基于手机信令的城市群通道出行特征提取方法研究

探索城市群通道出行特征对于优化通道资源具有重要意义。为获取城际通道多方式、多时段、高样本量的出行特征数据,基于手机信令数据识别城市群通道出行的原理,研究了通道出行特征指标提取方法。以成渝城市群中重庆至合川通道为例,利用手机信令数据分析了通道出行特征和时空规律。结果表明:重庆至合川通道平均出行总量为3.9万人次,出行强度为1.19,通勤出行占比为7.2%,私家车出行占比为84%,出行时间主要集中在早高峰。研究为城市群运输通道系统优化、资源配置和产业布局规划的数据获取提供了一种新思路。     

基于手机定位数据的个体出行行为特征分析综述

个体出行行为特征分析一直以来是交通规划、交通设计等领域的重要基础,传统的人工调查由于受主观回忆较多、调查成本较高等因素的限制,数据结果的准确度往往较低,无法支撑精细化的规划设计任务。智能手机与无线通信网络的成熟发展带来了海量手机数据,这为探究个体出行活动规律提供了新的数据源。本文综述已有基于手机数据分析个体出行行为特征的研究,分析当前研究的不足与待研究的问题,提出可从完善已有个体出行信息采集内容、探索基于精细化数据的模型改进以及多源数据融合等方面进一步研究,以更全面、更准确的信息反应个体出行行为特征,为交通规划等领域的建设提供依据。     

基于车牌识别数据的车辆使用特征研究:以上海市快速路非沪车牌识别数据为例

随着智能交通技术的不断发展,交通信息采集系统日渐成熟,车牌自动识别系统,车牌识别数据包含了大量的牌照信息和出行时空信息。本文通过对上海市车牌识别数据,从时间维、空间维、车辆属性维、车辆使用特征维等多个维度对车牌识别数据进行挖掘,分析路网的交通构成,反映城市机动车的使用现状。该研究对于分析城市交通出行特征具有重要的参考价值,提供了新的分析技术手段,辅助决策者合理地制定交通政策,引导交通结构和交通方式的发展。     

基于手机信令数据的职住地识别方法

理解城市居民的日常活动模式对于优化城市空间组织形式、提高城市空间质量具有重要意义，基于手机信令数据的个体活动模式挖掘成为近年城市研究热点之一。然而，在利用手机信令数据识别职住地的过程中，通常通过设置停留时长参数提取用户的驻留点，存在较强的主观性。因此，研究提出以非参数概率密度估计为核心的驻留点提取思路，以提高职住地识别结果的准确性。为验证方法的有效性，以西安为例对手机用户的居住地和工作地进行识别。结果表明，该方法的准确性较高，能够为个体时空行为分析提供支持。     

基于SVM的隧道衬砌空洞填充物雷达图像识别研究北大核心CSCD

衬砌背后空洞及其填充物对隧道结构安全具有重要影响,开展空洞探测识别对于结构安全评估和病害处置具有重要意义。首先采用室内试验和FDTD正演模拟相结合的方法,获得了空洞内填充空气、水、干砂、湿砂条件下的雷达图谱数据,并对不同填充物波形规律进行对比分析;然后,基于支持向量机算法对波形特征进行提取和分类识别,建立了一种空洞填充物的人工智能辨识方法。研究结果表明,采用傅里叶变换前的平均值、方差、平均绝对离差和傅里叶变换后的最大幅度值max(fft(X))四个统计量作为支持向量机的识别特征,可以有效区分出衬砌背后填充物的六种类型;当采取单一倾向数据时,识别准确率较好,六种物质二分类问题准确率均可以达到90%以上。     

