内河交通物联网安全分析及应对策略

为适应内河交通信息化的发展,提出了内河交通物联网的概念.在分析内河交通物联网概念、体系结构的基础上,研究其信息安全问题.对内河交通物联网的感知层、网络层、数据处理层、应用层和展现层进行全面分析,研究各层存在的安全隐患及面临的安全挑战,并提出相应的安全技术策略,以促进内河交通安全、快速发展.      

交通信息服务的可信性内涵与评价方法研究

文中对交通信息服务的可信性问题进行了研究与分析.针对交通信息服务缺乏可信性内涵分析与验证方法的问题,提出1种服务的可信性质计算方法.采用本体理论构建存在于人与服务之间信任关系的语义知识,并基于模糊矩阵将多层次用户主观评价转化为对一维可信值的规约计算.应用该方法对停车诱导服务进行可信性评价,采用“认可”“中立”和“否定”3个评价指标对测试人员的主观信任度进行量化,可得出该服务综合可信度为0.619.实例表明该方法能够为交通信息服务的可信性进行量化表示及评价,这将为构建优质的交通信息服务,营造“以人为本”的可信赖服务环境提供重要决策依据.      

面向城市交通网络的 K 最短路径集合算法

在城市交通网络中,为了优化交通流,需要搜索到符合出行需求 K 最短路径,并 将 OD（Origin-Destination）交通流合理分配到这些路径上.本文主要对搜索符合出行需 求的 K 最短路径搜索算法进行了研究,解决了已有算法仅能搜索出单条满足最短及 K 最 短条件路径的问题.根据 Wardrop 第二原则及路段阻抗函数理论,分析了路径集合搜索方 法对优化城市交通流的必要性,并定义了城市交通网络中 K 最短路径集合的概念及选择 条件,提出了一种面向城市交通网络的具有多项式时间复杂度的 K 最短路径集合搜索算 法.仿真结果表明,本文所提算法可以搜索出满足出行需求的所有 K 最短路径集合,在该 路径集合上进行交通流分配的效果明显优于传统方法.     

高速公路应急救援能力评价体系

高速公路应急救援能力是影响高速公路行车安全和高速公路服务水平的重要因素之一。以高速公路应急救援能力评价系统建设为目标,根据评价指标选取的原则,确定了21个评价指标,构建了高速公路应急救援能力评价指标体系。邀请10位专家,运用层次分析法,构造了评价指标重要程度的判断矩阵,对判断矩阵进行了一致性检验,计算并确定了各个评价指标的权重。运用模糊综合评价的建模方法,构建了高速公路应急救援能力评价的计算模型,确定了综合隶属度和综合评分的计算方法。以我国某段高速公路为例,对其应急救援能力进行了评价,并对评价结果进行分析。结果证实了文中所建立的评价指标体系及其权值的有效性。这一指标体系及其权值客观反映了该高速公路的实际救援能力水平,为应急救援能力的提升起到了促进作用,操作性强。      

基于深度CNN-LSTM-ResNet组合模型的出租车需求预测

利用海量的离线GPS数据进行出租车需求预测是智能城市与智能交通系统的重要组成部分.本文提出了一种基于深度学习的出租车需求预测方法(CNN-LSTM-ResNet),将出租车GPS数据和天气数据等转化为栅格数据,输入模型获得预测结果.该模型先使用卷积神经网络(CNN)提取城市范围交通流量的空间特征,然后引入残差单元加深网络层数,并利用长短期记忆网络(LSTM)提取GPS数据的临近性、周期性和趋势性,最后通过权重融合以上3个分量,并与外部因素(天气、节假日和空气质量指数)进一步融合,从而预测城市特定区域的出租车需求.采用西安市出租车GPS数据进行实验验证,结果表明,该模型与传统预测模型(如ARIMA,CNN,LSTM)相比具有更高的预测精度.     

高斯过程回归短时交通流预测方法

已有的短时交通流预测方法均属于确定性预测,无法对预测的不确定性进行定量分析.针对上述问题,提出了一种基于高斯过程回归的短时交通流预测方法.通过该方法在对短时交通流进行预测的同时还可以得到预测的方差估计值,并依此可以确定预测值的95%置信区间.在仿真实例中,在相同条件下对所提方法与支持向量机预测方法进行比较.仿真结果表明,高斯过程回归短时交通流预测方法不仅与支持向量机预测方法具有相近的预测精度,其中均方根误差为12.09,绝对值误差为118.42,相对误差为17.32%,而且能够获得预测结果的方差估计值,从而有效实现短时交通流概率意义上的预测.