考虑交叉口不同饱和度的路网动态分区方法

为了便于信号控制策略的实施,针对路网中不同状态的交叉口,考虑子区内交叉口的同质性和关联性,提出了基于不同拥挤程度的路网动态分区方法.首先考虑相邻交叉口的交通关联度和相似度,建立了路网动态分区模型;然后结合谱图理论设计了动态分区算法,根据特征向量元素,对路段、交叉口的拥堵程度进行划分;最后提出了动态子区划分评价准则.算例结果表明,本文提出的方法既能有效地保证相关性较强的交叉口划入同一子区,又使得各子区内部路段的拥堵程度比较均衡,有利于各种不同拥挤程度的子区信号控制方案的选择和实施,对于交通信号控制方案的设计有实际的指导意义.     

基于时空自相关的道路交通状态聚类方法

城市道路交通状态的识别对交通管理部门进行交通管理控制、出行诱导,以及 道路设施改造具有重要意义.本文运用时空Moran 散点图探索城市道路交通的时空关联 性,并据此构建一种基于时空自相关预分类的道路交通状态层次聚类方法.运用本文所提 出的聚类算法,以北京市二环快速路外环方向的路段为例,进行聚类研究,并分析了各类 型路段的交通状态时空特性.案例研究表明,所提出聚类算法能对道路交通状态进行有效 判断,充分反映交通需求与路网结构之间的内在匹配关系.特别是畅通异质和拥堵异质两 种交通状态的提出,为识别高峰时段路网中的瓶颈路段和能力富余路段提供了一种新的 思路和方法,进而可为完善路网、缓解拥堵及制定交通管理措施提供依据.     

基于同心圆分簇的无线传感器网络路由协议的研究

针对无线传感器网络中LEACH协议的簇头分布不均匀以及不适合远距离传输数据的缺点,提出一种基于同心圆的分簇路由协议(CBCR).CBCR不仅改进选簇方法,而且引入管理节点负责簇头的选举.给出该协议的实现过程,通过与LEACH的比较,证明该协议能有效延长网络存活时间.     

基于聚类学习的超分辨率方法

在高分辨率空间对图像局部结构进行k均值聚类,估计最小二乘意义下的插值滤波器参数,然后根据估计参数来增强图像的分辨率。同时借鉴区域连接增长的思想解决分类歧义问题。计算结果显示,该方法优于传统的基于学习的方法,图像边缘清晰、细节恢复多。     

基于数据驱动的电动自行车换电需求预测

换电企业在城市内建立换电柜,满足不断增长的电动自行车换电需求,涉及到换电柜的选址,电池的投放和换电需求的预测.本文分析了国内某大型换电企业的换电订单数据,发现换电柜存在使用严重不均衡问题,为提高使用率,降低换电成本,提出按区域对换电需求量进行聚类并预测的方法.首先,对换电柜位置进行K-means聚类,据此优化换电柜的投...     

基于关联分析的乘客公共交通依赖度识别方法

不同乘客在出行过程中对公共交通的依赖程度具有显著差异，精准识别乘客公共交通依赖度，有助于针对性地引导出行者向公共交通方式转移.本文基于多源数据的关联，获取包含个体属性的公共交通出行链，从出行行为和个体属性两方面提出8个依赖度指标，构建二阶聚类模型，识别乘客公共交通依赖度.结果表明：样本按依赖度高低被划分为4类群组；部分高、较高依赖度乘客在出行决策时受限于收入和车辆拥有量，并有向私家车出行转移的趋势；乘客出行习惯行为较个体属性对公共交通依赖度的影响更大.利用平均命中率(AHR)和平均覆盖率(ACR)指标评估个体属性对识别结果的影响，得出结论，个体属性指标间存在耦合关系，且指标缺失量与模型误差具有非线性关系.研究有助于理解公共交通乘客的需求和选择倾向性，为精准改善公共交通服务提供支撑.     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著，本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据，调用开放地图接口地理编码解算事故地点经纬度，使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入，为解决这一局限，建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型，并与原始聚类模型进行对比.结果表明，优化算法在参数确定上更加智能，对簇的划分更加准确，对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分，证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

