交通事件网络舆情分析方法

交通运输行业关系国计民生,感知民意是政府做好交通治理的必要条件.在互联网时代,通过网络获取并分析交通事件舆情具有样本丰富、信息客观、获取及时等特点.基于微博、微信、新闻客户端等电子信息来源,提取交通事件舆情特征,形成交通事件的网络舆情系统分析方法.包括:获取网络舆情数据并进行文本预处理,构造交通事件舆情主题分类模型,建立评价重要度计算方法,结合舆情生命周期分析舆情演变趋势,建立交通舆情情感库并结合机器学习分析情感状态演化,通过关键词可视化定位舆情事件要点,实现网络舆情信息与可视化分析技术的耦合.该方法文本分类评估结果F值高于80%,情感极性判断准确率高于通用SnowNLP.以上海地铁10号线追尾事件为例进行网络舆情演化特征分析发现:①交通舆情演化迅速,周期较短爆发集中;②情感整体倾向负面;③官方机构及时发声、对事故调查公开透明并采取有效措施是缓解舆情较好手段;④大众对"卡斯柯"和"轻度"这2个词的关注贯穿事件始终.      

基于文本挖掘的内河船舶碰撞事故致因因素分析与风险预测

作为一种典型的高风险海事事故,内河船舶碰撞事故致因因素众多.为了明确内河船舶碰撞事故致因因素,分析内河船舶碰撞风险,选取2013年至2017年长江内河航道419起船舶碰撞事故报告作为文本挖掘语料,将语料库中的人为因素、船舶因素、自然环境因素以及管理因素作为目标数据,利用R语言和文本挖掘方法,获得包含特征值和特征值权重属性的高维稀疏的原始特征向量空间集合,对tf-idf公式进行平滑改进,解决了文本识别过程中无法识别统计较为生僻的专业名词的问题,提升了文本挖掘方法在交通运输领域的适应性.使用统计对其进行降维,获得最终33个维度的文本特征项,确定了船舶碰撞风险致因因素.通过实验验证了文本挖掘得出的船舶碰撞致因因素置信率达到了81%.以碰撞过程中的4个步骤为主线,构建基于"人-船-环境-管理"系统的船舶碰撞风险贝叶斯网络结构,计算贝叶斯网络结构中各节点的条件概率表,进行船舶碰撞风险建模.结合贝叶斯网络实现内河船舶碰撞事故的风险预测,并通过反向推理确定了人为因素是船舶碰撞事故致因中的首要因素.      

城市居民OD调查数据编码方法研究

从编码步骤、编码效率、编码工作量以及数据的可持续利用性的角度出发,分析了传统编码方法的主要不足,在此基础上提出了基于自动化的"权重配比编码"方法.实践证明,该技术具有良好的应用前景,值得深入研究和推广.     

基于BERT-Bi-LSTM-CRF模型的自主式交通系统参与主体识别方法

自主式交通系统(ATS)的重要组成部分是参与主体，参与主体的信息通常依靠文本进行描述。为构建自主式交通知识图谱，需要从文本中准确地识别出大量参与主体。为此，研究了基于BERT-Bi-LSTM-CRF模型的实体识别方法，对自主式交通系统参与主体进行抽取。词嵌入模型BERT为预训练语言模型，用以捕获丰富的语义特征，将捕获的语义特征输入到双向长短时记忆神经网络(Bi-LSTM)模型中提取上下文双向序列信息，经条件随机场(CRF)处理得到最优序列预测结果。收集交通专业相关的原始语料，经过数据预处理与文本标注，形成了可用于自主式交通系统参与主体识别的语料库，基于此数据开展实体识别对比实验。结果证明:BERT模型显著提升了自主式交通系统参与主体识别任务的性能。相较于传统方法CNN-LSTM或Bi-LSTM等，所提方法可以得到最佳综合识别效果，各实体的综合F1值为86.81%，表明通过BERT模型提取参与主体的语义特征，可以增强识别方法的泛化能力。“使用者”“运营者”“提供者”“规划者”“维护者”类实体的F1值分别为90.35%，92.31%，90.48%，93.33%，95.00%。验证了所提方法识别自主式交通系统参与主体的有效性。      

