数据驱动跟驰模型综述

车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型，是交通流理论 的基础。近年来，信息感知与获取、大数据、人工智能等技术快速发展，推动了数据驱动跟驰模型 的快速发展。数据驱动跟驰模型，是以真实的车辆行驶数据为基础，利用数据科学与机器学习等 理论和方法，通过样本数据的训练、学习、迭代、进化，挖掘车辆跟驰行为的内在规律。本文系统 回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究 热潮，归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱 动的跟驰模型3类数据驱动跟驰模型，并分别介绍了其中的典型代表。分析数据源发现，尽管各 种高精度轨迹数据不断涌现，目前研究仍多使用美国于2006年发布的Next Generation Simulation (NGSIM)高精度车辆轨迹数据，模型的可移植性和泛化能力值得思考与研究。提出关于模型输 入、输出的3个问题：如何考虑更多驾驶行为变量，是否有必要考虑更多行为变量，现有输入、输出 是否可替换。在模型测试与验证方面，发现并讨论了目前测试不充分、对比不完整、缺少统一测 试集与测试标准等问题。最后，探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期 望通过本文的梳理，帮助研究者更好地了解数据驱动跟驰模型的过去与现状，促进相关研究的快 速发展。     

铁路软件可靠性增长模型应用研究

分析G-O、Delayed S-shaped、Ohba-Chou及P-N-Z等4个软件可靠性增长模型的特点及适用场景,研究软件失效数据集的可靠性增长趋势分析方法和评价指标,提出一种可靠性增长模型参数计算的优化算法,在理论研究的基础上设计并实现了一款软件可靠性增长模型分析工具(SRGM Tool)。以铁路联锁软件记录的失效数据集为例,研究铁路软件可靠性增长模型应用方法,借助SRGM Tool,运用4种模型对铁路联锁软件进行可靠性评估,根据实验结果,分析并确定了一种适合该软件的可靠性增长模型,验证了方法的有效性,可为铁路软件可靠性分析和故障预测提供参考。     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题，提出一种基于图卷积网络和多头自注意力机制的自注意 力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的 STGCN (Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用 LSTM(Long Short-Term Memory)网络学习数据中时序规律，通过注意力网络计算道路自注意力及一阶临近道路注意力系 数，用图卷积网络对图信号重组，达到对缺失数据的精确修复。同时，采用多头自注意力网络计 算数据的注意力权值并对数据重组，捕获交通流数据中的二阶及高阶临近道路空间关联性，提取 已知数据与缺失数据的时间关系，以残差链的形式加入到模型中，作为对STGCN功能的补充。 基于真实数据的实验表明，在多种缺失模式和缺失率下，该模型能够学习路网拓扑关系，捕获数 据中的时间规律性和时空关联性，有效地修复缺失数据。     

物联网船舶异常数据自动识别系统

物联网技术促进了船舶监控系统的数据采集、分析和处理效果,提高了船舶监控系统的性能。在船舶监控系统中,受传感器设备、船舶自身突发状况和外界突发响应等影响,系统的信号网络中往往存在某些异常数据,这些数据对于后续信号分析、处理等流程来说有不利的影响。本文针对这一问题,结合物联网技术设计了船舶监控系统异常数据识别的网关,并详细介绍了一种OCSVM异常数据识别的方法,在实际应用时取得了良好的效果。     

SVR辅助SINS-DVL的水下机器人组合导航方法

多普勒计程仪(DVL)在水下导航系统应用越来越广泛。当海底环境发生变化时,DVL会发生数据刷新频率不稳定,数据无效等情况。为了提高导航的可靠性,本文提出了一种变训练集的SVR回归方法,对DVL的数据进行预测。根据水下机器人的速度变化率和加速度变化率调节训练集大小。把捷联惯导(SINS)的东向和北向速度作为输入,DVL东向和北向速度作为输出对模型进行训练。根据SINS的数据输出频率,选取合适的预测数据输出频率进行仿真。仿真发现算法有效地提高了SINS/DVL组合导航的精度,并在DVL数据无效时,有效地抑制误差,提高导航系统的稳定性。     

舰船移动网络大数据切片流概率稳定调控研究

现有的舰船移动网络大数据切片流概率稳定调控方法,存在着调控跨度较大的缺陷,为此提出舰船移动网络大数据切片流概率稳定调控方法。采用GCC编译舰船移动网络大数据中间表示,以此为基础,经过迭代计算完成网络大数据的切片,并得到大数据切片流概率,以切片流概率为依据,构建贝叶斯网络-概率模型,稳定调控大数据切片流概率,实现了舰船移动网络大数据切片流概率的稳定调控。实验结果表明,与现有的舰船移动网络大数据切片流概率稳定调控方法相比,提出的舰船移动网络大数据切片流概率稳定调控方法极大地降低了调控跨度,充分说明提出的舰船移动网络大数据切片流概率稳定调控方法具备更好的调控效果。     

盾构管片模具三维激光扫描检测关键技术

目前盾构管片模具主要采用传统的人工和激光跟踪测量技术进行检测,存在检测点位少,精度低等缺点,不能很好地指导管片模具的修复工作,直接影响到管片尺寸的生产精度,易造成盾构隧道管片破损、开裂及渗漏水等现象,为后期的运营埋下了安全隐患。宁波市轨道交通利用三维激光扫描技术对管片模具进行检测,通过理论分析、现场试验及数据分析,确定了点云数据的拼接方式、扫描分辨率、基准模型及模型对齐的方式,成功克服了现有的管片模具检测中存在的测量点位少、精度低等缺点,实现了对管片模具的全方位检测,大大提高了管片模具的检测精度。同时在参考现有规范及经验的基础上,制定出了盾构管片模具三维激光扫描检测标准,很好地指导了管片模具的修复工作,提高了盾构管片尺寸的生产精度,确保盾构隧道的施工质量。     

基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究

为提高我国城市对外交通中客运多方式协同运行效率，优化客运资源配置，依托人口迁徙大数据，建立量化分析城市对外交通客运方式优势出行距离的方法. 提出用绝对优势出行距离和相对优势出行距离来表征优势出行距离，分别构建城市对外客运方式的绝对优势出行距离模型和相对优势出行距离模型；利用人口迁徙大数据，绘制基于出行距离的客运方式分担率曲线，对优势出行距离模型进行求解. 结果表明，我国城市对外交通中公路、铁路、航空客运方式的绝对优势出行距离分别为[8, 119] km、[119, 1 594] km和[1 594, 3 000] km，相对优势距离分别为[8, 463] km、[318, 983] km和[2 477, 3 000] km.     

城市轨道交通综合监控系统大规模全景数据并发控制及存储技术

介绍了城市轨道交通综合监控系统在全自动运行模式下面临的大规模数据并发控制与存储问题。提出了采用按域划分的分布式模式、多路并发访问的键值型实时数据库、时序型历史数据库等大规模全景数据并发控制及存储技术,以解决综合监控系统面临的大规模实时数据处理和历史数据存储问题。模拟数据测试结果表明:采用大规模全景数据并发控制及存储技术的轨道交通系统监控系统能够满足全自动运行模式下对实时数据处理与历史数据存储的性能要求。