共享交通的时空轨迹检索与群体发现

为解决共享交通下的共乘用户群体发现效率低、准确率不高问题，依据R-树原理建立GeoOD-Tree索引，并在此基础上提出以最大化共乘率为目标的群体发现策略。首先，对原始时空轨迹数据进行特征提取与标定处理，挖掘有效出行起讫点（OD）轨迹；其次，针对用户起讫点轨迹的特征，建立GeoOD-Tree索引进行有效的存储管理；最后，给出以最大化共乘行程为目标的群体发现模型，并运用K最近邻（KNN）查询对搜索空间剪枝压缩，提高群体发现效率。采用西安市近12000辆出租车营运轨迹数据，选取动态时间规整（DTW）等典型算法与所提算法在查询效率与准确率上进行性能对比分析。与DTW算法相比，所提算法的准确率提高了10.12%，查询效率提高了约15倍。实验结果表明提出的群体发现策略能有效提高共乘用户群体发现的准确率和效率，可有效提升共乘出行方式的出行率。     

空间复用系统在相关信道下的两步选择天线算法

针对采用贝尔实验室垂直分层空时(V-BLAST)检测算法的空间复用系统存在信道相关的问题,提出一种新的两步选择发射天线的准则,首先利用信道矩阵奇异值确定有效发射天线数,然后根据最低检测后信噪比确定发射天线和子数据流之间的映射关系.仿真结果表明两步选择准则能获得比已有算法更高的选择增益,此外还分析并仿真了天线间距和角度扩展对符号向量错误概率的影响.     

LS MPP编程语言研究

为了方便开发运行于LS MPP系统的应用程序,文章研究了LS MPP编程语言.首先,分析了现有LS MPP计算机的体系结构,以及作为其未来发展方向的图像处理器的概念模型.然后,介绍了对应该概念模型的中间语言和中间表示.最后,详细分析了该概念模型对应的高级语言扩展部分.分析表明,高级语言对概念模型描述的并行计算机性能的提高非常有益,使程序员的编程更加方便,并且降低了编译器的复杂性.     

基于Hadoop的出租车服务策略

出租车服务策略是出租车司机群体智慧的体现,隐藏在大规模的出租车GPS轨迹数据中.基于大数据分析工具,针对出租车GPS轨迹数据进行服务策略挖掘,提取好的服务策略指导司机营运可以提高司机收入和营运效率.乘客搜索策略是出租车服务策略的主要内容,在对GPS轨迹数据进行清洗之后导入HDFS,首先提取司机个人轨迹,并对其收入进行量化,然后对乘客搜索策略建模,根据模型利用hadoop平台统计出司机对各种策略的使用情况,结果表明,收入较高的司机在乘客搜索策略选择上与收入一般的司机有显著差异.     

面向车联网环境的车辆行为可信决策机制

车联网中的车辆节点收到的信息存在虚假和伪造的可能性,极大影响了车辆节点进行正确的行为决策。通过建立一种基于不确定性理论的节点信誉度混合评估模型,对信息源节点的可信程度进行评估,结合信息源节点的信誉度,建立车辆节点行为可信决策机制,该机制采用C-means算法进行信息可信评估,辅助车辆节点根据收到信息的可信与否做出相应的行为决策。仿真结果表明,该方法提高了节点可信判断的准确率,提高了车联网中车辆节点行为决策的准确率。     

一个多Agent系统的构建框架--JAFMAS

一种基于Java的多Agent系统的构建框架JAFMAS,它提供一套机制以实现Agent之间的通信、交互和协调。     

一种基于群代理协同交互的共乘出行仿真模型

作为一种新兴的交通方式,共乘出行既环保又可持续,因为它不仅能让乘客节省出行成本,还能减少汽车的交通拥堵,所以共乘成为人们首选的出行方式。考虑到现实中人力资源的有限性,对共乘出行服务进行了深入的研究。对多Agent技术和共乘过程进行详细的论述,提出一种基于群代理协同交互的仿真模型,该模型采用基于三层架构的JADE平台。给出司乘人员路径匹配模型和协商模型,提出最短路径算法来仿真启动司乘代理之间的共乘过程。选取覆盖北京市区的真实轨迹数据集Geolife和西安市15天的出租车营运轨迹数据,对提出的路径匹配模型和协商模型进行实验验证。实验结果表明,两类模型在准确性和执行效率上具有高效性。     

融合隐私保护的车辆轨迹数据停留点挖掘方法

随着车载GPS定位设备的普及, 产生了大量的车辆轨迹数据和位置信息, 各种轨迹挖掘技术也应运而生. 然而, 现有的轨迹挖掘技术较少考虑用户的隐私泄露问题, 因此, 本文提出了一种融合隐私保护的车辆轨迹数据停留点挖掘方法. 在该算法中, 首先通过密度聚类筛选出轨迹停留点, 其次结合差分隐私技术对停留点进行隐私保护. 通过实验验证, 该方法不仅能有效识别出停留点的位置, 还能保护其隐私不被泄露.     

时空轨迹序列模式挖掘方法综述

在全球定位、移动通信技术迅速发展的背景下涌现出了海量的时空轨迹数据,这些数据是对移动对象在时空环境下的移动模式和行为特征的真实写照,蕴含了丰富的信息,这些信息对于城市规划、交通管理、服务推荐、位置预测等领域具有重要的应用价值,而时空轨迹数据在这些领域的应用通常需要通过对时空轨迹数据进行序列模式挖掘才能得以实现。时空轨迹序列模式挖掘旨在从时空轨迹数据集中找出频繁出现的序列模式,例如： 位置模式（频繁轨迹、热点区域）、活动周期模式、语义行为模式,从而挖掘时空数据中隐藏的信息。总结近年来时空轨迹序列模式挖掘的研究进展,先介绍时空轨迹序列的数据特点及应用,再描述时空轨迹模式的挖掘过程：从基于时空轨迹序列来挖掘位置模式、周期模式、语义模式这三个方面来介绍该领域的研究情况,最后阐述现有时空轨迹序列模式挖掘方法存在的问题,并展望时空轨迹序列模式挖掘方法未来的发展趋势。     

用于WCDMA系统中的改进型恒模多用户检测算法

提出一种适应WCDMA(Wide code division multiple access)系统的改进型恒模多用户检测算法,根据二级扩频调制结构,多址干扰的循环平稳周期等于扰码周期和扩频因子的最小公倍数,为使恒模算法适应这种扩频调制结构,改进型恒模算法中权系数的更新迭代公式随循环平稳周期变化.实验表明:在目标误码率为10-3的4用户WCDMA系统中,改进型恒模多用户检测算法能获得1 dB的增益.