2022年8月全国港口吞吐量运行综述

8月,受疫情反弹、极端天气、需求不旺等因素影响,货物、集装箱吞吐量增速有所回落。受去年同期低基数影响,旅客吞吐量较快增长,但与疫情前同期相比仍处于低位。一、货物吞吐量8月,全国港口完成货物吞吐量13.2亿t,同比下降1.8%,其中:沿海港口完成8.5亿t、下降0.7%,内河港口完成4.7亿t、下降3.8%;完成外贸货物吞吐量3.8亿t、下降6.1%,完成内贸货物吞吐量9.4亿t、增长0.04%。     

基于嵌入式系统的舰船图像拼接技术

常规舰船图像拼接技术无法实现多环境的图像拼接,为此设计基于嵌入式系统的舰船图像拼接技术,对采集的舰船图像进行降噪处理后,利用均值法划分特征领域,通过特征领域构建尺度空间,利用尺度空间法则对图像特征进行配准处理,通过嵌入式系统中的换算函数对图像进行连接强化,实现舰船图像技术拼接。将设计的技术与常规3种图像拼接技术进行对比,在不同实验环境下,本文方法图像拼接能力明显好于3种传统方法。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。     

多特征融合的级联回归人脸对齐方法研究

深度神经网络技术在人脸识别方面已经取得了巨大进步,但是大多数方法只是运用人脸深度特征而并没有分析哪些特征是有效的.为了探索针对人脸识别任务的有效结构化特征,提出了基于多种特征级联回归方法的人脸关键点检测模型,将两两关键点对应的人脸局部特征对之间的结构关系、整张人脸图像的全局表观和关键点对应的局部热图这3种人脸特征融合之后用于人脸对齐任务.实验证明,多特征级联回归法与记忆下降法相比,人脸对齐任务错误率下降了30.17%,与最新的一些人脸对齐模型具有一定的可比性.     

城市轨道交通网络拥堵易发点的识别及评价

在城市轨道交通物理拓扑层、设施能力层与客流分布层网络模型基础上,构建了多属性网络.阐述了网络拥堵易发点的网络拓扑、网络运输能力及网络客流等特征指标,并采用基于AHP-熵权法的组合权重法对拥堵易发点进行拥堵风险的辨识和评估,探究了网络拓扑结构、运输能力和客流需求之间的关联性.在北京轨道交通的实例中,识别的拥堵易发点多为衔接郊区线与市区线的换乘站.这验证了识别和评价方法的有效性和实用性.     

列车提速后《铁路技术管理规程》发展演变特征研究

《铁路技术管理规程》是我国铁路的基本规章,研究不同版本的演变特征对其管理及不断修订完善具有重要意义。通过对铁路列车提速以来近三版《铁路技术管理规程》修订背景回顾与发展历程分析,基于文本相似度算法,构建了不同版本间的条款关联关系并量化分析了相邻版本及各个章节条款关联强度。运用政策文献计量法,逐版逐条研究其修订类型并从版本与章节两个维度分别量化分析了条款修订类型分布特征。在此基础上,总结提出了《铁路技术管理规程》演变发展特征与趋势。该研究对《铁路技术管理规程》的科学管理及今后动态修订完善具有重要支撑作用。     

基于量表型选择集的出行信息需求有序选择模型

研究了城市出行者日常活动和出行所需要的关键信息, 提出了一种针对量表数据的量化分析方法; 以出行者信息需求为研究对象, 设计了一项基于李克特5级量表的问卷调查; 总结了出行个体对各类出行信息需求程度的排名, 分别构建并标定了驾车线路、目的地位置和实时路况信息需求的有序选择模型; 与多项Logit模型在参数显著度、赤池信息量准则和对数似然函数值等指标上进行对比, 以验证有序选择模型的有效性, 并对影响信息需求的关键变量进行了局部效应分析。研究结果表明: 出行者在通勤出行前最需要公交运营变更信息, 而在通勤出行中最需要实时路况信息; 非通勤出行者最关注目的地位置信息, 在出发前和途中对目的地位置信息的需求概率较通勤出行前分别高出31.08%和29.25%;在职人员对信息的需求程度普遍高于学生和自由职业者, 说明时间价值高的人群更期望通过全面及时的信息获取来合理安排出行; 女性比男性对实时路况信息的需求概率高出10.23%, 说明女性对延误的风险规避意识更强; 20~40岁的人群出行信息需求最强烈, 随着年龄的增长该需求将逐渐下降; 各年龄段对实时路况信息都表现出了较高的需求, 说明人们对于有可能带来负面影响的信息更为敏感。可见, 采用有序选择模型能够精确分析量表型选择集。