基于多源文本挖掘的城市交通舆情分析——以苏州为例

通过多媒体收集的各类交通信息构成了丰富的交通舆情,充分挖掘舆情中所蕴含的信息对宏观掌控交通问题的发展变化、制定全面的交通解决方案具有重大意义.基于网络论坛、热线电话及交通广播听众路况播报的文本数据,采用多种文本挖掘方法研究交通舆情价值.文本数据预处理后,利用SVM模型进行交通舆情主题自动分类,并通过对应分析探究不同数据源的舆情特点及其差异,基于Apriori算法利用关联规则分析关键词隐含的交通现象,另外,使用共现网络分析方法深入挖掘舆情所反映的交通问题及其随时间的变化.通过对姑苏区投诉数据和苏州交通广播微信路况数据的实证研究发现:姑苏区交通基础设施相关的投诉最多;通过不同渠道反映的舆情内容有明显差异;道路改造后,实施新的交通管理方案时会引发较多的争议和抱怨.此外,通过文本挖掘还发现了苏州市早高峰由西向东方向拥堵严重,晚高峰时各方向均较为拥堵的规律.      

基于模糊折衷决策的多材料车身选材方法

针对车身零部件设计对材料的不同要求,提出了基于模糊折衷决策的多材料车身选材方法。首先,通过综合考虑零部件的多种性能,采用问卷调查和专家打分法对定性的零部件性能指标和顾客需求进行量化,建立模糊折衷决策原始矩阵。接着采用"质量屋"方法确定材料属性权重,结合材料属性权重和原始矩阵构建加权规范化决策矩阵,通过计算海明距离和相对贴近度,获得各零部件的材料排序方案。最后将该方法应用于某型车的实例中,并通过仿真分析验证了该方法的可行性。     

基于IGWO-BP算法的轨道交通短时客流预测

轨道交通短时客流具有随机性和非线性的特点.为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP).计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输入和输出方式;用余弦思想和动态权重策略对原始灰狼优化算法改进,提高算法的全局搜索能力...     

考虑土地利用的单交叉口信号配时方法

既往的单点信号配时很少考虑交叉口周围土地开发因素的量化影响,为此提出一种考虑土地利用的单交叉口信号配时方法.首先,收集交叉口信息、土地利用信息、交通量信息等信号配时基础信息;其次,量化土地利用的强度和混合度因素,提出交叉口各地块的土地利用强度、混合度修正系数,并提出土地利用强度与混合度的融合修正系数,同时采用遗传算法进行土地利用融合修正系数的优化;然后,利用量化的土地利用融合修正系数,修正原始交通量,获取考虑土地利用因素后的修正交通量;最后,基于修正交通量,利用Webster方法计算得到信号配时.以徐州市丰县某一交叉口为例,分析了交叉口土地利用状况,基于不同时段的交通量数据,计算得到优化的配时参数,并仿真验证了所提方法的有效性.      

网联环境下考虑非优先车辆延误的公交优先信号控制方法

网联环境具有数据采集和交互方面的优势，能更精确地评估交通需求，更科学地实施交通管控措施。根据公交车与非优先车辆权重及延误分布差异，研究了考虑非优先车辆延误的公交优先单点信号控制方法。利用交叉口车辆轨迹数据计算轨迹样本到达率参数，根据车辆到达交叉口的分布特征构建各相位的车辆到达率概率函数，并采用极大似然估计预测到达率，基于交通流冲击波模型分别计算出各相位的排队波、驶离波和消散波波速。公交车数量少权重较高且网联化程度高，利用基于冲击波的时距图推导延误表达式；而非优先车辆数量多单车权重低且网联化程度低，利用基于到达率的定数理论推导延误表达式。按乘员数对公交车延误值和非优先车辆延误值进行加权，以加权延误最小为目标函数建立了混合整数线性规划模型，解得相位时长整数解，并反馈到信号机系统实现公交优先自适应信号控制。以武汉市车城北路与东风大道交叉口为对象，采集不同时段交叉口流量数据，利用SUMO软件开展仿真实验，结果表明:相比优化前，低、中、高流量情况下公交车单车平均延误时间分别减少25.63%、25.25%、18.32%；同等条件下平均每周期非优先车辆延误时间分别减少8.80%、4.68%、1.99%；同等条件下平均每周期加权延误时间分别减少20.98%、9.39%、12.70%。证明所提方法能较好地适配交通需求，且流量较低时效果最好。      