基于支持向量机的隧道衬砌空洞机器识别方法

探地雷达是检测隧道衬砌空洞最为有效的方法之一,但检测数据的解析始终是限制其广泛应用的关键。基于支持向量机的基本理论,文章建立了一套隧道衬砌空洞探地雷达图像的机器识别方法,该方法包括图像预处理、特征提取和支持向量机识别三个步骤。首先,探地雷达图像需经过零时修正、滤波、偏移、增益等预处理以提高信噪比;其次,对图像的时域信号进行分段,在分段信号上提取方差、标准绝对偏差和四阶矩三个统计量作为图像特征;最后,利用已知数据对支持向量机模型进行训练,并用数值模拟和模型试验数据对训练好的支持向量机模型进行测试。结果表明,该方法不仅能够准确识别隧道衬砌和围岩内的空洞,还可以对空洞埋深及横向分布范围做出较准确的判断。     

基于局部切空间排列和支持向量机的S700k转辙机齿轮组故障诊断模型

针对S700k转辙机齿轮组故障信号和故障征兆的非线性、多样性和复杂性等诊断问题,提出一种基于局部切空间排列和支持向量机的故障诊断模型。该模型首先通过局部切空间排列算法实现对振动信号的降维与消噪,然后利用EMD方法分解振动信号,计算各分量的能量熵作为故障特征向量,在保证故障特征整体几何结构信息不发生改变的前提下,降低了诊断数据的维数及噪音。最后利用多故障单值支持向量机对故障特征向量进行分类识别,增强了故障模式识别的分类性能。     

轨道站点共享单车和共享电单车接驳特征比较-石家庄的案例

近年来，中国城市中共享电单车出行在共享主动交通（Shared Active Transportation, SAT）出行中的比例迅速增加。在地铁站附近的共享电单车出行成为了轨道加慢行出行模式中的一种方式。但是，由于数据获取的限制和换乘出行识别的技术限制，现有研究对中国城市地铁站附近共享的电单车的出行特征的讨论尚不充分。本研究以共享电单车和共享单车出行特征比较为框架，对比了出行目的地可达性，时辰分布和出行产生率等指标。研究基于距离每个地铁站50米以内的订单信息展开，利用指标数值比较和双样本t检验，对距离、时间和范围的差异进行了描述性分析。时辰分布和出行产生率根据典型工作日分小时和位置汇总，并利用分层聚类方法对结果进行聚类。结果表明，共享电单车将地铁站的可达性从800米扩展到2000米。与共享单车不同，共享电单车可能会在沿轨道走廊方向和地铁具有客流竞争关系。共享电单车的出行目的也并不局限于通勤出行，不同地铁站的出行产生率有所差异。本研究提供了共享电单车的基本出行特征绩效指标，以及与共享单车出行特征差异比较结果。研究结果可对共享电单车和地铁的接驳提供政策建议，并可能对中国城市的公交导向（TO...     

出行方式选择:机器学习方法与多项Logit模型比较研究

在交通出行预测中,多项Logit模型（MNL）的应用十分广泛,但是同时也存在很大的缺陷。模型假定各选择枝不可观测的随机效用部分相互独立且服从二重指数分布,但是这在很多情况下都与实际不符。本文采用机器学习方法中的决策树（Decision Tree）和支持向量机（SVM）模型与多项Logit模型进行对比分析,找出对于居民出行方式选择预测最准确的模型。本文采用的数据来源于2016年12月安顺市的居民出行调查数据,通过三个模型对比可得,SVM模型的预测精度最高,其次是决策树模型,MNL模型的预测精度相对较低。     

城市地面交通方式单位能耗水平对比

为获得城市内不同交通方式的单位能耗水平,利用交通运输能耗统计监测平台抽样统计相关数据,设计算法分析单位生产任务能耗水平。在分析城市交通方式能耗统计障碍基础上,设计抽样方案、划分分类方法;设计数据分析算法分析已获数据,利用实验对统计数据进行修正,获得私家车、出租车、公交车等交通方式单位生产任务能耗水平。结果表明,由于道路客货运生产和管理现状,基于多源能耗影响因素的统计难以实现,导致生产能耗水平没有基准。依据行业分类方法,结合前期数据调研下的当量换算,可以确定可信度较高的单位生产能耗阈限,为行业发展提供依据。