基于手机信令数据的用户出行方式识别

基于通信网络获取的手机信令数据,挖掘用户出行轨迹,在传统模糊C均值聚类算法(fuzzy c-means algorithm,FCMA)的基础上,依据出行方式的先验知识构建初始隶属度函数,并将传统欧氏距离替换为对多维度数据之间变化关系更加敏感的马氏距离,提出基于改进模糊C均值聚类算法的出行方式识别模型,对长春市区范围内用户的三种常见出行方式,即步行、自行车、机动车进行识别,并从用户出行距离、出行时耗、平均行程速度三方面验证了模型识别结果的准确性.     

SCATS线圈数据短时多步双重预测方法

为了进一步改善悉尼自适应交通控制系统(Sydney coordinated adaptive traffic system,SCATS)线圈数据短时多步预测的效果,在对SCATS线圈数据进行预处理的基础上,将当前与之前若干时间间隔的交通数据及对应的时间点作为交通模式特征向量的构成要素,用欧式距离作为当前交通模式特征向量和历史交通模式特征向量相似性的测度指标,以多步预测结果的误差最小为目标选取近邻数,通过对交通模式之间距离的倒数正规化处理,确定了所选相似交通模式的未来交通参数的权重,设计了一种基于k近邻(k nearest neighbor,k-NN)算法的短时多步双重预测方法,包括SCATS线圈数据的多步预测方法以及可预测步数在线估计方法,并采用某特大城市SCATS线圈实测数据进行了验证和对比分析.结果表明,所提出的新方法能够进一步降低SCATS线圈数据短时多步预测的误差.     

基于手机信令数据的快递人员辨识方法

提出一种基于朴素贝叶斯分类法(naive Bayesian classifier,NBC)的城市快递人员辨识方法.首先,通过相关问卷调查,研究快递派送人员的手机信令发生规则.然后,依据北京市移动用户手机通信信令数据,利用问卷调查数据和手机信令数据2种数据源中同时包含的通信数据属性,建立通信数据与调查数据中类别变量(快递人员/非快递人员)之间的贝叶斯概率关系,以此为基础构建NBC模型并对其进行训练.最后,使用未参与训练的样本数据测试标定后模型的准确性,测试结果显示快递人员的预测成功率达到88.3%.结果表明:该方法具有较高的精度,可以满足实际应用需求.     

手机信令与出租车GPS数据融合车源定位方法

为揭示居民出行行为与城市交通拥堵的内在关联,并为缓解城市交通拥堵提供技术支持,利用高覆盖率、低精度的手机数据和低覆盖率、高精度的出租车GPS数据,构建了数据驱动的车源定位方法.利用手机数据获取出行需求信息,利用出租车GPS数据获取交通状态信息;提出基于数据融合的出行OD估计方法,进行交通流分配,对城市道路车流来源及城市拥堵源进行动态定位.结果表明:道路车流主要来自于少量车源小区,且拥堵状态下这些小区更加集中;同时受居民通勤行为的影响,城市全局拥堵源在早晚高峰表现出不同的特征.利用数据融合的车源定位可以用于揭示拥堵形成的内在机理及演化规律,辅助制定有针对性的拥堵缓解策略.     

基于手机信令大数据的应急人口热力图系统研究

具备特定区域人口热力洞察监测的能力是智慧应急发展的必然要求,也是应急管理体系现代化的重要组成部分.H省地质灾害种类多,各类事故较为频发,亟需快速掌握特定区域的人员数量、流动趋势及人员基本属性等资讯,以便精准发布预警预报、精确实施应急救援.文章结合手机信令大数据的特点,从前端应用、后端数据处理等方面,对城市应急指挥救援开...     

基于改进LSTM算法的短时交通流量预测

针对短时交通流量预测模型受噪声数据影响预测误差较大的问题,提出了一种改进的长短期记忆网络(long short-term memory,LSTM)的短时交通流量预测模型——MVF-LSTM模型,该模型使用算术平均滤波MVF对LSTM模型的输入层进行改进,从而增加LSTM隐藏层输入的维度,利用平均相对误差对模型的迭代次数...     

