基于GPS和IC卡的单线公交OD生成方法

分析了公交车GPS和公交IC卡的基础数据.提出了基于公交车GPS和公交IC卡的数据融合的理论依据及两级数据融合方法;首次利用"总量控制"的思想较好地解决了在进行下车人数的推算过程中所产生的总量误差问题:建立了生成单线公交OD的计算公式模型,该模型将为公交运行评价、智能调度、线网优化等提供科学的数据参考依据.     

公交IC卡信息管理系统开发

介绍以非接触式IC卡作为储值支付手段的公交IC卡信息管理系统的功能、网络结构及系统开发,呈现系统所采用的Oralce数据库和前台开发工具Powerbuilder的特点和性能.     

基于公交IC卡数据的大规模OD矩阵推导算法研究*

为实现基于公交IC卡数据的大规模OD（Origination-Destination）矩阵推导,提出了一种不关联公交调度信息和GPS数据的OD矩阵推导算法。首先,提出了站点序号标注算法,通过时间聚类思想,设计了自适应调整的时间间隔阈值以判断公交车的行驶状态,将公交站点序列与刷卡记录进行匹配。在此基础上,提出了单个公交车的行驶方向标注算法,通过从已知行驶方向的公交车推导未知方向公交车的方向标注算法。为了最大化解决公交数据的上车站点信息补全问题,将全局公交车行驶方向标注问题映射为图论中的节点遍历问题,利用贪心生长算法和广度优先策略实现了局部最优。最后该算法处理某市的公交IC卡数据,得到了公交出行链假设下的城市居民大规模OD矩阵。结果显示算法可有效推导大规模OD矩阵。     

公交IC卡收费系统安全方案

公交IC卡收费系统是以非接触式lC卡为储值卡支付手段,以计算机系统为信息处理方法的安全可靠的现代化管理系统,加快公共汽车收费速度,提高运营效率,以方便广大市民,确保用户利益。     

基于AVL数据的公交运行可靠性评价及影响因素分析

结合成都市48路公交线路全天车辆自动定位(Automatic Vehicle Location,简称AVL)数据,定量分析公交运行可靠性及其相关关系。对比证明区间运行时间均值与其标准差的对数呈现更为显著的线性关系后,量化指标区段长度、信号交叉口个数、公交专用道长度、站点个数、时间段,并细化指标沿线土地利用性质,建立多元线性回归模型以解释造成区间运行时间波动的原因。考虑到不可靠性会随着车辆的运行而逐步向后续区段传播的特性,提出了在因变量中加入前一区段运行波动性这一指标,以从时间和空间两个层面探究造成公交运行不可靠的原因,最终证明区段间公交运行可靠性存在较强关联性。     

基于ZigBee的公交IC卡实名制系统设计

随着物联网技术的发展,设计一种公交IC卡实名制系统已经成为一种可能;在此基础上提出一种基于ZigBee的公交IC卡实名制系统设计方案;该设计方案采用新一代SOC芯片CC2530作为整个系统ZigBee节点主控芯片,多个ZigBee节点构成拓扑网络收集IC卡信息,每个子网最终通过ZigBee协调器和GPRS构成的网关连接远程数据库,实时更新数据库信息;通过C/S客户端管理IC卡,实现公交IC卡实名制;文章方案也可以进行二次开发,加入公交车位置、公交车传感器数据等信息;测试表明,远程数据库中IC卡信息能够准确更新,具有很强的实用价值。     

一种基于乘客出行轨迹的公交断面客流估算方法

为充分利用公交车GPS数据和IC卡数据来估算公交断面客流,提出一种对刷卡乘客分类推断上、下车站点并扩样叠加轨迹的方法。首先通过融合公交车GPS数据和IC卡数据来推断不同类别刷卡乘客的上、下车站点;然后,结合投币乘客的出行特征,用低出行频次刷卡乘客的出行轨迹拟合投币乘客的出行轨迹,并对全部乘客的出行轨迹进行叠加;最后以广州公交为例进行了实验。实验结果表明提出的方法可以免交通调查近似得到单条公交线路的断面客流。     

IC卡数据存储模型的研究

本文首先研究了IC卡数据存储的特点,依据存储特点将IC卡划分为单数据应用分区IC卡、单分区IC卡和多分区IC卡三类。给出了IC卡的只读区、控制区、数据区和分区的定义,并在此基础上构造出单张IC卡的数据存储模型和对应的数据结构。为了能够描述任意类型的IC卡,本文进一步提出IC卡的统一数据模型和对应的数据结构,并给出了统一数据模型中分区信息表的数据结构以及数据存取的算法。     

基于随机灰色蚁群神经网络的近期公交客流预测

为了科学准确地预测近期公交客流量,根据近期公交客流量预测受到多因素影响以及非线性的特点,利用随机灰色变量描述预测系统的不确定性,建立了随机灰色预测模型以及基于蚁群算法的递归神经网络模型,在此基础上,提出了一种基于随机灰色蚁群神经网络的近期公交客流量预测方法。最后以铜陵市为例,对模型的预测精度和有效性进行了分析。结果表明,基于蚁群算法的递归神经网络模型的预测精度不但高于其他单一预测模型,而且明显优于其他传统组合预测模型,能很好地反映事物发展的规律,能够指导公交经营管理者近期的决策行为,有效地改善了预测精度。     

基于公交刷卡数据的城市通勤时空分析

目前大部分公交卡仅用于收费,刷卡记录中不包含乘客的出行站点信息,无法研究乘客的空间出行特征.为了获取乘客的上车站点,将公交刷卡数据和GPS定位数据相匹配,增加到离站弹性阈值,改进传统的上车站点推导算法;通过对公交刷卡行为进行分析,将乘客个体融入到公交乘客整体中,提出下车站点推导算法;在此基础上提出出行时间链的概念,结合...     

