基于语义的可定制数据切分和动态加载方法

文章提供一种基于语义的可定制数据切分和动态加载方法，它能够对源数据库建立基于语义的元数据描述，根据不同用户的数据需求，依据数据的语义相关性，转化并归纳为通用的策略模版，基于策略进行数据的切割和数据的级联抽取。之后，采用容错式动态加载方法。这在一定程度上实现了异构数据库之间的批量数据迁移。     

Travel analytics: Understanding how destination choice and business clusters are connected based on social media data

Understanding how destination choice and business clusters are connected is of great importance for designing sustainable cities, fostering flourishing business clusters, and building livable communities. As sharing locations and activities on social media platforms becomes increasingly popular, such data can reveal destination choice and activity space which can shed light on human-environment relationships. To this end, this research models the relationship between characteristics of business clusters and check-in activities from Los Angeles County, California. Business clusters are analyzed via two lenses: the supply side (employment data by industry) and the demand side (on-line check-in data). Spatial and statistical analyses are performed to understand how land use and transportation network features affect the popularity of the identified clusters and their relationships. Our results suggest that a cluster with more employment opportunities and more types of employment is associated with more check-ins. A business cluster that has access to parks or recreational services is also more popular. A business cluster with a longer road network and better connectivity of roads is associated with more check-ins. The visualization of the common visitors between clusters reveals that there are a few clusters with outstanding strong ties, while most have modest ties with each other. Our findings have implications on the influence of urban design on the popularity of business clusters.     

基于大数据的大学校园停车系统规划 ——以大连理工大学凌水主校区为例

为解决大学校园停车系统混乱以及用于相关规划的基础数据样本量小、精度不高、时效性 差等问题，应用大学校园停车调查数据、各出入口车辆记录数据以及各院系教职工信息数据进行多源大数据分析，提出了一种基于大数据的大学校园停车系统规划方法。以大连理工大学凌水主 校区收集到的数据为例，首先从静态角度利用各出入口车辆记录数据和校园停车调查数据获取校园整体停车需求，进而利用各院系教职工信息数据分析各部门的停车需求。然后，从动态角度考虑停车位的周转问题，利用各出入口车辆记录数据分析校园出入车辆停车时段分布状况。最后，根据多源大数据分析所得校园停车系统现状，得出相应的校园停车系统规划结果。研究结果表 明：基于大数据的大学校园停车系统规划方法可有效解决传统方法中基础数据样本量小、精度不高、时效性差等问题，提高了规划结果的实用性和科学性。     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发，提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想，以真实数据构造10万条随机路径验证该方法的可行性，并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照，利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量，结合基础属性建立二项Logit模型，从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类，其结果对关键路段识别模型的性能有提升效用；行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性，虽然其个数与路段关键性无明显关系，但其与常见波动程度指标相关性小，可保留用于描述行程时间波动常发性和聚集性.     

Modeling time-of-day car use behavior: A Bayesian network approach

In this research, a Bayesian network (BN) approach is proposed to model the car use behavior of drivers by time of day and to analyze its relationship with driver and car characteristics. The proposed BN model can be categorized as a tree-augmented naive (TAN) Bayesian network. A latent class variable is included in this model to describe the unobserved heterogeneity of drivers. Both the structure and the parameters are learned from the dataset, which is extracted from GPS data collected in Toyota City, Japan. Based on inferences and evidence sensitivity analysis using the estimated TAN model, the effects of each single observed characteristic on car use measures are tested and found to be significant. The features of each category of the latent class are also analyzed. By testing the effect of each car use measure on every other measure, it is found that the correlations between car use measures are significant and should be considered in modeling car use behavior.     

基于多源数据的公交车能耗碳排放测算模型

公交车能耗碳排放强度与车辆、线路和驾驶员有显著相关关系，为精准刻画其能耗碳排放强度特征，整合OBD监测数据、加油(气)数据、运营排班数据等多源数据资源. OBD监测数据和加油(气)数据呈显著的线性关系，证明修正后的OBD监测数据可满足分析要求. 搭建“速度-能耗碳排放强度曲线”测算模型，幂函数关系的拟合优度R2 =0.972 6 为最高. 实证研究发现，平均速度在10~60 km/h 变化时，液化天然气(LNG)车比柴油车能耗碳排放强度高 3.3%~33.7%，双层车比铰接车高2.4%~13.3%；LNG铰接车在不同线路、相同速度下的强度相差9.6%；不同驾驶员在相同线路的能耗碳排放强度可相差24.2%. 模型为各城市基于多源数据开展公交能耗碳排放目标设定提供数据支撑.     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足，本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法，实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理，以此为属性数据，通过迭代计算轮廓系数确定k 值完成轨迹点聚类，结合二次处理方法对类簇进行拆分和融合以划分道路交通状态；在特征级建立多源数据融合方法，实现交通状态速度值计算；以归一化后的速度值为属性数据，通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明，本文方法能够实现道路交通状态精细划分，能有效地识别出道路局部位置的交通状态，进而可为城市道路交通管理提供决策支持.     

考虑游览船运营特征的航道通过能力评价方法

为构建客货船舶协同动态运行控制技术体系，以经典航道通过能力模型为基础，构建基于游览船运营特征(发船高峰性和航线集中度)的航道通过能力模型.根据黄浦江游览核心区船舶自动识别系统(AIS)数据，对所提出的航道通过能力模型进行实证分析.研究结果表明，本文航道通过能力模型能够较为准确地评价研究区域的实际航道通过能力.游览船发船高峰时期与现有航线规划条件下，黄浦江游览核心区航道通过能力(76艘/h)趋近饱和状态；当过境船到达超过69艘/h时，建议海事相关部门采取“错峰”航行等相关政策.