基于浮动车数据的快速交通拥堵监控

浮动车技术是近年来智能交通系统中所采用的、获取道路交通信息的先进技术手段之一,可作为大规模实时交通监控的数据源.由于浮动车数据规模庞大,从大量移动对象中有效处理流数据是其中一大难点.采用相似轨迹聚类的思想,结合与拥堵特征相关的交通参数,提出了拥堵同伴发现算法.该算法能从浮动车轨迹流数据中筛选出可能发生拥堵的浮动车数据,从而对拥堵区域变化趋势进行概化预测,由预测结果决定负载处理方式.此外,设计基于预测的多优先级调度算法用以实现整个监控流程.提出的方法可有效降低处理浮动车数据的代价,实现快速交通拥堵监控.通过在城市路网中大规模出租车轨迹数据上的实测,验证了这种算法的有效性和优势.     

浮动车车速处理分析系统中的数据融合技术

利用浮动车技术可以方便地获取路网车速,但由于采集的原始数据存在误差等原因,使得处理后的车速不能反映路网实际车速,利用数据融合技术可以解决这些问题。结合数据融合的三个级别,提出利用关联检验的方法过滤误差数据,利用统计车速与历史库车速的融合解决由于浮动车少造成车速代表性差的问题,利用浮动车同固定检测器的融合解决复杂路网下车速的处理问题。     

基于浮动车移动轨迹的新增道路自动发现算法

为了实现电子地图数据的动态更新,以支持日新月异的交通路网的地理信息服务,提出一种基于浮动车技术的新增道路自动发现算法。系统实时计算大规模浮动车数据移动轨迹,并与现有图层进行图像配准以提取疑似新增道路集,进而通过筛选过滤算法对数据集进行数据清洗,并自动地生成包含其位置和长度等信息的疑似新增道路报表及其临时图层。实验结果表明,该算法可快捷地自动发现新增道路,新增道路最快发现时间小于5min,是解决目前交通道路图层更新滞后问题的一种有效方法。     

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。     

基于浮动车数据非参数回归短时交通速度预测

非参数回归算法是近年来提出的一种较新型的短时交通流预测算法,为了提高预测精度,提出了基于误差反馈的预测方法.加入误差反馈机制,针对状态向量中的权值进行实时的反馈修改,得到了较满意的结果.采用成都市浮动车系统中的出租车浮动车数据对红星路二段的速度进行了预测,预测结果表明,该算法的预测精度优于无反馈的非参数回归和BP神经网络.     

基于MapObjects的浮动车中心地图匹配综合算法开发

浮动车技术是一种新型交通流信息采集技术。以杭州市浮动车中心地图匹配算法开发为例,对地图匹配算法的实现步骤、组成进行了分析,基于MapObects组件技术,给出了部分功能的具体实现方法。     

基于数据融合的铝箔轧制过程状态识别研究

针对铝箔轧机箔带轧制过程中出现的断带问题,通过分析和对比在正常状态下和断带故障发生前张力、速度等物理参数的变化,从而得出反映箔带轧制状态的特征参数形式。采用基于D-S证据理论的数据融合方法,对所得出的特征参数进行融合处理。最终输出对箔带轧制状态的识别结果,为下一步的断带保护作了积极的探索。     

基于Schatten p范数的城市快速路异常交通状态估计

道路车辆速度是交通状态判别中最为重要的评价指标.对于一些GPS数据量稀疏的快速路路段,车辆临时停车、走应急车道等行为会出现浮动车数据反映的交通速度与实际路段车速不符的情况,从而无法对路段交通状态进行准确的判断.针对这类数据稀疏路段,为了能够准确地判断路段交通状态,以出租车数据为研究对象,提出了一个基于浮动车数据的判别异...     

