长江危险品船舶交通事故应急资源优化配置研究

针对长江危险品船舶交通事故应急资源配置中存在的问题和自身特点,从应急系统中应急资源的投入产出的整体相对效率考虑,运用数据包络分析(DEA)对长江危险品交通事故应急资源配置效率进行评价,在此基础上,用神经网络对评价所得数据进行训练,并对生成方案的效果进行预测,从而获得全局最优的危险品交通事故应急资源优化配置方案,为目前长江危险品船舶交通事故应急资源的科学配置提供了重要的参考依据。     

基于出租车GPS数据的路段平均速度估计模型

为了解决现有基于GPS数据的路段平均速度估计模型应用条件苛刻、难以满足低成本和高精度信息需求问题,考虑不同类型GPS车辆运行特征,设计了两个基于出租车GPS数据估计路段平均速度的改进模型.基于两个改进模型,设计了路段平均速度的融合估计方法.用某城市局部路网的出租车GPS数据验证两个改进模型,并与传统模型进行了对比分析....     

多源交通信息条件下的出行行为选择研究

在考虑多源交通信息可能导致信息过剩,从而影响决策者出行选择的条件下,引入决策论的思想,通过对多源交通信息方式发布的特点分析,应用模糊物元理论,建立个体出行的行为选择模型,在熵值法确定客观权重的条件下,根据贴近度的大小对决策方案进行选择,克服出行者的主观经验判断。通过实例计算,证明了不确定型决策在多源交通信息影响下出行者路径选择方面的可用性,客观上能为其提供最优的出行路径。     

出行者信息服务系统中后台语音识别系统的研究

系统分析基于Microsoft Speech SDK的语音识别系统,首先给出语音识别系统的总体设计,其次对MicrosoftSpeech SDK的主要接口进行研究,在此基础上完成语音识别中XML语法文件的编制、Microsoft Speech SDK的语音识别算法的实现,然后得到信息服务发布系统中语音识别的工作流程及其结果,最后进行测试分析。试验表明,该系统具有一定的实用价值和研究价值。     

新农村建设视阈下红色旅游资源的保护与开发

我国广大农村有着丰富的红色旅游资源.在新农村建设中,红色旅游资源保护与开发的现状却令人堪忧.建议在新农村建设中,充分发挥政府的主导作用,在拆除农村老屋时应加大对红色旅游资源的保护力度,要正确处理好经济社会发展与红色旅游资源保护的关系,将红色旅游资源保护与开发与建设和谐新农村有机结合起来.     

交通信息对驾驶员逐日路径选择行为影响研究

在无信息、发布历史信息和发布预测信息3种信息条件下,分别建立了驾驶员的路径理解行程时间期望值的更新模型.通过建立一个含有2条平行路径的简单路网,对3种交通信息条件下驾驶员逐日路径选择进行了仿真,结果表明:交通信息对驾驶员的作用与驾驶员路径选择的随机程度和对信息依赖程度有关;在3种交通信息条件下,路网均不能达到用户均衡平衡状态;交通信息的预测方法不同,预测信息对驾驶员路径选择的影响有差异.     

裂隙岩体隧道非均质、各向异性等效渗流模型及应用

随着可持续发展战略的深化,隧道工程所引起的地下水环境问题越来越突出。简要介绍了裂隙岩体渗流特征、渗流模型及渗流计算原理,采用等效连续介质渗流模型模拟裂隙岩体隧道渗流规律并定量评价地下水资源流失量,为提高模型拟真性,在模型中考虑了裂隙岩体的非均质性和各向异性,并应用于实际工程中进行了隧道运营期间的地下水流失量计算,为减小隧道施工地下水资源流失提供技术支持。     

船舶智能感知车间的网络构建及系统应用

针对船舶制造现场缺乏实时感知系统、船舶制造车间未构建数据传输至工位的通信系统等问题,应用网络构建技术和信息采集与传输技术,构建船舶智能感知车间网络,实现船舶制造车间内部的“人、机、料”互联,达到数据采集的多源异构性和实时性,提高设备综合利用率和船厂管理水平。     

公交信息的乘客光环效应

光环效应是一种特殊的非理性心理现象，可利用其改善公交乘客的满意度.本文认为显著维度光环效应指标除了满足对总体满意度作用系数最大外，还应新增 3个基本特征，据此提出了一种新的基于多个特征的显著维度光环效应指标辨识方法，克服了单个特征有时错误识别的缺陷.基于 2017年武汉市公交乘客满意度数据，利用双因素和决策树法辨识潜在的显著维度光环效应指标，缩小辨识范围.利用各分项满意度指标的影响人群比例，评分均值与总体满意度关系，对总体满意度的作用系数，评分方差等精确辨识了显著维度光环效应指标. 研究发现，公交信息服务对 55.42%的乘客具有反向光环效应.改善公交信息服务可显著提高不满意乘客的满意度.     

Classification of Livebus arrivals user behavior

With the increasing use of Intelligent Transport Systems, large amounts of data are created. Innovative information services are introduced and new forms of data are available, which could be used to understand the behavior of travelers and the dynamics of people flows. This work analyzes the requests for real-time arrivals of bus routes at stops in London made by travelers using Transport for London's LiveBus Arrivals system. The available dataset consists of about one million requests for real-time arrivals for each of the 28 days under observation. These data are analyzed for different purposes. LiveBus Arrivals users are classified based on a set of features and using K-Means, Expectation Maximization, Logistic regression, One-level decision tree, Decision Tree, Random Forest, and Support Vector Machine (SVM) by Sequential Minimal Optimization (SMO). The results of the study indicate that the LiveBus Arrivals requests can be classified into six main behaviors. It was found that the classification-based approaches produce better results than the clustering-based ones. The most accurate results were obtained with the SVM-SMO methodology (Precision of 97%). Furthermore, the behavior within the six classes of users is analyzed to better understand how users take advantage of the LiveBus Arrivals service. It was found that the 37% of users can be classified as interchange users. This classification could form the basis of a more personalized LiveBus Arrivals application in future, which could support management and planning by revealing how public transport and related services are actually used or update information on commuters.