基于旅客-航班异构网络的旅客同行子图抽取

由于旅客-航班异构网络仅有高度稀疏的民航旅客同行记录,现有子图抽取方法难以从旅客-航班异构网络中获得旅客同行子图.对此提出基于旅客-航班异构网络的旅客同行子图抽取算法.将旅客-航班异构网络转换为旅客-旅客同构网络,通过随机游走方法得到旅客间的潜在同行关系,使用标签传播算法进行子图抽取.在国内某航空公司的旅客订票数据集上...     

基于多粒度时间注意力RNN的航班客座率预测

准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想。针对该问题,提出一种基于多粒度时间注意力机制的循环神经网络模型MTA-RNN。通过构建多级注意力机制获取航班客座率在不同时间粒度下的时序相关性,同时考虑航班自身属性及节假日等其他因素,得到未来一段时间内的目标航班客座率。在真实历史航班客座率数据集上的实验结果表明,MTA-RNN模型的预测准确率高于ARIMA模型、LSTM模型和Seq2seq模型。     

民航旅客行程状态推断方法研究

现有的民航旅客行程状态推断的相关方法不能对旅客历史行为序列中远距离项的依赖关系建模,且忽略了行程子结构,为此提出一种新的模型来推断旅客行程状态。首先通过图神经网络挖掘出行序列任意机场间的转移模式;其次,构造层次注意力依次在机场级别和行程级别捕获旅客的短期和长期出行偏好;最后融合旅客的短期和长期出行偏好进行分类。实验结果表明,图神经网络的消息传递机制突破了距离的限制,有效捕获了旅客出行序列中任意机场间复杂的关系,模型在多项性能指标上效果很好,构建的图神经网络和注意力机制结合的方法可获得更好的性能;另外,结合实际的应用场景,融入了额外的特征进行信息补充取得了更好的推断效果。     

融合注意力机制的端到端的街道场景语义分割

随着注意力机制的出现,研究人员开始通过对神经网络的特征图中的不同关注角度添加注意力机制来提升图像语义分割准确率.现有融合注意力机制的方法,大多通过计算像素与其它像素之间的关系来求得该像素点的注意力权值,这些方法提升效果具有局限性.针对以上问题,设计了两种不同的注意力模块：空间-条形注意力和通道注意力,提出了一种融合注意力机制的端到端的街道场景语义分割方法.空间-条形注意力采用两种不同条形池化核,捕获条形分布区域之间的长距离依赖关系,可以有效捕获局部和全局上下文信息.在Cityscapes数据集上的实验表明,该算法在验证集和测试集上的分割精度分别为76.89%、77.8%,与现有的算法相比有更好的表现.本文结合人类视觉注意力的特点,提出的两个注意力模型,使得街道场景下的语义分割效果更加准确.     

融合外部属性的短时交通流预测研究

针对现有交通流量预测算法大多仅考虑常态下的预测,而未考虑天气属性、周围地理属性对预测结果的影响,提出一种融合外部属性的组合预测模型（A-STIGCN）。首先,将外部属性作为路网中路段的属性,同时对路段的属性和交通特征进行建模,得到增强的特征向量。其次,采用图小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息,并借助门控循环单元（GRU）对时间信息的长时记忆能力以提取其时间特性。最后,通过注意力机制来捕获时空动态变化性进行交通流预测。采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测,研究结果表明：A-STIGCN组合模型预测效果优于传统线性模型及变体模型,与未引入注意力机制的ASTGCN模型相比,MAE降低了约0.131,精度提高了0.068,与未引入外部因素的TGCN模型对比分析,MAPE降低了约0.637%,精度提高了0.079,从而更好地为交通管理提供指导意见。     

基于卖高行为的航班舱位优化

基于历史定座数据的卖高率估算算法存在高估高价舱需求的风险,为此提出一种基于旅客选择行为的卖高率估算模型,将旅客选择概率引入模型参数,比较符合销售现状。利用期望边际收益方法对原有卖高率模型和所提模型进行收益优化分析,分析结果表明,两者在航班收益上无显著差别,但所提模型会提高航班客座率,这一结果,和模型设计初衷吻合。     

