铁路绿色施工节地与土地资源保护措施评价

为了更好地促进绿色铁路建设,进而促进国家实现建设资源节约型环境友好型社会的目标,必须对施工阶段铁路的节地与土地资源保护措施进行评价。通过研究相关技术标准及铁路施工特点,建立一套完善的铁路绿色施工节地与土地资源保护措施评价指标体系。然后,利用三角模糊数层次分析法确定各指标权重,应用灰色聚类法确定评价指标体系的综合绿色等级。最后,结合实例证明三角模糊数层次法与灰色聚类法结合可以对铁路绿色施工节地与土地资源保护措施进行很好的评价,并能找出铁路施工阶段节地与土地资源保护的不足之处并进行改进。     

基于动态聚类的公路基本路段分割合并方法

公路基本路段划分是实施交通安全精细化管理的基础,划分结果要求具有相似的几何线形及事故统计特征。基于公路线形特征划分的路段单元,叠加动态聚类算法划分的事故特征相近的路段单元,提出包含分割与相交合并的基本路段分割合并方法,进一步以京昆高速北京段为例验证该方法具有可行性及科学性。     

基于改进灰色定权聚类的城市轨道交通网络规划方案优选研究

综合考虑路网结构合理性、建设实施性、运营效果、社会经济效益以及城市发展的协调性等五方面的影响因素,建立了城市轨道交通网络规划方案综合评价指标体系。引入高斯白化函数、等面积法则确定参数和基于信息熵的聚类权的标定法,提出了改进灰色定权聚类优选模型,并将其应用于某市轨道交通规划方案优选,评价结果与实际专家评审结果一致,验证了该模型的有效性和实用性。     

基于船种聚类的航道通过能力量化方法

为准确计算航道通过能力,针对单双向通航方式并存的混合通航航道,建立了基于船种聚类的航道通过能力量化模型.根据海港航道通航管理规则,对不同船舶种类进行分类,通过聚类算法确定船舶种类特征及其分布概率.与传统航道通过能力计算方法相比,对不同种类船舶所占航道资源分别附以不同权重,同时考虑船舶通航方式改变对航道通过能力的影响,能够更加准确地量化航道通过能力.应用天津港大沽沙航道数据进行了实例分析,目前航道实际月通过船舶约为1 905艘次,计算得到大沽沙航道月通过能力为2 350艘次,并且与港口公共混合通航航道通过能力计算结果4 455艘次/月相对比,前者的结果更符合实际情况,后者的结果明显大于实际航道通过能力.结果表明,基于船种聚类的航道通过能力量化方法能更加准确地反映航道实际情况.     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类结果;在上述典型水域,平均轮廓系数分别提升约53%,71%,63%和41%,戴维森堡丁指数分别降低约57%,67%,63%和45%;同时,此方法可平均降低约56%的聚类时间,显著提升了船舶轨迹数据聚类分析的效率。     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤,一是压缩 AIS 数据,二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法,只考虑船舶轨迹的压缩形状,忽视了船舶航行中其他重要信息。为解决此问题,把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面,传统谱聚类方法只对船舶轨迹的位置进行相似性度量,没有考虑船舶轨迹的其他维度,针对此问题,提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量,引入Calinski-Harabasz指标评价谱聚类算法,实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究,并与传统谱聚类算法做比较实验。实验结果表明,利用该方法提取到的典型轨迹符合真实水域的交通情况,相较于传统谱聚类方法具有更高的聚类质量。     

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.     

Commuter ride-sharing using topology-based vehicle trajectory clustering: Methodology,application and impact evaluation

This paper illustrates a ride matching method for commuting trips based on clustering trajectories, and a modeling and simulation framework with ride-sharing behaviors to illustrate its potential impact. It proposes data mining solutions to reduce traffic demand and encourage more environment-friendly behaviors. The main contribution is a new data-driven ride-matching method, which tracks personal preferences of road choices and travel patterns to identify potential ride-sharing routes for carpool commuters. Compared with prevalent carpooling algorithms, which allow users to enter departure and destination information for on-demand trips, the proposed method focuses more on regular commuting trips. The potential effectiveness of the approach is evaluated using a traffic simulation-assignment framework with ride-sharing participation using the routes suggested by our algorithm. Two types of ride-sharing participation scenarios, with and without carpooling information, are considered. A case study with the Chicago tested is conducted to demonstrate the proposed framework’s ability to support better decision-making for carpool commuters. The results indicate that with ride-matching recommendations using shared vehicle trajectory data, carpool programs for commuters contribute to a less congested traffic state and environment-friendly travel patterns.     

中国港口功能的聚类和判别

根据中国港口的样本特征, 选取了11个主要功能指标, 建立了因子分析模型, 并进行了适用性检验。根据主成分分析法, 提取了3个待定因子, 经过因子旋转和归一化处理, 采用系统凝聚法对中国沿海24个港口的主要功能进行聚类分析。以MATLAB为技术基础, 对烟台港功能类型进行判别。分析结果表明: 根据经济功能因子、城市功能因子和物流功能因子的分类, 中国沿海24个港口可以聚成7类, 第1类为上海港, 第2类为深圳港, 第3类为广州港, 第4类为宁波舟山港, 第5类为青岛港、天津港、大连港, 第6类为厦门港、丹东港、威海港、汕头港、北海港、防城港、海口港、连云港港、营口港、秦皇岛港、日照港, 第7类为唐山港、温州港、台州港、福州港、泉州港、湛江港; 运用人工神经网络方法, 烟台港被判别为第7类。可见, 方法有效。     

基于OWA与灰色聚类的城市轨道交通PPP融资风险评价方法研究

针对城市轨道交通PPP融资成本高、投资回收期长、不确定性因素多等特点导致整个融资过程充满风险,且难以进行科学的评价,进而增加风险评价难度的问题,提出基于OWA与灰色聚类的城市轨道交通PPP融资风险评价方法。首先从全寿命周期角度构建城市轨道交通PPP融资风险指标体系。然后基于OWA算子对专家决策数据按照降序的方式重新排序,消除极值带来的不利影响,加权得出指标的权重值。最后考虑指标的灰色性、信息不完整性,构建灰色白化权函数实现指标信息的透明化,完成对PPP融资风险的聚类分析。应用构建的模型对郑州地铁1号线一期工程PPP融资风险进行评价,认为该地铁工程PPP融资风险等级高,应重点关注前期策划、社会资本、政策环境、设计质量、成本超支、建设质量、残值7个主要风险指标的控制,以期为该项目融资风险管理提供建议,并进一步丰富城市轨道交通PPP融资风险的评价方法。