价结果更加公正、客观、合理。     

实景三维技术在道路规划中的应用

随着实景三维技术不断推进发展，将基于倾斜摄影技术获得的实景三维数据集成在集景三维平台中，可实现道路快速三维建模，再通过叠加空间管控要素、现状限制因素等，实现了规划的三维可视化分析。以仙马湖组团路网优化研究为例，验证了基于实景三维路网优化方法的可行性，使规划路网与地形贴合更好，与现状控制因素协调更优，与河道水系亲水更佳，避免了城市建设大挖大填，取得了良好的生态效益和经济效益，践行了绿色生态发展理念。     

广域网络环境下交通数据管理方法研究

针对交通数据具有的分布、异构、自治、海量、动态和进化特征，提出了广域网络环境下，基于CORBA＋Agent的交通数据管理方法，把交通数据管理分为局部数据管理和系统级数据管理两个层次。局部数据管理解决数据的自治、海量、动态和进化问题，系统级数据管理解决广域网络环境下的分布和异构问题，从而实现交通数据的无缝连接、透明访问、数据集成和综合服务。实际系统的开发说明此方法可以用于实际交通系统的数据管理中。     

出行需求分析的新方法:活动模型的应用研究

结合我国交通规划实际情况,提出新型的基于活动的出行需求分析方法,通过大量的调查数据和严密的分析,研究了数据转换的过程及方法,用以分析活动与出行的关系,并以此作为活动模型与出行模型之间的桥梁。详细阐述了数据选择和整理方法、有效性检查规则;应用居民出行调查数据,分析活动及出行特征作为模拟的基础,并提出基于交叉分类的出行量预测方法;然后制定活动-出行行为的详细模拟流程,研究各特性变量的模拟方法;给出模型的验证及确认方法,并编写计算机程序实现模拟流程。该方法已应用于辽宁某市城市居民的活动与出行特征分析,验证结果显示该方法具有较强的实用性,为活动模型的研究提供了参考。     

大数据背景下的桥梁结构健康监测研究现状与展望

结构健康监测（SHM）技术在许多大型桥梁的运营养护管理中均有应用，但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁SHM数据的处理分析中，首先总结大数据的概念和构成要素；然后分析SHM数据的工业大数据属性，梳理桥梁SHM大数据的研究方向；随后综述包括处理技术和分析方法在内的大数据技术在桥梁SHM中的应用现状，在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出SHM大数据研究的需求和应用场景；最后对大数据技术在桥梁SHM中的前景与驱动力进行展望和讨论。结果表明：SHM大数据研究应以结构状态评估为落脚点；大数据处理技术在SHM的系统框架搭建及数据分析能力扩展方面虽已得到较多应用，但其并非SHM大数据研究的重点；SHM数据融合对大数据分析方法有迫切需求，以实现桥梁SHM数据与外观检测等多源异构数据的多层面融合；深度学习、集成学习为结构状态敏感特征的提取提供了新的算法；有监督、无监督机器学习方法结合海量SHM数据将对结构状态评估下的模式识别问题形成更全面的认知；异常识别、相关分析、迁移学习等方法可为实桥SHM损伤识别提供支撑。研究结果可为SHM领域的大数据研究提供参考。     

城市公交客车弯道行驶油耗优化方法

驾驶员不同的驾驶行为会导致公交客车行驶油耗的较大差异,这种差异在弯道、上下坡、红绿灯、公交站等特殊路段更为突出。为了探讨降低公交客车弯道行驶油耗的方法,根据车辆远程数据采集系统所采集的天津市滨海公交503路上6位驾驶员10多万公里的行车数据,提取了该线路28个弯道数据,建立了弯道几何描述模型。研究了弯道几何特征和驾驶员驾驶行为对过弯油耗的影响,提出基于动态规划的车辆过弯油耗优化方法,并通过仿真验证了该优化方法的效果。结果表明,对于所选择的两个典型弯道,通过驾驶行为优化,油耗可分别降低7.96%和27.51%。     

极限学习机在车身前纵梁装配中误差预测应用

在智能制造推动下,制造业对大数据的收集与特征分析愈加重视,数据分析技术更是大数据应用的关键技术,总结现有基于数据驱动的装配偏差控制方法,提出基于极限学习机建模的车身装配偏差预测控制方法,通过对检测数据的拟合建模,实现车身产品装配质量预测,并应用于制造生产线指导。文章应用极限学习机(Extreme Learning Machine,ELM)基于采集的车身前纵梁制造装配数据预测装配过程中的关键特征质量误差状态,从结果分析角度说明ELM准确预测误差状态。     

城市出行特征分析

城市居民出行特征及货物流动特征是与交通运输系统及其应用相关的,它对于研究规划过程中的技术分析和战略类型非常重要。文中根据近年来的调查数据,从出行目的、出行时间分配两方面分析了城市出行的变化特征,提出了出行链的概念,探讨了客运交通发展战略。