Forecasting current and next trip purpose with social media data and Google Places

Trip purpose is crucial to travel behavior modeling and travel demand estimation for transportation planning and investment decisions. However, the spatial-temporal complexity of human activities makes the prediction of trip purpose a challenging problem. This research, an extension of work by Ermagun et al. (2017) and Meng et al. (2017), addresses the problem of predicting both current and next trip purposes with both Google Places and social media data. First, this paper implements a new approach to match points of interest (POIs) from the Google Places API with historical Twitter data. Therefore, the popularity of each POI can be obtained. Additionally, a Bayesian neural network (BNN) is employed to model the trip dependence on each individual’s daily trip chain and infer the trip purpose. Compared with traditional models, it is found that Google Places and Twitter information can greatly improve the overall accuracy of prediction for certain activities, including “EatOut”, “Personal”, “Recreation” and “Shopping”, but not for “Education” and “Transportation”. In addition, trip duration is found to be an important factor in inferring activity/trip purposes. Further, to address the computational challenge in the BNN, an elastic net is implemented for feature selection before the classification task. Our research can lead to three types of possible applications: activity-based travel demand modeling, survey labeling assistance, and online recommendations.     

基于北斗／GPS/BGAN卫星技术的应急指挥监控系统

分析了基于全球卫星定位系统（GPS）／通用无线分组业务（GPRS）传统车辆监控方式,在传统车辆监控模式的基础上,设计集成了北斗卫星链路和宽频全球区域网络系统（BGAN）卫星链路,解决了传统车辆监控中存在的问题,实现对车辆目标无盲区动态监控和视频采集,并成功应用于新疆公众卫星导航监控系统。     

事故多发点鉴别及其成因分析

对比分析了事故多发点鉴别及其成因方法,归纳总结了各种方法的优缺点及适用条件。提出了基于BP神经网络的高速公路事故多发点鉴别方法,并应用实际高速公路交通事故数据,标定了网络的权值矩阵和偏置向量,该方法能有效解决矩阵法中人为确定边界的不足。针对事故多发点的突出事故诱导因素问题,提出了基于动态模糊聚类的多发点成因分析方法,该方法能将众多的事故诱导因素聚类为从主要原因到隐患原因等4个类别,进而得出较客观的成因分类结果。     

改进的BP神经网络在港口物流量预测中的应用

针对传统BP神经网络模型收敛速度慢的缺陷,对其进行改进,以提高收敛速度。经运用厦门港物流出口量的历史数据进行检验分析,给出BP神经网络仿真计算方法,其仿真结果与实际结果比较,具有较高的可信度。证明了改进后的模型加快了收敛速度,提高预测结果的准确性。     

时变负载对带通滤波器传输特性的影响

对最小失配网络的优化设计进行了研究,通过ADS软件对5阶Butterworth,Chebyshev,Elliptic带通滤波器的原型和优化网络分别进行仿真,观察负载变化对三种滤波器端口S参数的影响,并分析三种滤波器各自的特点.仿真表明优化后的三种滤波器随负载变化的灵敏度都小于原型滤波器,证明了文中对最小失配网络的优化方法是可行的.     

城市轨道交通需求预测方法比较

针对常用的"四阶段"法在轨道交通需求预测中存在的不足,提出轨道交通客流分配应将全人口全方式出行量在综合交通网络中进行分配的观点,并应用赋权有向图相关理论构造"综合交通网络",提出轨道交通需求预测的"三阶段"方法。     

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.     

公路网抗灾应急救援系统的规划建设

近年来自然灾害的频频发生使相关地区的公路网遭受了不同程度的破坏,公路网抗灾应急救援系统的规划建设成为区域抗灾的紧迫任务.回顾了道路交通应急救援的研究现状;从组织体系、工作机制及救援机构的选址3方面探讨了公路网抗灾应急救援系统的规划内容;以杭州市公路网为例,对其公路网抗灾应急救援系统进行规划,实践验证了研究成果的可行性.     

物流网络优化中路径问题的研究

在深入分析物流系统化和网络化的基础上,对物流网络优化中物流路径问题进行研究,通过分析物流结构模型和数学模型,提出了最短路径和关键路径物流策略的分析方法,给出了具体的计算方法,并举实例加以说明,为解决现代物流结构中存在的系统设计和运作等问题提供了理论依据和技术方法。     

地源热能在太佳高速公路服务站区的应用

开发利用自然界几乎取之不尽的可再生能源,大力倡导常规化学能源的节约使用,遏制大气环境污染已成为当今世界科技发展的潮流之一。研究利用地热能源于高速公路服务站区的供热和空调即是实现这一目标的尝试和成功实践。