基于径向基函数网络的社会消费品总额预测模型

利用BP、RBF神经网络自适应学习法模型,对社会消费品总额进行了预测和研究,结果表明用RBF网络自适应学习法所建立的模型经过训练后,可得到较精确的预测结果,并具有较强的应用性。     

无碟机多媒体系统概述

简单阐述无碟机多媒体系统的主要组成部分,介绍软件、硬件的构架及国内市场的发展情况。     

铁路建设项目社会评价初探

铁路是我国国民经济的大动脉，项目投资规模大，涉及范围广，对区域经济和社会发展影响显著，涉及环境保护、征地拆迁、移民安置等问题，有明显的外部性和公益性特征，因此，从客观上要求在项目论证中必须重视各种社会因素的分析评价。阐述了社会评价在我国铁路建设项目中的应用情况，重点分析了铁路利用外资项目实施社会评价的主要经验，并对我国铁路项目开展社会评价工作提出建议。     

社会力模型在行人运动建模中的应用综述

为研究社会力模型在行人运动建模中的应用状况与存在的问题,系统分析了相关文献,跟踪研究了模型的基本原理、表达式的改进、参数的取值、可行性和模拟结果的真实性.研究显示,社会力行人交通流模型能较好地反映行人流在正常和逃生情况下的状态,模拟结果与实测的行人现象符合,具有很好的适应性和真实性,可为交通设施设计和行人流管理提供参考...     

博客中国虚拟社群的社会网络分析

利用社会网络分析方法对博客中国虚拟社群进行分析研究,通过使用JAVA搜索程序从该博客网站提取实际博客数据信息．并进行分析。研究发现,整体博客网络连接密度较低、网络整体向心趋势不明显,博客之间的交流仍然比较分散和单一。相信随着这方面的研究越来越深入,博客社会网络的研究会越来越得到重视。     

全国治理超载超限信息管理系统的数据存储与传输

文章针对目前全国治理公路车辆超载超限信息管理系统的现状,从全国联网的角度分析系统的需求、组网方案、数据存储与传输等关键问题,着重阐述了系统建设中的多业务大数据量的SAN数据存储和流媒体QOS控制方法,为完善全国联网治超系统的建设提供参考。     

无信控路段人行横道处行人过街建模与仿真

为精细化描述无信控路段人行横道处行人过街决策及微观运动行为,本文在行人过街行为分析的基础上,基于战术层-操作层构建行人过街双层模型。其中,在战术层面,针对行人分步决策特性,利用二元Logistic回归模型构建路侧和路中行人过街决策模型;在操作层面,针对传统社会力模型在描述行人过街时表现出的局限性,引入行人主动避让力和人行横道对行人的作用力,构建行人过街微观运动模型。最后,通过AnyLogic仿真平台实现行人过街双层模型仿真,并根据实际数据和仿真结果分析模型有效性。结果表明：相较于路侧决策模型,行人性别、停车视距内的车辆数和行人距潜在冲突点的距离这3个因素对行人路中决策结果影响更显著,引入行人主动避让力和人行横道对行人作用力的改进社会力模型,能更好地反映无信控路段行人过街时的行为特征。无信控路段人行横道处行人过街行为仿真模型的有效建立,能为后续行人过街安全改善方案提供决策支持。     

媒体网关在港口通信中的应用现状及前景

为适应发展需要，提高服务水平，港口通信网络在具备媒体网关的基础上引进软交换技术已成为一个趋势。介绍了综合接入媒体网关系统的功能及具体应用，媒体网关与软交换联接后对下一代港口通信网络发展的作用。     

就地冷再生技术在高速公路养护工程中的应用研究

就地冷再生技术具有施工便捷、污染小、旧料回收利用率高、节约成本等优势,在公路养护中得到了利用.以S49新扬高速为例,从适用条件、混合料设计、路用性能验证以及社会经济效益等方面,对就地冷再生技术进行系统研究,结果表明就地冷再生技术在高速公路养护工程中应用效果理想,可进行推广运用.     

From Twitter to detector: Real-time traffic incident detection using social media data

The effectiveness of traditional incident detection is often limited by sparse sensor coverage, and reporting incidents to emergency response systems is labor-intensive. We propose to mine tweet texts to extract incident information on both highways and arterials as an efficient and cost-effective alternative to existing data sources. This paper presents a methodology to crawl, process and filter tweets that are accessible by the public for free. Tweets are acquired from Twitter using the REST API in real time. The process of adaptive data acquisition establishes a dictionary of important keywords and their combinations that can imply traffic incidents (TI). A tweet is then mapped into a high dimensional binary vector in a feature space formed by the dictionary, and classified into either TI related or not. All the TI tweets are then geocoded to determine their locations, and further classified into one of the five incident categories.We apply the methodology in two regions, the Pittsburgh and Philadelphia Metropolitan Areas. Overall, mining tweets holds great potentials to complement existing traffic incident data in a very cheap way. A small sample of tweets acquired from the Twitter API cover most of the incidents reported in the existing data set, and additional incidents can be identified through analyzing tweets text. Twitter also provides ample additional information with a reasonable coverage on arterials. A tweet that is related to TI and geocodable accounts for approximately 5% of all the acquired tweets. Of those geocodable TI tweets, 60–70% are posted by influential users (IU), namely public Twitter accounts mostly owned by public agencies and media, while the rest is contributed by individual users. There is more incident information provided by Twitter on weekends than on weekdays. Within the same day, both individuals and IUs tend to report incidents more frequently during the day time than at night, especially during traffic peak hours. Individual tweets are more likely to report incidents near the center of a city, and the volume of information significantly decays outwards from the center.