手机信令支撑下的城镇体系结构测度——从流空间视角

城镇体系结构是城镇协同与制约关系的空间呈现.通过立足城镇体系的“三结构”,运用手机信令数据,从流空间的视角构建多尺度的城镇体系结构测度框架,对城镇等级规模结构和地域空间结构进行整合.测度过程中通过耦合联系流量和联系流向改进了城镇等级规模测度模型;同时从城镇分布、联系及组合状态三个方面测度城镇地域空间结构.最后,以宁波市乡镇为对象展开测度,结果表明该市呈现“一主四副,五轴四区”的空间格局,据此完成了宁波市城市总体规划实施评估,继而验证了该框架的可行性与科学性并提出了市域空间格局的优化建议.     

基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法

针对交通流量特性和外部因素对交通流量预测结果的影响,提出了一种对城市短时交通流量预测的模型CNN-ResNet-LSTM,将卷积神经网络（CNN）、残差神经单元（ResNet）和长短期记忆循环神经网络（LSTM）集成到一个端到端的网络框架.利用卷积神经网络来捕获城市区域间交通流量的局部空间特征,并在卷积神经网络中加入多个残差神经单元来加深网络深度,可提高预测的准确性;利用长短期记忆循环神经网络来捕获交通流量数据的时间特征;利用相应的权重将2个网络的输出结果融合,得到通过轨迹数据预测的结果;最后与外部因素融合,得到城市区域的交通流量预测值.用北京市轨迹交通数据对该模型进行验证,CNN-ResNet-LSTM模型不仅在准确率方面比传统模型高,而且在保证预测准确率的情况下,模型使用的参数也少.     

基于PCA的改进SIFT特征提取算法

提出一种改进SIFT算法,该算法主要针对传统SIFT算法数据量大、耗时长的问题,利用主成分分析法对SIFT算法进行改进,降低了SIFT算法提取的特征维数,并结合人脸数据库进行算法验证.结果表明,改进SIFT算法不仅具有亮度变化、旋转和尺度不变性,而且较原算法更稳定、精确、快速.     

上海顾村公园樱花节大客流特征及预警研究——基于手机信令数据的探索

为解决旅游人口增加导致的城市客流激增与滞留及交通拥堵等问题, 提出一种基于手机信令数据精准提取游客特征的方法,精准识别游客的出行轨迹,分析挖掘旅游客流的特征及其变化规律. 基于上述方法,以北京八达岭长城景区为案例进行计算、识别与分析,得到其景区内游客的时空特征. 结果表明,该方法具有普适性和可移植性,可在数据支撑充足的情况下完成长时段、多范围的景区客流识别及出行规律挖掘,为景区客流量预测及应急保障提供科学数据支撑,并为旅游、交通管理部门和旅游者提供决策支持,提高旅游交通的服务水平.

     

基于混沌蚁群算法的电力短期负荷预测

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先利用混沌理论将杂乱无章的历史数据进行相空间重构,找出其中的潜在规律,并粗选预测参考点;然后利用蚁群优化算法,考虑距离因素和相点演化的相关性因素,对粗选的预测参考点作进一步精选,提高其质量;最后采用GM（1,1）灰色模型得到预测日的负荷数据。实际算例验证了提出的方法具有较好的预测精度。     

基于遗传程序设计方法的短期电力负荷预测

对遗传程序设计算法进行介绍,尝试将其应用到短期电力负荷预测中。先对负荷样本进行常规和滤波处理,消除伪数据,然后运用遗传程序设计的复杂表达能力,把不同日同一时刻的负荷序列作为样本,对未来负荷进行分时短期预测。该遗传程序设计方法无需考虑如温度等因素,随机常数能自动平衡与负荷有关因素的影响,并自动生成相应的数学模型,通过模型可以计算出未来时刻的负荷,有效避免了人为造成的误差,简单可行。经过和时间序列方法的预测结果进行比较,表明该方法效果较好。     

Short-term load forecasting based on fuzzy neural network

The fuzzy neural network is applied to the short-term load forecasting. The fuzzy rules and fuzzy membership functions of the network are obtained through fuzzy neural network learming. Three inference algorithms, i.e. themultiplicative inference, the maximum inference and the minimum inference, are used for comparison. The learningalgorithms corresponding to the inference methods are derived from back-propagation algorithm. To validate the fuzzyneural network model, the network is used to Predict short-term load by compaing the network output against the realload data from a local power system supplying electricity to a large steel manufacturer. The experimental results aresatisfactory.     

