Exploiting floating car data for time-dependent Origin–Destination matrices estimation

The study evaluates the added value generated by estimating dynamic demand matrices by information gathered from Floating Car Data (FCD).

Firstly, adopting a large dataset of FCD collected in Rome, Italy, during May 2010, all the monitored trips on a specific district of the city (Eur district) have been collected and analysed in terms of (i) spatial and temporal distribution; (ii) actual route choices and travel times. The data analysis showed that demand data from FCD are usually not suitable to retrieve directly demand matrices, due to a strong dependence of this information from the penetration rate of the monitoring device. Instead, origin–destination travel times and route choice probabilities from FCD are a much more reliable and powerful information with respect to FCD origin–destination flows, since they represent the traffic conditions and behaviors that vehicles experiment along the path.

Thus, several synthetic experiments have been conducted adopting both travel times and route choice probabilities as additional information, with respect to standard link measurements, in the dynamic demand estimation problem. Results demonstrated the strength and robustness associated to these network based data, while link measurements alone are not able to define the real traffic pattern. Adopting both the information of origin–destination travel times and route choice probabilities during the demand estimation process, the spatial and temporal reliability of the estimated demand matrices consistently increases.     

基于多尺度方法的道路隧道温度场特征研究

隧道火灾往往会造成严重后果。为实现快速准确的火灾报警,以大连路隧道、青浦隧道、白茫雪山隧道正常运营及火灾试验工况下采集的大量正常运营工况温度数据和火灾工况温度数据为对象,使用多尺度分析方法,研究道路隧道火灾工况和正常运营工况不同尺寸下的温度场特征。结合隧道光纤光栅温度系统采集的数据,对隧道火源及其邻域的温度、温度梯度和温度二阶导数进行大量统计描述分析; 同时对火灾时隧道内温度场的波动特征进行论述。通过分析,得出隧道火灾时的温度场具有强烈波动特征,建议使用单位时间内温度的标准差、离散系数来表征隧道温度的波动程度;使用单位时间内温度一阶导数的标准差、离散系数（均值大于0.1）来表征温升的波动程度,并给出常规工况下单位内时间温度标准差的建议取值。最后,通过识别火源点及其邻域的温度波动特征可判断火灾是否发生。     

船舶营运大数据挖掘与应用思考

船舶营运大数据来源于航运信息平台和营运船舶监测,通过对这些海量数据的分析与挖掘,能发现很多有价值的信息与规律,可应用于多载况下船舶功率与航速评估、船舶能效设计指数(EEDI)实船验证方法的完善、MRV机制实施的技术支持;风浪对航速的影响研究;节能技术的节能效果评价;船舶进坞清污最佳时机分析;船舶设备运行的精细化管理等,对于促进造船和航运业的技术进步具有重要的意义。     

基于GPRS网络的船舶数据传输装置设计

针对在航船舶上相关数据采集和传输不便的问题,利用无线GPRS网络模块SIM900A、嵌入式控制器等,构建了一种便捷、稳定、低成本的数据传输链路。采用STM32控制器STM32F107控制数据的采集存储,并利用SIM900A远程通信模块,通过无线GPRS网络和域名服务软件与数据中心服务器连通,在异地获取在航船舶上发送的数据,实现航行数据的远距离传输。     

海面分布式传感器多信息融合技术

在海上军事指挥系统及其目标识别中,基于分布式的多传感器信息融合技术一直是海上作战体系中的重要研究课题。由于受海面环境噪声等因素影响,单个传感器对目标物数据的采集往往精度比较低甚至会出现误差。本文重点研究信息融合技术中的数据关联算法,提出一种联合概率数据关联算法,较好的克服了在海面噪声干扰及多径信道干扰条件下的多目标定位跟踪的精度。最后对算法进行实验仿真,通过分析得出此算法的有效性。     

一种嵌入式航海数据采集系统方案设计

本文首先研究了基于无线传感器组网的数据采集系统以及其中的技术逻辑,分析了航海雷达数据的特性。针对雷达数据的高频采样率,本文设计一种新的多通道组网方式来处理航海雷达回波的数据采集方案,并给出雷达数据的采集汇聚算法,该算法对舰队组网中的节点进行规划,通过相邻节点组成簇,来提高数据采集的实时性。最后基于此系统所采用的多通道组网方式以及汇聚算法设计了基于DSP的嵌入式仿真系统,验证了该多通道组网方式以及汇聚算法的有效性。     

基于ARMA的桥梁监测信息预测技术研究

为解决桥梁结构健康监测中长期累积的海量监测数据处理问题,采用数据挖掘中的时间序列分析方法,利用自回归移动平均(ARMA)技术对桥梁历史静态监测量进行分析,直接得出关于其过去行为的有关结论,进而推断其未来发展趋势。与基于因果关系的结构式模型预测法不同,ARMA无需明确模型结构或边界条件,而是直接从统计学的角度预测变量未来发展情况。采用该技术对西安白蛇峪大桥应变监测数据进行分析,试验结果显示出较高的预测精度;采用该技术对重庆偏岩子大桥的应变、挠度、裂缝、倾斜监测量进行预测,试验统计结果表明,ARMA单步预测误差小于10%的置信度在97%以上,在工程实际中具有可实用性,可为桥梁结构的安全预警提供重要参考依据。     

基于Monte Carlo法的深基坑支护结构可靠度研究

对某隧道基坑工程的施工监测数据进行了分析,得出了基坑开挖施工过程中,桩-内撑支护结构中桩体的水平位移随开挖深度的变化规律。提出了该种结构可靠度指标并编制了基于Monte Carlo法的深基坑支护结构桩体水平位移可靠度分析程序。对实例工程的四个施工工况分别进行了计算,结果表明:可靠度分析计算结果与实例监测结果一致,符合性好。     

����ʵ�����ݵ��ն������н�ͨ�����Է���

研究机场终端区空中交通流时空特性,为揭示交通流内在相互影响及拥堵机理,优化终端区管控策略提供科学依据。本文根据实测的空管雷达信息,首先确定目标航段上空中交通流参数的时序分布;然后从交通流参数关系基本图出发,结合终端区空中交通运行方式与管制规则的分析,将空中交通流状态划分为自由流、弱管制干预流和强管制干预流三个阶段;最后,在状态划分的基础上,采用线性回归分析建立空中交通流的速度—密度模型、流率—密度模型和流率—速度模型,并以F和T检验对回归模型及回归系数的显著性进行检验。研究结果表明,本文建立的交通流模型能够较好地反映空中交通流特性,且对终端区空中交通时空态势的评估具有应用价值。     

基于云计算的智能物联网数据中心研究

为保证新一代数据中心的监控需求,并满足数字化高校的建设需要,本文提出了一种基于云计算的智能物联网数据中心管理方案。基于现有数据中心监控模式及功能,利用Zig Bee物联网技术对数据中心实施物联网管理,减少了数据中心监控硬件和软件冗余,保障了数据中心的可伸缩性。同时本文还设计了物联网数据中心的云计算架构,为智能物联网数据中心的数据挖掘和辅助决策等相关应用提供了海量数据的存储、管理与计算环境。本方案的提出,为数据中心的智能管理提出了一种新型解决方案。