基于IC卡的数字签名技术研究与实现

随着电子商务的广泛应用,身份认证成为影响其发展的关键技术之一。本文基于非对称加密系统中的RSA算法和MD5报文摘要算法,提出了一种基于IC卡的数字签名的方案。试运行结果表明,该方案实现了防篡改、防抵赖的签名功能。     

基于浮动车数据的公交车路线规划研究与实现

公交路线规划的传统方法主要是依靠人力调查,虽然这种方法被证明是可行的,但在这期间花费了大量的人力和物力。此外,这种方法也不适应城市的快速发展所导致的路网频繁变化。针对这种情况,根据收集到大量的出租车GPS数据,提出一种夜间公交车路线规划方法。主要包括三个部分:首先,在提取有效轨迹数据的基础上,找出聚集区确定候选车站集。然后,设定规则把复杂的候选车站集简化为有效公交车路线集。最后,提出两种算法选取最为理想的一条路线。结果表明,相关性启发式搜索算法得到的路线综合考虑候选车站间的相关性,是在规定时间内载客量最大的路线。     

IC卡系统数据一致性研究

IC卡系统的数据一致性指IC卡记录的信息必须与IC卡系统中计算机记录的信息严格一致，共关键问题在于IC卡交易信息必须同时写入IC卡和交易计算机。文中在对分布事务一致性理论进行深入研究的基础上，结合IC卡系统特点，提出了“非对称双节点分布事务”的概念和“非对称双节点两阶段提交”算法，从 理论上解决IC卡系统数据一致性问题，并讨论了若干具体实现技术。     

基于IC卡的有线电视用户收费及管理系统的设计与实现

本文介绍了一个基于OC卡的有线电视用户收费及管理系统的设计和实现,给出了系统的总体结构,并对其主要组成部分的原理和功能作了阐述.     

基于非接触式IC卡教学考勤系统的设计与实现

结合当前在高校日常管理中广泛使用的非接触式IC卡的特点和第三方提供的读卡器以及接口函数的功能,提出一种简单高效的教学考勤系统的设计方法.给出了系统所需的数据结构和发卡系统的工作流程,介绍了系统数据库的设计思路,详细描述了系统各模块的具体功能、设计思路和实现方法.系统可以解决高校教学管理中怎样高效考勤这一难题.     

基于AFC的地铁车站楼扶梯客流参数预测与状态判定

通过采集和计算得到地铁站楼扶梯等候区的客流密度和通过时间两个客流参数。对各闸机的进出站AFC数据和预测楼扶梯等候区的客流参数进行相关性分析,筛选出与预测楼扶梯相关联的闸机组。在此基础上,采用改进的NARX神经网络建立基于关联闸机组AFC数据的楼扶梯等候区客流参数预测模型,并提出基于客流参数预测值的楼扶梯等候区客流状态判定方法。通过MATLAB对AFC数据及客流参数进行仿真。结果表明,该预测方法能够通过地铁车站关联闸机组的进出站AFC数据对楼扶梯等候区的客流参数进行较高精度的预测。研究成果可为地铁站内楼扶梯等拥堵点的客流状态预判提供决策依据。     

一种基于IC卡仪表系统的Rijndael改进算法及硬件实现

本文根据IC卡仪表系统的实际需求,提出了一种基于Rijndael算法的改进算法,并针对该改进算法的实现问题进行了深入的研究。通过使用动态密码对明文的修补,使其密文长度与明文长度相等。同时,本文基于可编程专用集成电路（ASIC）和VHDL语言,在对接口单元、控制单元、密钥调度模块和加／解密模块分析设计的基础上,给出了用现场可编程门阵列（FPGA）实现该改进算法的一种方案。     

基于CAN总线的汽车记录仪存储功能设计与实现

针对汽车研发系统对各控制器信号进行数据分析的需要,设计了一种能实时采集信号值并将采集数据以MDF(Measure Data Format)文件格式存储在U盘里的汽车记录仪。首先给出基于CAN总线汽车记录仪的系统结构和软件流程,在此基础上,通过对FAT文件系统和MDF文件标准进行分析,详细介绍了存储模块的设计与实现。所开发的汽车记录仪已成功应用于奇瑞汽车A5车型,并取得良好效果。     

基于ARMA-LSTM组合模型的铁路客流量预测

单一模型在铁路客流量预测中很难同时捕获到数据序列的线性、非线性和周期性等多种特征,从而无法取得很好的预测效果.针对该问题提出基于机器学习的ARMA-LSTM组合模型预测方法.对原始数据进行分析和特征提取;训练LSTM(Long Shot-Term Memory)模型和ARMA(Autoregressive moving average model)模型,分别得到两模型预测结果;通过BP神经网络算法对两模型进行权重优化,得到预测结果.将ARMA-LSTM组合模型与ARMA、LSTM、灰色模型、GM-LSTM组合模型进行对比,预测效果明显优于其他单一模型,预测结果误差(MAPE)降至3.10％ ～10.73％,验证了ARMA-LSTM组合模型在铁路客流量预测中有更高的准确性和更好的适用性.