一种基于虚拟化托管框架的浮动车数据弹性云计算算法

针对大规模浮动车数据（FCD）进行弹性计算等关键性算法研究,在分布式并行处理的基础上,通过虚拟化托管框架,实现FCD弹性计算处理系统及FCD实验平台,该平台不仅能够对浮动车数据处理,还能通过适配处理遥感影像数据等。通过北京市实际浮动车数据集和路网数据测试,实验结果表明,不仅处理效率得到较大幅度提升,并且通过负载均衡优化,进一步降低处理时间,在此基础上,根据任务紧急重要程度,以及虚拟化资源情况,调度合适的计算单元,可实现弹性计算能力,验证该算法的有效性,更好地解决大规模复杂空间数据运算的效率问题。     

基于混合数据增强的MSWI过程燃烧状态识别

国内城市固废焚烧(Municipal solid waste incineration, MSWI)过程通常依靠运行专家观察炉内火焰识别燃烧状态后再结合自身经验修正控制策略以维持稳定燃烧, 存在智能化水平低、识别结果具有主观性与随意性等问题. 由于MSWI过程的火焰图像具有强污染、多噪声等特性, 并且存在异常工况数据较为稀缺等问题, 导致传统目标识别方法难以适用. 对此, 提出一种基于混合数据增强的MSWI过程燃烧状态识别方法. 首先, 结合领域专家经验与焚烧炉排结构对燃烧状态进行标定; 接着, 设计由粗调和精调两级组成的深度卷积生成对抗网络(Deep convolutional generative adversarial network, DCGAN)以获取多工况火焰图像; 然后, 采用弗雷歇距离(Fréchet inception distance, FID)对生成式样本进行自适应选择; 最后, 通过非生成式数据增强对样本进行再次扩充, 获得混合增强数据构建卷积神经网络以识别燃烧状态. 基于某MSWI电厂实际运行数据实验, 表明该方法有效地提高了识别网络的泛化性与鲁棒性, 具有良好的识别精度.     

基于模糊综合评判的多源公交动态数据融合

为满足物联网和智能交通系统的发展要求,利用基于浮动车数据(FCD)技术和无线射频识别(RFID)技术,建立公交车FCD、出租车FCD和固定式RFID检测数据的模糊综合评判模型,实现多源公交动态数据融合,从而更加准确可靠地获取公交动态运行数据。以宁波公交车电子站牌预报公交车到站时间为例,验证该方法的有效性。     

Urban traffic congestion estimation and prediction based on floating car trajectory data

Traffic flow prediction is an important precondition to alleviate traffic congestion in large-scale urban areas. Recently, some estimation and prediction methods have been proposed to predict the traffic congestion with respect to different metrics such as accuracy, instantaneity and stability. Nevertheless, there is a lack of unified method to address the three performance aspects systematically. In this paper, we propose a novel approach to estimate and predict the urban traffic congestion using floating car trajectory data efficiently. In this method, floating cars are regarded as mobile sensors, which can probe a large scale of urban traffic flows in real time. In order to estimate the traffic congestion, we make use of a new fuzzy comprehensive evaluation method in which the weights of multi-indexes are assigned according to the traffic flows. To predict the traffic congestion, an innovative traffic flow prediction method using particle swarm optimization algorithm is responsible for calculating the traffic flow parameters. Then, a congestion state fuzzy division module is applied to convert the predicted flow parameters to citizens’ cognitive congestion state. Experimental results show that our proposed method has advantage in terms of accuracy, instantaneity and stability.     

基于人工免疫系统的RFID数据过滤模型研究*

为了避免感染计算机病毒或者包含恶意代码等不良信息的电子标签对RFID应用系统运行效率的影响,采用人工免疫系统的多层过滤机制建立了面向RFID数据中不良信息的过滤模型,模型的实施包括数据预处理、多层过滤器的生成与衰亡、过滤器的应用及进化。实验结果表明,该模型有较高的召回率和正确率,这说明了基于人工免疫系统的RFID数据过滤模型具有动态性和自适应强的优点,并为特定领域的信息分类问题解决提供了参考。     

