共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
文章在《高速公路超限运输网络管理系统》中车牌与称重数据的匹配算法基础上,阐述了算法的理论基础,给出了基于C++语言的主要实现代码,为解决高速车辆检测系统中不同检测设备的数据匹配问题提供了一种可行的方法和思路。 相似文献
3.
《青海交通科技》2019,(5)
为探究车辆行程时间可靠性的变化,本文在不考虑天气因素的条件下,分析随着路段交通量和大型车比例的变化,小型车行程时间可靠性变化特征。首先对高速公路收费数据进行预处理,OD对重构获得各路段交通量,采用非参数KS检验法,判断不同交通量、大型车比例下小型车行程时间是否满足对数正态分布。以标准差、缓冲指数、拥挤频率作为路段可靠性评价指标,分析路段可靠性变化特征。本文以甘肃省高速公路收费数据作为基础数据验证分析,研究结果表明:(1)不同交通量、大型车比例下小型车行程时间满足对数正态分布;(2)总交通量大于1100pcu时,路段交通流稳定性明显降低,大型车数量大于等于210pcu同时小于270pcu时,拥挤频率最高,在0.35~0.55之间波动,可靠性最低;当大型车数量大于290pcu时,小型车平均行程时间可靠性上升。研究成果对研究大型车对智能交通的研究提供基础,为高速公路交通管控提供理论支持。 相似文献
4.
5.
6.
《综合运输》2019,(9)
为解决基于手机信令数据识别大规模用户交通方式问题,多维度分析出行方式特征,提出结合主动学习和Tri-training的半监督支持向量机算法。以手机信令出行链为基础,将出行特征划分为距离、时间、速度、出行者属性等四类,并进一步研究多维度特征及其计算方法 ,基于有向无环图设计一种结合主动学习与基于Tri-training的半监督多分类支持向量机。运用HY市手机信令数据构建样本集并训练该分类器,与多种监督学习分类算法进行比较。结果表明主动学习构造的富含信息的已标记样本集可以减少半监督学习的迭代次数,Tri-training半监督支持向量机可以通过大量未标记样本提升分类器准确率,结合主动学习与Tri-training半监督支持向量机算法可以有效地识别手机信令数据出行链的交通方式。 相似文献
7.
8.
9.
《综合运输》2019,(3)
高速铁路旅客出行具有明显的时段特征,确定列车始发时间域时应充分考虑旅客出行的时段偏好。本文将一日时长按照固定间隔划分为若干时间区段,通过大量问卷调查,获取不同旅行时长旅客对到发时段的偏好及方便度系数。以高速铁路车站一日内始发旅客列车作为研究对象,考虑不同运行时长的列车始发时刻和终到时刻对于旅客出行的影响,以各列车"始发-终到"旅客方便程度最大为优化目标,建立旅客列车始发时间域分布的优化模型,并设计了求解该问题的模拟退火算法。以北京西站一日内始发高速铁路旅客列车作为研究目标,利用该模型对其始发时间域进行优化,结果表明,该方法得出的列车始发时间域能够较好地匹配列车"始发-终到"旅客的出行时段特征。 相似文献