基于OD的高速公路断面交通流量推算方法

目前,对高速公路断面交通流量的采集主要依靠人工方式或交通流量检测设备,没有充分利用已有的OD数据资源.针对非拥挤的交通状态,根据现有的高速公路OD数据,综合考虑高速公路不同路段对于不同车型车辆的限速要求及车辆在白天或夜间的运行状况等因素,在空间和时间上同时对OD数据进行分析处理,提出了1种高速公路断面交通流量推算方法,得到高速公路指定时间段内的断面交通流量及车型,采用趋势图描述断面交通流量的分布规律,对比分析基于OD数据得到的断面交通流量与车检器检测得到断面交通流量,并通过实例验证该算法的可靠性与实用性.     

应用ARIMA模式于车辆侦测器数据填补

交控系统是利用各项侦测器或纵坐标名称、单位来进行交通特性搜集的,近年来由于在有线与无线传输的技术上日渐成熟,许多的信息都可以快速的传回至交控中心.但是目前车辆侦测器设置的位置会影响数据收集的准确度,且感应线圈车辆侦测器面临着经常发生数据遗漏.数据产生缺漏对于交通管理决策缺乏效率,而且无法彰显出投资车辆侦测器之价值.为了避免车辆侦测器数据遗漏、断线或数据异常不能使用之情形出现,利用自回归移动平均模型(ARIMA)来填补车辆侦测器所遗失的数据,其MAPE值小于20%,故ARIMA模式较平均法更优秀,其係以历史资料来建构,故有相当优良的填补绩效.     

数字经济赋能高质量发展: 理论逻辑、路径选择与政策取向

针对中国铁路12306互联网售票系统（简称：12306）酒店预订平台在数据指标口径与维度上缺乏统一标准,对业务监控能力弱的问题,研究构建12306酒店预订平台数据指标体系。文章应用目标策略指标模型,挖掘并拆解业务目标,梳理用户旅程地图,将数据指标体系拆解到业务场景中,遵循相互独立且完全穷尽（MECE,Mutually Exclusive, Collectively Exhaustive）的原则,构建3层协作的数据指标体系;设计并实现了数据指标管理系统,实现数据指标的实时更新及管理,并应用于产品迭代、运营策略调整、投放策略调整、过程优化等场景。实际应用表明,12306酒店预订平台数据指标体系的构建,有助于衡量业务发展质量,把控业务发展情况,促进业务持续有序高质量发展。

     

雅万高铁创新实践与启示

针对雅加达—万隆高速铁路（简称：雅万高铁）的车载数据尚未实现实时传输和应用,不利于开展动车组故障诊断及分析的情况,文章基于KCIC400AF型动车组车载无线传输装置的工作原理,设计了车载数据实时传输架构。通过采用车地无线传输安全机制、分布式大数据实时处理和分级多维监控等关键技术,实现动车组车载数据的实时传输,满足安全性与可靠性要求;根据动车组运用维修业务场景,分析车载数据在实时监控与故障处置、参数关联与运营维护决策等方面的应用,提高雅万高铁运营安全保障能力。

     

边缘智能在轨道交通中的应用: 前景与展望

针对城市轨道交通运营线路增加与乘客服务多样化需求带来的信息处理实时性挑战,提出基于云边融合技术的城市轨道交通乘客信息服务增强系统。设计了系统架构,以及信息服务推送、智能导航与路径规划、紧急响应与安全预警、实时客流分析与管理、交互式信息服务、多模态数据集成、用户体验等功能。该系统通过云边数据协同处理、处理分析任务的动态调度策略及系统安全与可靠性等技术,实现了对海量多源异构数据的实时高效处理分析,助力城市轨道交通的智慧化、绿色化发展,为今后乘客信息系统的建设提供重要参考。

     

基于 ASAM MCD 标准的 ECU 数据监测系统研究与设计

文章研究了 ASAM MCD 标准体系中适用于测量和标定的 ASAM MCD1、ASAM MCD 2MC、ASAM MCD3 标准和基于 ASAM 标准的通用测量和校准协议（XCP）。将 ASAM MCD标准和 XCP 协议的数据采集（DAQ）模式应用于电子控制单元（ECU）数据监测系统的设计开发中,对自主开发的 ECU 数据监测系统的设计原理和功能进行了介绍,ECU 数据监测系统适用于所有支持 XCP-on-CAN 的 ECU,具有很好的通用性。     

关联用户使用的整车结构耐久试验规范开发方法

整车结构耐久试验作为车辆开发的关键通过性指标之一,其对于车辆开发至关重要。为了提高耐久规范与用户实际使用的关联性,文章提出了一套关联实际用户使用的整车结构耐久试验规范开发方法。首先,基于用户大数据利用机器学习获取真实用户道路类型里程比例、用户驾驶风格和典型操作类工况;其次,通过用户载荷谱采集、强化编辑与外推获取目标分位数的用户载荷谱;然后,采集与筛选试验场工况载荷,通过多维度的关联技术,匹配试验场工况与用户目标载荷,编制形成结构耐久规范;最后,通过试运行和持续优化对耐久规范改进完善。     

基于信令数据的中型城市通勤公交站点优化方法

大中型城市之间的手机通信基站密度和通勤出行结构不同,公交站点布设呈现出显著差异。在此背景下,研究了基于改进Mean Shift聚类算法的中型城市通勤公交站点优化方法。该方法采用荆州市中心城区信令数据中的通勤记录,以系统总成本（包括运营成本和乘客步行时间成本）作为主要评价指标。根据中心城区早高峰的通勤出行需求,制定通勤公交站点优化方案。通过对比优化结果和现有公交站点布局,验证了优化方法的有效性;比较不同聚类算法,证明改进的Mean Shift聚类算法的性能优越性;考虑基站和等时圈的影响,对比不同场景,证明了考虑二者影响的必要性。结果表明：①针对荆州市研究区域的早高峰出行需求,优化方法共设置28个公交站,乘客步行时间成本下降51.98%,系统总成本下降17.82%,表明本方法能够得到系统总成本更优的站点布设方案,有效减少研究区域内乘客步行时间成本;②与不同聚类算法的比较中,改进Mean Shift算法得到的方案有明显提升,系统总成本比K-means聚类算法下降8.73%,比近邻传播聚类算法（af-finity propagation,AP）下降2.48%;③与未考虑基站和等时圈影响的情况相比,本算法步行时间成本有所下降。上述指标表明改进Mean Shift聚类方法在聚类质量上优于其他方法,可以获得更优的公交站点布设方案,为中型城市的公交线路规划提供基础。     

基于PointNet++的船体分段合拢面智能识别方法

三维扫描仪获得的船体分段合拢面点云数据,具有精度高、数据量大的优势,能够很好地反映分段合拢面的建造状况。由于现有的PointNet++网络无法处理大容量点云数据,因此提出一种基于改进PointNet++的船体分段合拢面构件智能识别算法,实现针对大容量船体分段合拢面点云数据构件的智能识别。

基于超体素生长理论对船体分段合拢面点云数据进行分割及简化,构建船体分段合拢面点云数据集,并使用该数据集训练基于深度学习理论改进的PointNet++网络。

网络模型在船体分段合拢面点云数据训练集和测试集上的收敛结果趋于稳定,在测试集上识别准确率达到90.012%。

该方法具有良好的识别能力,能够完成船体分段合拢面构件的智能识别。