基于熵权-云模型的三峡坝区过闸船舶拥堵程度综合评价

科学、合理地建立三峡坝区过闸船舶拥堵程度综合评价体系,才能有效、定量地评价三峡坝区过闸船舶拥堵程度.采用改进的熵权法来确定三峡坝区船舶拥堵评价指标权重,这一方法主要包含专家主观权重计算和实际船舶过闸统计数据客观权重计算,避免了单纯人为确定权重的主观性和统计数据不足造成的局限性.通过计算,主客观权重比例分配为0.624∶0.376.考虑到评价指标确定性和不确定性信息并存的特点,改进传统的云模型,将传统物元模型中的特征值参数用正态云代替,计算待评物元与标准云模型之间的云关联度,通过计算得到的评价指标权重和云关联度,得到待评价物元的等级隶属度.运用这一模型,对三峡坝区2015年船舶过闸拥堵程度进行综合评价,其等级隶属度为[0.126,0.221,0.172,0.325,0.156],拥堵程度等级为4级,与实际情况相符合.      

基于PMI与BTM的船舶事故原因文本挖掘

为了实现从海量的船舶事故调查报告中自动提取出水上交通安全知识,提出了从词语和主题2个层面对船舶事故调查报告进行语义挖掘的方法,并以100份船舶自沉事故调查报告为语料进行具体挖掘.在词语层面,使用PMI算法从事故原因文本中挖掘频繁共现的词语模式,通过文本特征词的共现揭示事故致因要素间的关联.在主题层面,使用BTM算法对事...     

民航安全信息中实现关键词提取的方法

对于民航安全信息,关键词有着体现文本概要的功能,在信息提取与调用等方面对民航安全工作者有所帮助.在研究当前关键词提取技术后,结合民航领域词特征,提出了一种以朴素贝叶斯模型为基础的关键词提取模型.模型中所选取的特征项为词语的词长、词性、以及包含词语位置与段落跨度的词频与逆向文档频率乘积(TF-IDF)值,特征项代表了每个候选词的基本属性.利用该模型对已人工标注好关键词的民航安全信息进行训练以获取各个特征项的概率,利用特征项概率计算每个备选词的关键词评分,将评分前3位的词汇输出为关键词.实验表明,针对民航安全信息的关键词提取,所提方法与传统的TF-IDF算法、KEA算法相比,准确率分别提高了18%和11.9%,民航词汇识别率分别提高了15.3%和12.3%.结果证明,与传统算法相比,所提方法能大幅提升关键词提取的准确率与民航词汇识别的能力.      

基于文本挖掘的地铁施工安全风险事故致险因素分析

地铁工程项目是典型的高风险大型复杂项目,施工安全风险事故多发且引发因素众多。为明确施工过程中存在的致险因素,为安全风险事故的预控提供依据,选取2002—2015年国内151例地铁施工安全风险事故报告,借助R语言和文本挖掘的方法,分别对事故报告进行分词处理、特征项选择、向量空间模型构建、共现规律识别,并利用词云和网络结构图等方法可视化文本挖掘结果;从中发现地铁施工安全风险事故的6项关键致险因素和23项一般致险因素,并以关键致险因素为基础构建致险因素集合,为地铁施工安全风险事故的预控提供参考。     

基于规则的海事自由文本信息抽取方法研究

海事数据的结构化处理是海事安全研究的一个重要步骤.目前,网络上存在着大量的海事相关信息,但多为不同格式的非结构化文档数据,可以采用一种基于规则的海事信息抽取方法,将海事自由文本转化为结构化的数据.通过网络爬虫从海事相关网页中得到待抽取文本数据,根据得到的文本信息定义抽取任务为时间、地点、船名和事故类型4个数据项,再根据抽取任务本身及其常见触发词构建自定义海事词库,用于自由文本的分词和词性标注;通过对大量事故语料的分析总结,编制抽取规则进行海事信息的抽取,形成结构化的海事数据.以长江海事局网站的事故详情为数据源,采用基于规则的抽取方法进行实验.实验结果表明,时间信息抽取的准确率为100%,召回率为91%;地点信息抽取的准确率为94.52%,召回率为69%;船名信息抽取的准确率为97.75%,召回率为86%;事故类型信息抽取的准确率为96.67%,召回率为87%.      

