共查询到17条相似文献,搜索用时 671 毫秒
1.
2.
3.
4.
5.
为有效利用盾构法施工过程中产生和积累的大量掘进历史数据、挖掘知识和信息,以优化掘进参数、控制地表沉降,采集某地铁相邻两区间的地面沉降数据及掘进参数,基于数据挖掘技术,通过对比优缺点,综合等宽离散和k-means聚类2种方法将数据离散化,并采用Aprioir算法进行关联规则挖掘。通过分析关联规则得到以下结论: 出土率、注浆填充率和俯仰角对沉降值影响较大,掘进速度和刀盘转矩对沉降值也有一定影响。根据数据离散区间和关联规则,给出穿越土层为圆砾和卵石时的注浆填充率建议值为185%~190%,注浆压力建议区间为0.16~0.22 MPa,同时建议俯仰角纠偏幅度宜平均每3环小于±0.2°。 相似文献
6.
从数据驱动模型入手,在系统性地梳理了路政行业数据资源情况与应用情况的基础上,首次采用聚类分析方法,对上海公路长期积累的PCI、RQI数据进行挖掘示例,发现了考虑管养条件影响的路面性能变化的主要模式,可对管养水平进行定量评价,揭示了聚类方法在此类数据挖掘中的适用性,实现对数据深度挖掘并进行深层次应用的目的。 相似文献
7.
8.
深入解析公交信息对居民公交出行意愿的影响机理,是合理规划城市公交出行信息环境的理论基础,对于城市交通管理以及交通拥堵的缓解有着重要的意义。基于计划行为理论在行为态度、主观规范、知觉行为控制3个基本变量的基础上加入公交信息、出行经验、个人属性等变量,对计划行为理论加以改进,利用改进的计划行为理论建立公交信息条件下的公交出行意愿模型。以南京市居民为调查研究对象,运用结构方程模型对调查数据进行验证分析,确定了各变量的相互作用关系以及它们对公交出行意愿的影响效应。结果表明公交信息对公交出行态度、主观规范、知觉行为控制等变量有直接显著影响,且为正向关系,影响系数分别为0.533、0.451和0.576;公交信息会对公交出行意愿产生间接影响,影响总效应为0.92,说明高质量的公交信息可以提升公交吸引力,增强居民的公交出行意愿。 相似文献
9.
合理设置城乡公交为城乡居民出行提供优质的公交服务,是打破城乡二元分割的重要手段之一。分析城乡居民出行特征和城乡公交服务特性,从公交乘客及公交企业2个角度,构建表征城乡公交线路物理、运营和公交客流特性的诊断指标体系。以安宁市15条城乡公交线路为例,对选取样本的8类指标数据进行主成分分析,经定量分析各成分贡献率后,确定出3个主成分(贡献率累计为92%)。将主成分作为城乡公交线路层次聚类分析的变量,作出线路的聚类关系图,构建判别函数定量诊断四类线路。结合实际验证了指标体系的合理性及诊断方法的有效性。提供了1种较准确高效的城乡公交线路诊断方法,并为城乡公交线路的优化与运营调整提供决策依据。 相似文献
10.
11.
文章介绍了数据挖掘技术概念和相关内容,并利用数据挖掘技术中常用的聚类分析,结合硬聚类和模糊聚类的方法,描述了如何通过数据挖掘方法对收费系统中的大量数据进行规律分析和模型预测,文章给出了详细的计算步骤和框图。 相似文献
12.
13.
近年来,社会经济持续高速的发展,人均汽车占有量迅速增加。为了避免车辆追尾等事故发生,结合道路环境下目标检测的难点及要求,文章选择基于卷积神经网络的YOLOv3算法,并针对YOLOv3中使用的k-means聚类算法初始时随机选择质心这一不稳定性以及原本的darknet53网络层数较低导致精度不是很高的问题,引用k-means++聚类算法对k-means聚类算法进行优化,并将darknet53替换成特征提取能力更强的resnet101,进行算法优化。实验结果显示优化后的算法mAP提高了12.2%,基本符合实际应用检测的精度要求。 相似文献
14.
为研究航空旅客出行方式选择行为,在航空港集疏运系统需求描述的基础上,介绍并运用巢式Logit模型原理,以广州白云国际机场为实例,建立适用于白云机场集疏运系统的方式选择模型(NL模型),分析确定各相关影响因素项的影响机理,运用最大似然估计法对虚拟选择枝的共性和相异部分的参数进行修正和标定,从而获取各种集疏运方式的选择概率.结合调查选取的20份样本数据,运用模型编程计算得出私人小汽车、出租车、机场巴士、城际巴士和城市轨道共5种集疏运方式的方式选择概率分布结果,结果显示私人小汽车和出租车二者占比大于45%,机场巴士和城际巴士占比约40%,城市轨道仅占比15%.因此,为大力发展城市的公共交通,需要对白云机场提出具有参考性集疏运系统改进方案,为今后航空港集疏运系统的发展和航空旅客交通方式选择行为研究提供一定的借鉴. 相似文献
15.
16.
交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法:首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明:所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。 相似文献