基于短文本匹配的ATS典型场景用户需求分析方法

随着交通系统自组织运行与自主化服务能力的快速发展,自主式交通系统（Autonomous Transportation Systems, ATS）成为智能交通系统未来的重要发展方向,构建ATS体系架构是规划与建设新一代智能交通系统的基础。面向典型交通场景,首先要分析交通系统的用户需求,本文重点解决基于ATS需求体系的典型交通场景用户需求分析问题,具体研究场景关键词与需求文本库的匹配方法。针对ATS的场景需求分析问题,首先提出基于分层的场景描述方法,对不同抽象层次的交通场景进行分层分解,并根据活动理论解析各抽象层次场景的属性要素。其次,根据属性要素特点提出基于短文本匹配的双层匹配模型,在双层模型中应用了TF-IDF和LSI两种相似度匹配算法。最后,在一体化出行服务典型场景中进行方法应用与对比,判断匹配模型和算法的实际效果。结果表明,采用TF-IDF和LSI算法协同作用的双层匹配模型取得了较好的匹配效果,匹配度指标达85%,并进一步通过灵敏度分析验证了双层匹配方法的适用性。     

基于聚类分析的铁路出行旅客类别划分

对铁路出行旅客进行类别划分,是简化旅客乘车选择问题研究的重要策略.根 据成都-武汉段既有线与新线的旅客调查数据,以旅客的各类主体、出行特性作为属性 变量,运用分层聚类法中的凝聚法进行变量聚类,将具有较大相关性的变量--时间价 值与月收入、出行目的与费用来源合并.然后根据简化的旅客属性变量指标集,运用近邻 传播算法对旅客进行样本聚类,并引用CH、Hart 及IGP 等聚类有效性指标确定最佳聚类 数.指标值表明,将铁路出行旅客划分为6 个类别时,具有最好的聚类效果.调查数据中旅 客乘车选择结果亦显示,不同类别的旅客对客运产品的选择有着明显的偏好.     

高等级公路交通信息化与智能化发展规划研究

公路管理部门积极推进交通信息化工作,建立了一系列应用系统如公路地理信息系统、交通监控系统、联网收费系统等。但是,现有系统存在功能不完善、兼客性差等问题．结合国内公路管理部门职能和实际情况,以及国内外智能交通系统的发展趋势,将高等级公路交通信息化与智能化体系划分为公路管理、交通管理、收费管理、信息共享与信息服务共四个服务领域,论述了高等级公路交通信息化与智能化规划方案的总体框架和系统功能,并对系统的实施原则厦项目建设时序进行了阐述．     

物联网交通领域应用标准体系研究

物联网交通领域应用标准体系涵盖交通运输多个应用领域,传统的标准体系结构框架难以 清晰、合理地表达标准间的层次关系。在参照现有标准体系的基础上,首次提出了一种基于二维 结构的物联网交通领域应用标准体系架构。首先,在明确标准体系定位及与其他标准体系关系的 基础上,对物联网交通应用技术特点进行了分析,确定了满足物联网应用需求的标准体系的层次 分类内容;其次,提出了二维的标准体系结构框架,即横轴以应用领域分类,纵轴对应作用功能 分类,形成包括术语、数据元、标识、采集、传输、管理、信息安全等层次的标准体系框架,从 而解决了传统标准体系框架中的多应用领域共性标准较多时造成的领域之间标准交叉、重叠时难 以清晰合理表达的问题;最后,给出了标准体系表示例。     

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k 值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.     

基于模糊C均值聚类的城市道路交通状态判别

根据城市道路交通流特性,针对同一交通状态下交通流参数分散在一个二维区域的现象,将交通流划分为4个状态,讨论了不同状态之间的转变情况;针对城市道路交通状态存在模糊性的特点,以流量、速度、占有率作为样本数据的特征属性,提出了基于模糊C均值聚类(FCM)的交通状态实时判别方法,该方法首先采用模糊聚类技术对历史数据进行分类,得到不同交通状态的聚类中心,然后对新观测到的交通数据所属类别进行实时判别以确定交通状态。以赣州市文明大道为实例进行分析,其结果与实测交通运行状况结果一致,验证了方法的有效性。     