基于数据挖掘的航班延误预警管理分析

目前国内对航空公司航班延误状态的描述缺乏统一的计算模型,对航班延误结果的评价也不是很明确。基于航空公司大量历史运行数据,结合数据挖掘中的预测模型建立方法,采用层次分析法(Analytic Hierarchy Proces,AHP)提出了以延误率、平均延误时间、延误旅客人数为评价指标的航班延误状态描述方法,并运用马尔可夫(Markov)链对评价指标进行预测。利用模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)得到各指标权重,结合模糊综合评判法对航班延误状况进行综合评价,建立航班延误预警指标体系。仿真实验与结果分析表明:预警指标能较准确地反映航班延误状况,评价结果客观,可为航空公司航班延误预警管理提供理论与方法支持。     

融合双层注意力机制的属性网络节点嵌入

属性网络嵌入旨在学习网络中节点的低维表示,具有拓扑和属性相似的节点在嵌入空间彼此接近.注意力机制能有效学习网络中节点与其邻居的相对重要性并基于邻居重要性聚合节点表示.据此,提出一种在属性网络中融合双层注意力机制的节点嵌入算法NETA,可以有效地实现属性网络嵌入.该算法首先从拓扑结构捕获直接邻居,基于属性关系捕获间接邻居...     

航班延误分布式检测与仿真

关于航班延误问题,已成为是困扰民航部门和广大旅客的热点,涉及多个环节和多种影响因素的航班延误状态检测是难点.针对某天某时刻航班实际运行发生的情况,将生物免疫系统机制与机场航班运行机制联系起来,为提高检测准确率,提出了一种分布式人工免疫模型的机场航班延误实时检测方法,采用分布式检测模型的特点,用各周次训练出来的检测器联合实时对下一时刻的机场离港航班延误状态进行检测,仿真结果表明方法不仅能够实时准确地检测机场离港航班状态,而且能够准确预测下一时间段累计延误航班数量,为航班延误预警提供决策支持.     

基于DCS-DES组合的机场航班延误预测方法

航班延误对民航运输业的影响较为明显,针对机场航班运行的特点,将生物免疫机制与航班运行机制相对应,依据航班的延误率对检测器进行划分,用机场航班运行数据对检测器进行训练,提出了基于动态克隆选择算法和动态指数平滑法组合的机场航班延误预测方法,简称为DCS-DES组合方法.对这两种方法采用均方误差各所占比例加权组合预测的方式进行了实验,实验结果表明,该方法能较准确地预测下一时段航班的延误数量,且实时性较好.     

基于贝叶斯网络的航班过站时间分析与延误预测

从航班延误链式波及的角度出发,分析了影响航班过站时间的多种因素,建立了贝叶斯网络模型,模型能够清晰地反映多种因素对下游航班过站时间的影响。提出了基于贝叶斯网络参数估计的航班延误预测算法,当航班发生起飞延误时能够预测下游航班的起飞时间和延误状况。对算法进行了实现,并利用实际航班数据进行仿真,结果表明了该算法有比较高的预测准确率。     

基于双重最相关注意力网络的协同过滤推荐算法

基于项目的协同过滤从用户的历史交互项目中学习用户偏好,根据用户的偏好推荐相似的新项目。现有的协同过滤方法认为用户所交互的一组历史项目对用户的影响是相同的,并且将所有历史交互项目在对目标项目作预测时的贡献看作是相同的,导致这些推荐方法的准确性受限。针对上述问题,提出了一种基于双重最相关注意力网络的协同过滤推荐算法,该算法包含两层注意力网络。首先,使用项目级注意力网络为不同历史项目分配不同的权重来捕获用户历史交互项目中最相关的项目;然后,使用项目交互级注意力网络感知不同历史项目与目标项目之间的交互关联度;最后,通过两层注意力网络的使用来同时捕获用户在历史交互项目上和目标项目上的细粒度偏好,从而更好地进行下一步推荐工作。在MovieLens和Pinterest两个真实数据集上进行实验,实验结果表明,所提算法在推荐命中率上与基准模型基于深度学习的项目协同过滤（DeepICF）算法相比分别提升了2.3个百分点和1.5个百分点,验证了该算法在为用户进行个性化推荐上的有效性。     

融合序列局部信息的日期感知序列推荐算法

基于自注意力机制的序列推荐算法利用用户的交互序列建模用户的动态偏好,预测用户未来的行为。但是,将交互序列直接输入自注意力层将会限制算法对序列局部关联信息的有效利用。此外,现有的大部分推荐算法利用用户最近的行为表征与目标项目的点积计算项目得分,这将削弱先前交互项目对推荐结果的影响。提出融合序列局部信息的日期感知序列推荐算法,使用多个垂直过滤器融合各交互项目在交互序列中的多种局部关联信息,同时使用交叉注意力机制捕获所有历史交互项目和目标项目的关系,并且抛弃了传统的位置嵌入方法,改用交互发生的日期作为绝对时间嵌入。在多个公开数据集上的实验表明,该算法在不同的评估指标上较基线算法均有一定程度的提升。     