中文网页的自动分类

提出了一种中文网页自动分类的方法，主要包括中文网页的自动抓取、中文分词、特征选取、贝叶斯机器学习与分类等功能模块。该系统可以很好地实现一个中文网页的自动分类，且系统中的分类器具有较高的分类质量。     

公路隧道火灾初期视频火焰检测

为了有效探测公路隧道火灾初期火焰并预警,针对传统的感温型火灾火焰探测器在公路隧道等大空间环境存在反应速度慢等问题,通过研究失控火焰在图像中呈现的静态和动态特征,提出一种基于火焰图像多特征和AdaBoost算法的公路隧道火灾初期火焰识别方法。利用帧间差分算法提取运动前景,根据火焰在RGB和Lab空间的颜色统计模型分割疑似火焰区域,用从疑似区域中提取的H分量一阶矩、圆形度和LBP一阶矩特征值构成特征向量,作为AdaBoost静态特征模型的输入向量,用在一个检测周期提取的疑似区域质心跳动频率归一化特征值和AdaBoost静态特征模型识别结果中火焰帧数占周期总帧数的比值构成特征向量,作为AdaBoost综合特征模型的输入向量,并优化选取AdaBoost模型的参数。采用公路隧道火焰视频和公用视频对训练得到的AdaBoost静态特征分类器和AdaBoost综合特征分类器进行试验测试。结果表明：该方法能够实现公路隧道环境火灾初期的火焰识别,并能有效排除伪火焰车灯等干扰引起的误报警。     

基于驾驶人满意度的机场陆侧交通标志设计方案评价指标权重研究

机场陆侧交通标志对驾驶人及时、准确地寻找目的地至关重要，交通标志设计应充分考虑驾驶人对标志信息的满意度。为此，针对北京大兴国际机场陆侧交通标志，采用均匀设计法提出8组交通标志设计方案，基于叙述性偏好（SP）实验设计调查问卷，在线发放并回收了357份有效问卷，从中获取驾驶人对各组设计方案的满意程度。采用多元多项式回归分析方法，分析陆侧标志文字高度、文字间距、出口方向信息位置、地点信息底色这4种信息要素对于信息满意度的影响，进而采用主观评测法得到各信息要素的权重。采用专家打分法构造判断矩阵，进而运用层次分析法确定各信息要素的权重。将主观测评方法和层次分析法得到的权重结果进行验证比较。结果表明:随着文字高度增加、文字间距变大，地点信息底色与出口方向信息底色对比越明显，驾驶人对于标志的满意度也随之增加；同时，出口方向信息位于左侧时，驾驶人对于标志的满意度更高；基于层次分析法和主观测评法得到的各信息要素权重排序一致，均为:地点信息底色 > 文字高度 > 出口方向信息位置 > 文字间距。该结果可以为机场陆侧交通标志设计提供可靠参考。      

基于差异性区域预测的行人与骑车人联合检测

本文中针对自动驾驶车辆在环境感知过程中易将行人与骑车人混淆的问题,提出一种有效区分行人与骑车人的联合检测方法,并基于快速区域卷积神经网络Faster R-CNN进行改进.首先,通过增加一个子网络提取图像形状特征通道,将其与主干网络生成的特征图进行聚合,额外的形状语义通道用以辅助检测器区分行人与骑车人的特征;接着,通过构...     

基于固定场景视频的运动车辆检测

为提高智能交通系统中运动车辆检测的效率,在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法.通过提取交通监控图像的扩展类Haar特征,在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器,利用级联分类器进行固定场景视频的运动车辆检测.测试结果表明,该方法具有良好的实时性和鲁棒性,在智能交通领域有广泛的应用前景.