大数据环境下移动对象自适应轨迹预测模型

已有的轨迹预测算法针对移动对象运动模式,使用数学模型进行交通流模拟,难以对路网中的移动对象进行准确的描述.为了解决这一问题,提出基于隐马尔可夫模型(hidden Markov model,简称HMM)的自适应轨迹预测模型SATP(self-adaptive trajectory prediction model based on HMM),对大数据环境下移动对象海量轨迹利用基于密度的聚类方法进行位置密度分区和高效分段处理,减少HMM的状态数量.根据输入轨迹自动选取参数组合,避免HMM模型中隐状态不连续、状态停留等问题.实验结果表明,SATP模型在实验中表现出较高的预测准确性,并维持较低的时间开销.针对速度随机改变的移动对象,其平均预测准确率为84.1%;相同情况下,平均高出朴素预测算法46.7%.     

基于前缀投影技术的大规模轨迹预测模型

智能手机、车载GPS终端、可穿戴设备产生了海量的轨迹数据,这些数据不仅描述了移动对象的历史轨迹,而且精确地反映出移动对象的运动特点.已有轨迹预测方法的不足在于：不能同时兼具预测的准确性和时效性,有效的轨迹预测受限于路网等局部空间范围,无法处理复杂、大规模位置数据.为了解决上述问题,针对海量移动对象轨迹数据,结合频繁序列模式发现的思想,提出了基于前缀投影技术的轨迹预测模型PPTP（prefix projection based trajectory prediction model）,包含两个关键步骤：（1）挖掘频繁轨迹模式,构造投影数据库并递归挖掘频繁前序轨迹模式;（2）轨迹匹配,以不同频繁序列模式作为前缀增量式扩展生成频繁后序轨迹,将大于最小支持度阈值的最长连续轨迹作为结果输出.算法的优势在于：可以通过较短的频繁序列模式,增量式生成长轨迹模式;不会产生无用的候选轨迹,弥补频繁模式挖掘计算代价较高的不足.利用真实大规模轨迹数据进行多角度实验,表明PPTP轨迹预测算法具有较高的预测准确性,相对于1阶马尔可夫链预测算法,其平均预测准确率可以提升39.8%.基于所提出的轨迹预测模型,开发了一个通用的轨迹预测系统,能够可视化输出完整的轨迹路线,为用户路径规划提供辅助决策支持.     

数据中心超高效冷源系统能效评价与设计探讨

从数据中心冷源系统高能耗分析入手,探讨国内外冷源系统能耗评价体系,注重分析数据中心超高效冷源系统设计特征和建设流程,为实现提升数据中心能效水平提供技术参考。     

比例阀线性双向电磁铁设计与试验研究

比例电磁铁是控制比例阀先导级阀芯动作的电磁驱动元件,其性能在很大程度上决定比例阀的整体性能。针对传统比例电磁铁线性度差、比例范围短、隔磁环安装困难等不足,设计一种新型结构的比例电磁铁,这种比例电磁铁采用永磁体与线圈产生的复合磁场力驱动衔铁运动,同时新型结构的比例电磁铁中取消传统比例电磁铁的隔磁环结构,降低加工难度并且具有较传统的比例电磁铁更好的性能。对设计的新型电磁铁进行数学建模和理论分析验证其理论的可行性,并且对同等尺寸的比例电磁铁进行仿真优化设计,获得尺寸条件限制下的性能最佳的比例电磁铁设计。在理论分析的基础上,通过对样机的电磁力测试获得的试验数据与理论分析数据一致,验证了这种新型结构的比例电磁铁的实用性。