基于车载LiDAR数据的公路竖向净空自动化评估

现役道路基础设施管理过程中缺乏大范围区域内不同路段的现状或实时的竖向净空数字化资料，导致部分过高车辆撞击跨线桥或其他上空构造物的事故时有发生，造成了重大财产损失与人员伤亡。针对该问题，基于车载LiDAR数据构建公路竖向净空自动化评估方法框架。通过数据重构方法将复杂道路线形的车载LiDAR点云转化为简单的直线形式，利用基于线性索引的点云数据分块方法实现重构场景下车载LiDAR数据的条形、柱形与体素单元的快速分块，建立柱形单元非平面点初步滤波、基于K-Means与体素聚类的复杂LiDAR点云环境中路面优化分割流程。在基于条形单元划分提取道路边界后，利用体素聚类将路面上方点云进行划分。以提取的路面点云作为二维插值基准面，完成不同物体的竖向净空计算，并利用江苏南京市内的2条公路LiDAR数据的对算法框架进行测试。研究结果表明：所提方法在噪音存在的复杂LiDAR环境中可以有效分割出道路上方物体并完成竖向净空的计算；通过部分算法提取与人工标注结果的对比，显示公路1与公路2的竖向净空平均绝对误差分别为0.94、1.57 cm，具有较好的可靠性；在32 GB内存、Intel® Xeon® E5-1650 v4@3.6 GHz六核处理器的计算机上完成公路1与公路2竖向净空评估的平均时间分别为6.62、7.83 s·km^-1，算法效率可满足大尺度场景下的公路竖向净空自动化计算；相比于已有研究方法，所提方法框架考虑了车载LiDAR点云环境内的路面上测量噪音的存在，对变宽度路面条件复杂场景下的公路竖向净空评估具有更好的适用性。     

公交驾驶员心理状况影响因素分析与疾病判别模型

为对公交驾驶员心理疾病实现精准干预，维护乘客生命及公共交通安全，本文通过分析公 交驾驶员心理状况影响因素构建心理疾病类型判别模型。选用由基本信息、身体状况、生活状 态、驾驶行为、组织认同感、人格特征以及职业压力与工作倦怠问卷组成的公交驾驶员心理健康 状况调查问卷，对400名城市公交驾驶员展开问卷调查研究，通过皮尔逊相关性检验分析心理状 况影响因素，利用K-means聚类算法和多元Logistic回归模型判别和分析心理疾病，提出相应干 预措施。结果表明：人格冷怒和驾驶行为、身体状况、生活状态、组织认同感显著正相关，职业压 力与工作倦怠和这4个影响因素显著负相关，相关性均较强，因此，构建心理疾病判别模型时排除 与多个影响因素均呈较强相关性的人格冷怒、职业压力与工作倦怠这两个影响因素；被调查的公 交驾驶员中，心理状态良好型、轻度心理疾病型、严重心理疾病型占比分别为52%、34%、14%；公 交驾驶员心理疾病类型与身体状况、驾驶行为以及生活状态显著正相关，与驾驶行为的相关性最 强，身体状况次之，生活状态最弱。     

基于实车行驶工况的电动公交运营期碳足迹测算

针对电动公交车运营期碳足迹难以监测的难题，本文设计了一种以实车行驶工况为基础的电动公交车碳排放折算量估计方法。以西安市主城区的609路和新建城区的362路公交车为研究对象，基于实车行驶轨迹数据提出一种面向城市电动公交运营线路的本地化驾驶工况构建方案。首先，引入T-SNE非线性机器学习算法进行数据降维，使用Birch聚类方法进行分类；然后，根据相似度最高原则和各类别比例关系构建两条线路的电动公交车运行工况。在Cruise仿真环境进行百公里耗电量计算，并折算得到碳排放量。结果表明：609路和362路同车型电动公交车百公里能耗分别为121.71 kW ⋅ h 和144.46 kW ⋅ h ，差异较为明显，证明了分线路进行驾驶工况构建的必要性；基于本文提出的估计方法计算了两条公交线电动公交车组在2019年11月的碳足迹，分别为114.099 t和117.863 t。提出的电动公交运营期碳足迹测算方法有助于推行城市交通碳排放监测与管理。