道路动态资源研究

运用流体动力学和交通工程学基本原理建立了城市道路动态资源的计量模型。基于城市智能交通数据采集系统采集的动态交通信息,运用城市地理信息系统（GIS）相关方法,对上海市内环内城市道路资源进行可视化描述,分析了城市道路资源的瓶颈地带;对深圳市道路运行状态进行了分析和评价,结果显示深圳市城市道路中支路基本符合规划预期,主干道则部分偏离规划预期。     

基于平衡兴趣树的P2P空间数据服务调度*

构建空间信息网格要求解决海量地理空间数据传输问题,通过分析空间数据服务特征,对空间数据设计了多级网格索引,利用P2P技术设计了基于平衡兴趣树的空间数据服务网络模型。算法按peer兴趣区对申请空间数据服务的peer进行组织,将peer间路由关系动态组织成一种新的拓扑结构——平衡兴趣树。算法可动态维护网格热度表中数据块的热度,通过热度表可快速发现网格数据块在P2P网络中的位置并下载,从而减轻了空间数据服务器压力,提高了服务效率。     

基于改进科学计算浮点数压缩算法的工业远程监控数据无损压缩方法

为解决大量工业远程监控数据在通用分组无线服务(GPRS)网络上的传输延迟问题,提出了基于改进科学计算浮点数压缩(FPC)算法的工业远程监控数据无损压缩方法.首先,根据工业监控数据中浮点数部分的特点对原FPC算法中的预测器结构进行改进,并将该改进算法作为浮点数部分的压缩算法; 然后,与区间编码相结合作为整个数据域的压缩方法.改进前后的浮点数部分压缩实验结果表明改进的FPC算法提高了预测器的预测精度,且在保持较高压缩效率的同时提高了压缩率.与通用无损压缩算法相比,所提算法提高了12%以上的平均压缩率,减少了38.5%以上的平均压缩时间,使得传输时间降低了23.7%以上,在传输数据量大且传输速率不高的情况下大大提高了监控的实时性.     

道路交通网络中的关键节点识别方法研究

在现实世界中，大量复杂系统都可以通过抽象的节点和连边构成的网络来加以刻画。作为城市交通系统的重要组成部分，道路交通网络是一个典型的复杂系统，与人们的生活密切相关。道路交通网络中的关键节点识别问题是复杂网络领域研究中的一个经典难题。传统的度中心性算法和PageRank算法在复杂网络的关键节点的识别中具有较好的应用，考虑到道路交通网络中关键节点的特殊性和彼此关联性，在度中心性算法的基础上引入贪心算法的思想，提出了一个基于贪心策略的度中心性关键节点识别方法；同时，在PageRank算法的基础上引入贪心算法的思想，提出了一种基于贪心策略的PageRank关键节点识别方法，从而使道路交通网络中关键节点识别的结果更合理，在交通道路维护保养、规划设计，以及犯罪分子潜逃阻断等领域都有重要的应用价值。通过公开数据集与经典的关键节点识别方法做比较，验证了算法的有效性。     

基于共享基础数据的信息系统集成方案

为解决企业信息系统集成中跨系统数据访问难的问题,提出基于共享基础数据资源的企业信息基础设施建设的理论基础、整体框架和实施方案.通过分析企业各种应用系统中所涉及的共享基础数据,构建基于共享基础数据资源平台的企业信息系统整体框架,并简单介绍按此方法实施的一个企业信息化基础设施建设的实际例子.     

改进的基于符号数据的协同过滤推荐算法

随着用户和资源种类的不断增加,评价矩阵的稀疏性问题越来越突出,严重影响了推荐系统的推荐质量。奇异值分解(SVD)是一种对数据进行降维处理的方法,符号数据分析(SDA)是一种处理海量数据的全新数据分析思路。提出一种改进的基于符号数据的协同过滤推荐算法,即将奇异值分解和符号数据分析方法结合起来运用到推荐系统中。在EachMovie 数据库集上的实验结果表明该算法在数据稀疏时的推荐质量明显优于传统的推荐算法。