����ģʽ�ij��н�ͨ״̬�����������о�

首先选用较多的交通参数,设计提出了基于聚类方法的细粒度交通模式划分算法,将交通模式划分为较多的类别。结合实际数据,进行了实验,在四个路段参数的基础上,划分得到了十类交通模式。这其中都用到了模糊集合划分和定性推理。使用状态核确定一系列模式,随后系统状态被划分成若干个模式。提出了模式转移方程来描述在定性推理基础之上的状态转移,并从模式转移的角度进一步研究了系统的稳定性。一个城市交通系统的应用实例显示了本文提出方法的有效性,可以看出细粒度交通模式划分要比粗粒度有更多的优势,同时得出了聚类算法在细粒度交通模式划分中的劣势。     

智能交通系统数据的管理技术与策略

智能交通系统的飞速发展为交通管理领域提供了丰富、连续的ITS数据，但大部分交通管理中心仍缺乏针对ITS数据的系统化管理体制和方法，所存储ITS数据的利用效率极低，造成了数据资源的巨大浪费。为了对数据资源进行管理整合以满足用户不断涌现的ITS数据需求，本文提出并描述了以下六大类数据管理技术，包括（1）ITS数据质量控制技术：提供高质量的准确的ITS数据；（2）ITS数据集成技术：根据用户需求、应用类型和数据特征提供最佳的数据集成度；（3）ITS数据抽样技术：从多个数据样本中提取出最具代表性的样本数据实现数据的有效存储；（4）ITS数据压缩技术：在失真度有限的前提下以较高的压缩比压缩历史ITS数据来便利传输和存储；（5）分布式动态ITS数据系统：针对来自不同探测器的分布式ITS数据进行动态分析、显示和处理；（6）ITS数据再获得技术：建立ITS数据库与用户问的接口以改善终端用户的数据检索和获取。所开发的ITS数据管理技术与数据处理流程相结合，基于数据的采集、传输、处理加工、存储和发布的各个环节构造出一整套对ITS数据实施有效管理的完善策略，能够加强数据资源的共享和交换，促进各个交通子系统的有效运作，提高交通运输系统的整体效率。     

BIM模型数据标准在道路工程中的研究与应用

BIM模型数据标准在道路工程中的应用被日益重视。首先,研究现有BIM标准体系框架和建设理念,分析国内外标准体系的发展规律,总结标准体系建设方法;其次,提出道路工程信息分类编码的原则和方法,分析建设工程国际标准推荐的分类框架,结合现有分类编码标准和道路工程特点,对道路工程进行基于OmniClass的分类编码,形成道路工程构件、道路工程属性、道路工程病害、按形式分道路单项工程和按功能分道路单项工程五个分类编码表;最后,结合工程案例,阐述了分类编码体系的应用方法和应用价值。     

城市快速路交通拥堵持续时间分布特性研究

依托上海市南北高架西侧的交通流数据,引入生存分析方法,建立基于风险的交通拥堵持续时间模型。其根据大量交通拥堵样本的时间属性,采用Kaplan-M eyer非参数回归模型定量估计拥堵持续时间,并按星期数、高峰时段、数据年限、样本位置和天气划分五类影响因素,从生存函数和危险函数两个方面,分析拥堵持续时间的时空分布特性。结果表明上海市南北高架西侧的交通拥堵持续时间70％能在1小时内消散,在不同类别的影响因素下分布特性存在明显差异。     

基于公交IC卡数据的乘客出行分类研究

为得到体现公交乘客出行时空规律的数据,采用基于出行链方法推导出公共汽车乘客的下车站点;建立了描述单个乘客多天出行的完整数据框架;根据乘客参加不同活动所产生的出行时空特征定义了3类出行:通勤类出行、普通类出行和随机类出行,将出行频次与出发时间的标准差作为分类标准对公交乘客出行进行分类。研究表明:39.1%的乘客具有普通类或通勤类出行,生成总客流的76.4%;60.9%的乘客只具有随机类出行,生成总客流的23.6%。通过对乘客出行的分类研究可以更好地掌握乘客公交出行的规律和需求。     

