基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础,提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系,定义了站点间距,并分析了站间距和车辆到总站距离间的联系;提出了公交乘客上车站点确定方法,进而得到公交站点上车客流量;通过分析公交客流数据特征,确定ELM输入参数维度,并采用IPSO 算法找到ELM的最优隐含层节点参数;最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内,并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析,发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于SAP BW的北车运营指标决策支持系统

从BW功能结构出发,结合中国北车运营指标数据集成以及模型创建的实践,提出企业决策支持数据模型的优化创建方法,给出合理的创建数据模型的原则.该建模方法与原则已经成功应用于北车集团运营指标分析业务,经过实践证明这些方法与原则具有实施便捷、结构清晰、查询快速的优势.     

面向特大城市未来发展的交通模型研究——数据密集型分析概念下的交通模型

从中国特大城市发展过程中交通领域所面临的挑战出发,围绕城市交通战略管理能力的提升,提出了新的交通模型所需要具备的分析功能.在此基础上引入数据密集型研究的概念,讨论了模型在分析流程中的应用位置,提出了四个层次的模型技术框架结构,并在实际研究工作的基础上,提出了有待克服的主要技术瓶颈.     

基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究

为提高我国城市对外交通中客运多方式协同运行效率,优化客运资源配置,依托人口迁徙大数据,建立量化分析城市对外交通客运方式优势出行距离的方法. 提出用绝对优势出行距离和相对优势出行距离来表征优势出行距离,分别构建城市对外客运方式的绝对优势出行距离模型和相对优势出行距离模型;利用人口迁徙大数据,绘制基于出行距离的客运方式分担率曲线,对优势出行距离模型进行求解. 结果表明,我国城市对外交通中公路、铁路、航空客运方式的绝对优势出行距离分别为[8, 119] km、[119, 1 594] km和[1 594, 3 000] km,相对优势距离分别为[8, 463] km、[318, 983] km和[2 477, 3 000] km.     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

Strava Metro data for bicycle monitoring: a literature review

ABSTRACT

Monitoring bicycle trips is no longer limited to traditional sources, such as travel surveys and counts. Strava, a popular fitness tracker, continuously collects human movement trajectories, and its commercial data service, Strava Metro, has enriched bicycle research opportunities over the last five years. Accrued knowledge from colleagues who have already utilised Strava Metro data can be valuable for those seeking expanded monitoring options. To convey such knowledge, this paper synthesises a data overview, extensive literature review on how the data have been applied to deal with drivers’ bicycle-related issues, and implications for future work. The review results indicate that Strava Metro data have the potential—although finite—to be used to identify various travel patterns, estimate travel demand, analyse route choice, control for exposure in crash models, and assess air pollution exposure. However, several challenges, such as the under-representativeness of the general population, bias towards and away from certain groups, and lack of demographic and trip details at the individual level, prevent researchers from depending entirely on the new data source. Cross-use with other sources and validation of reliability with official data could enhance the potentiality.     

空间数据挖掘及其在海洋地理信息系统中的应用

空间数据挖掘是数据挖掘中的一个重要门类,空间数据挖掘的意义是在空间数据库或数据仓库的支持下,提取、推理出未知、有价值、可利用的关系、模式或趋势,从而为决策系统提供支持。随着海洋测量技术和电子地图技术的持续发展,以及计算机存储容量的不断扩大,使得海洋地理信息系统中出现了海量数据,如何对这些数据进行有效利用,从而进一步发现价值,是当前海洋地理信息系统研究的主要课题之一。本文介绍空间数据挖掘技术的主要原则,分析空间数据挖掘的实际效果,并研究空间数据挖掘在海洋地理信息系统中的应用,为今后海洋地理信息系统的完善和提高提供依据。     

基于层次分析法和D-S证据理论的码头风险评估

在码头风险评估过程中,目前常用的方法对风险事件发生的概率和影响上有一些主观的定性分析,带有结论上的模糊性.运用一种层次分析法和证据理论结合的方法可以提高评估的准确性和可靠度,该方法通过层次分析法确定各评估因素的权重,在此过程中用D-S证据理论对专家评分数据进行融合修正,运用D-S证据理论的合成法则确定码头的风险值.将该...     

发动机系统可靠性分析与评估

针对发动机试验昂贵以及试验条件无法真实再现发动机使用环境的情况,提出利用“三包”信息作为评估发动机使用可靠性的数据源。以发动机完整数据服从的NHPP模型为基础,结合“三包”信息普遍存在的删失现象,提出新模型;该模型既适用于完整数据,也适用于删失数据。实例证明,利用该模型计算的参数与实际统计结果的误差小于2%,最后评估得到发动机的可靠性水平。     

Using GPS-data to determine optimum electric vehicle ranges: A Michigan case study

Fuel-switching personal transportation from gasoline to electricity offers many advantages, including lower noise, zero local air pollution, and petroleum-independence. But alleviations of greenhouse gas (GHG) emissions are more nuanced, due to many factors, including the car’s battery range. We use GPS-based trip data to determine use type-specific, GHG-optimized ranges. The dataset comprises 412 cars and 384,869 individual trips in Ann Arbor, Michigan, USA. We use previously developed algorithms to determine driver types, such as using the car to commute or not. Calibrating an existing life cycle GHG model to a forecast, low-carbon grid for Ann Arbor, we find that the optimum range varies not only with the drive train architecture (plugin-hybrid versus battery-only) and charging technology (fast versus slow) but also with the driver type. Across the 108 scenarios we investigated, the range that yields lowest GHG varies from 65 km (55+ year old drivers, ultrafast charging, plugin-hybrid) to 158 km (16–34 year old drivers, overnight charging, battery-only). The optimum GHG reduction that electric cars offer – here conservatively measured versus gasoline-only hybrid cars – is fairly stable, between 29% (16–34 year old drivers, overnight charging, battery-only) and 46% (commuters, ultrafast charging, plugin-hybrid). The electrification of total distances is between 66% and 86%. However, if cars do not have the optimum range, these metrics drop substantially. We conclude that matching the range to drivers’ typical trip distances, charging technology, and drivetrain is a crucial pre-requisite for electric vehicles to achieve their highest potential to reduce GHG emissions in personal transportation.