基于Android手机终端信息查询系统的设计

针对外出人员计算机上网不便等实际问题,设计基于Android平台开发的手机终端跨地域酒店信息查询软件,利用Java、数据库和JavaWeb等技术完成整个系统的设计。实现了从客户端、网络到服务器端完整体系。经系统的功能测试,该软件可顺利实现各项功能。给用户出行带来再大的便利。     

基于模糊聚类理论的水量短期预测方法

为提高城市供水系统水量负荷的预测精度,提出一种基于模糊聚类理论的城市管网水量短期负荷预测的新方法.该方法通过对负荷历史数据进行聚类、隶属度分析,利用模糊聚类参数来描述负荷与影响因素之间的关系,并应用这种确定的相关关系进行负荷预测.应用MATLAB语言进行预测仿真得到基于模糊聚类的模糊训练结果、最终预测结果和预测误差.实践表明该方法较多地考虑各种影响因素,结构简单,预测精度高.     

基于图像处理的复杂条件下手机二维码识别

针对手机二维码在光线不均衡、拍摄条码发生几何畸变等复杂条件下的识别问题,以QR码为例,提出利用透视投影变换对拍摄图像进行几何畸变校正,使用多阈值方法进行二值化处理。依据位置探测图形的特点对条码图像进行定位和裁切,设计了基于采样网格的窗口采样方法,以提高信息采样准确率,给出了QR条码的纠错译码步骤。实验结果表明,该方法可以有效识读光线不均和几何畸变的手机二维码。     

基于Moldflow的手机电池盖浇口位置选择

首先对手机电池盖的结构进行分析,选择了两种浇口位置,并据此设计了2种浇注系统.然后采用Moldflow软件分别从充填时间、流动前沿处温度、体积收缩率等方面对这两种浇注系统进行注塑成型分析和比较,最终确定了最佳浇注方案和最佳浇口位置.     

结合改进残差网络和Bi-LSTM的短期电力负荷预测

为充分挖掘电力负荷历史数据的潜在特征,提高短期负荷预测模型的预测精度,提出了一种由改进残差网络（ResNetPlus）、注意力机制（Attention mechanism,AM）和双向长短期记忆网络（Bi-directional long short-term memory,Bi-LSTM）结合而成的残差AM-Bi-LSTM预测模型。该模型将历史负荷、温度和所预测日期的特征作为输入,在Bi-LSTM模型基础上,引入多层改进残差网络提取输入数据的隐藏特征,有效克服了网络隐藏层数加深导致的网络退化问题,使模型的反向传播能力大幅提升;加入注意力机制,分析网络中输入信息与当前负荷的相关性并突出重要信息的影响,从而提高模型的速度与准确率;使用Snapshot策略集成收敛于不同局部极小值的多个模型,以提升模型的准确率和鲁棒性。最后,使用美国ISO-NE数据集进行模拟预测,测试结果表明:所提模型的平均预测精度达到98.27%;在连续的12个月中采用该模型的平均预测精度相比于LSTM模型提高了2.87%;在不同季节下采用该模型的平均预测精度相比于AM-Bi-LSTM和ResNetPlus模型分别提高了1.05%和1.16%。说明所提模型相较于对比模型具有较高的准确率、鲁棒性以及泛化能力。     

马特拉算法在遥测数据短期预测中的应用

为了提高遥测数据预测的精度和实时性,针对遥测数据的非平稳性和周期性特点,引入小波分析的预测技术,提出了一种对遥测数据序列进行不同频段上的分解方法:遥测数据时间序列依据选定的N阶多贝西小波和分解尺度值2分解为低频分量和高频分量,针对不同分量建立了基于马特拉算法、周期自回归模型和指数平滑法的时间序列短期预测模型,各分量预测结果经小波变换的逆算法重构后输出.仿真实验结果表明该方法满足遥测数据工程预测要求,能够有效地解决遥测数据的短期预测问题.通过对遥测数据短期预测结果的研究分析可提前判断卫星潜在的趋势,为指挥人员的正确决策提供科学依据.