基于顺风车数据和聚类方法的都市圈 区域划分与层级结构研究

都市圈已经逐渐成为国家新型城镇化发展的主体形态之一,在区域经济一体化建设中起 着十分重要的作用。本文基于顺风车数据,使用聚类分析方法,围绕北京都市圈区域划分与层级 结构展开相关研究。首先,通过网格模型将研究区域网格化处理并作为基本处理单元,匹配获取 的顺风车数据与POI数据到网格中,利用基于网格的改进K-means++聚类算法,并结合使用手肘 法与轮廓系数法确定最佳聚类数量,对北京都市圈主要功能区进行划分。通过分析不同功能区 域内的居民通勤出行特征,提出通勤强度、通勤时间、功能区独立性、功能区可达性等区域通勤特 征评价指标,结合上述指标使用层次聚类方法对北京都市圈层级结构划分展开进一步研究。研 究结果表明：本文采用的改进聚类方法能克服传统聚类算法随机选取聚类数目所带来的影响,有 效划分并得到19类北京都市圈主要功能区域,聚类效果更佳;聚类结果显示北京都市圈主要功能 区域与北京市现有行政区域划分存在差异性,在都市圈规划建设当中应当主动破除行政区域壁 垒,实施面向都市圈范围的整体规划;根据不同功能区域的居民通勤特征与地理区位特征,北京 都市圈还可进一步划分为核心层、近郊层、远郊层3个圈层;应当根据北京都市圈圈层特性与功能 区自身属性制定相应发展策略,通过规划建设市郊铁路或轨道交通改善不同圈层间的通勤现状, 提高北京都市圈整体通勤可达性。研究结果为制定相应规划与管理政策提供依据,有利于都市 圈功能与结构进一步完善,促进都市圈良性发展。     

基于系统聚类的市域轨道交通快慢车停站方案

市域轨道交通采用快慢车模式可以较好地满足其各类客流的复合需求,快慢车停站方案是快慢车模式的基础,其核心在于市域线路沿线车站的等级划分。以市域轨道交通的客流量为依据,应用系统聚类法进行车站等级划分,进而确定快慢车停站方案。以Z市轨道交通S线为例进行分析,应用系统聚类法对S线8个车站进行大小站划分,在聚类过程中采用平方欧式距离设定不同初始对象之间的距离,用最短距离法计算不同类别车站的聚合度,并依据聚类结果确定S线的快慢车停站方案,验证系统聚类法在市域轨道交通快慢车停站方案运用的有效性。     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。     

基于多因素数据融合的PC斜拉桥安全评估

以沈阳某斜拉桥为工程背景,借鉴现有的桥梁影响因素理论研究成果,采用数值模拟和数据融合相结合的方法,开展了多因素数据融合在斜拉桥安全评估中的应用研究.在研究现有桥梁安全评估方法的基础上,把神经网络和粗糙集理论结合起来应用于PC斜拉桥的安全评估.将桥梁承载能力等级按照满足目前使用要求的程度划分为五级,利用Kohonen神经网络对建立起的安全评估数据库进行聚类,从而给出了五类安全等级所对应的具体评定指标;将粗糙集和神经网络相集成的粗神经网络算法应用到该数据库的数据融合当中,利用粗糙集的属性约简功能减少神经网络的输入维数,对神经网络进行训练学习和预测;将训练好的神经网络应用到斜拉桥的安全评估中,直接输入该桥对应的6个具体属性指标值,得到该桥目前所处的安全状况,并给出了相应的管理建议.     

基于模糊聚类方法的ITS需求分析

ITS需求分析是ITS规划的基本步骤之一．文中将模糊聚类方法应用于ITS需求分析，并且利用VBA语言编制了相应的计算程序．根据北京奥运交通规划课题组的专家调查数据，对奥运ITS的部分需求进行了分析，采用三种方式得到的初步分析结果具有较高一致性，最终分析结果有效地反映了研究对象的特征及其相互关系，验证了模糊聚类方法在ITS需求分析方面的实用价值．     

上海世博交通信息服务系统框架

为保障上海世博交通正常运行,从不同区域和出行过程中不同地点两个方面分析了世博交通信息服务的需求特点。提出了世博交通信息服务系统框架,具体描述了信息服务集成应用平台和信息应用服务系统。阐述了出行综合信息服务系统、公共交通信息服务系统、道路交通联动诱导系统、公共停车信息服务系统、枢纽交通信息服务系统、客流预测预报服务系统、园区客流引导服务系统7个世博交通信息应用服务系统的功能。最后提出了系统建设的措施和建议。     

面向规划衔接的完整街道详细分类方法

从探讨城市片区街道系统规划—设计一体化路径的角度出发,研究城市完整街道的详细分类问题.在梳理总结国内外城市街道设计标准关于完整街道分类研究的基础上,反思完整街道大类划分的应用局限性并指出进一步研究方向.从街道使用者活动需求角度出发,梳理邻接用地、临街业态、街道功能之间的关联关系,并对照城市建设用地分类详细梳理与用地分类相契合的完整街道类型细分需求.建立完整街道的二维分级分类体系,提出与城市总体规划—控制性详细规划—城市设计体系相适应的完整街道规划设计传导技术框架和应用流程.最后,以西安昆明池片区开发为例,展示完整街道详细分类方法如何实现完整街道理念从规划到实施的衔接.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性.