基于时间感知Transformer的交通流预测方法

作为智能交通系统的关键一环,交通流预测面临着长时预测不准的难题,其主要挑战在于交通流数据本身具有复杂的时空关联。近年来,Transformer的提出使得时序数据预测的研究取得了巨大进展,但将Transformer应用于交通流预测仍然存在以下两个问题：1)静态的注意力机制难以捕获交通流随时间动态变化的时空依赖关系;2)采用自回归的预测方式会引发严重的误差累积现象。针对以上问题,提出了一种基于时间感知Transformer的交通流预测模型。首先,设计了一种新的时间感知注意力机制,可以根据时间特征定制注意力计算方案,从而更精准地反映时空依赖关系;其次,在Transformer的训练阶段舍弃了Teacher Forcing机制,并采用非自回归的预测方式来避免误差累积问题;最后,在两个真实交通数据集上进行实验,实验结果表明,所提方法可以有效捕获交通流的时空依赖,相比最优的基线方法,长时预测性能提升了2.09%～4.01%。     

基于免疫遗传算法的停机位动态再分配优化

针对兼顾旅客转机行走距离、航班场面滑行距离和停机位使用效率的多目标停机位分配的问题,以最小化航班停机位分配的扰动性为优化目标,建立停机位动态再分配混合整数规划模型.提出基于航班序列的自然数编码方案,设计改进的免疫遗传求解算法,保证个体在遗传操作中的可行性.将免疫算法中个体密度的概念引入对个体适应度值的评价过程,以保持种群的多样性,避免算法过早收敛.实例仿真结果表明,所提出的优化方法能够有效降低延误航班对停机位预分配计划造成的影响.     

基于Bi-LSTM和多通道注意力的电网施工中违章量预测方法

针对配电网施工中违章现象频发导致监管工作中出现的频繁调度问题，提出一种基于双向长短时记忆（Bi-LSTM）和多通道注意力机制的电网施工作业违章量预测方法。首先，通过Word-Embedding将文本转换为词向量；其次，通过Bi-LSTM网络来捕捉违章数量影响因素的浅层语义和时序特征；最后，设计多通道注意力机制，通过多组权重向量来学习多个影响因素以及各因素之间的复杂关系，从而提高模型的特征学习能力。以云南地区真实数据为算例开展实验，所提模型在一天预测中的平均绝对百分比误差（MAPE）与均方根误差（RMSE）两个指标分别达到了2.58%和5.2，从而验证了模型在预测精度和算法鲁棒性方面的优越性。该方法不依赖于任何具体情境，在实际工况环境中具有较好的推广价值。     

基于优化同步误差补偿方法的多电机同步控制

机器设备的同步控制是运动控制领域的热点研究内容,同步精度对加工质量等要素存在显著影响,但易受扰动影响。针对多电机同步控制精度易受外部扰动等因素影响,提出了一种基于优化同步误差补偿方法的偏差耦合算法。引入增益方程对同步误差补偿值进行动态调节,并应用基于改进交叉和变异算子的自适应遗传算法(Adaptive Genetic Algorithm Based on Improved Crossover and Mutation Operator, ECIM-AGA)对方程中的增益系数取值进行寻优。通过建立4台电机的仿真实验,与传统偏差耦合算法相比,结果表明,所提方法的超调量σ分别降低了29.26%、4.19%、2.77%和33.99%,全局同步误差分别下降了40.27%、11.70%、29.74%和28.04%,具有更佳的同步精度。     

基于双重最相关注意力网络的协同过滤推荐算法

基于项目的协同过滤从用户的历史交互项目中学习用户偏好，根据用户的偏好推荐相似的新项目。现有的协同过滤方法认为用户所交互的一组历史项目对用户的影响是相同的，并且将所有历史交互项目在对目标项目作预测时的贡献看作是相同的，导致这些推荐方法的准确性受限。针对上述问题，提出了一种基于双重最相关注意力网络的协同过滤推荐算法，该算法包含两层注意力网络。首先，使用项目级注意力网络为不同历史项目分配不同的权重来捕获用户历史交互项目中最相关的项目；然后，使用项目交互级注意力网络感知不同历史项目与目标项目之间的交互关联度；最后，通过两层注意力网络的使用来同时捕获用户在历史交互项目上和目标项目上的细粒度偏好，从而更好地进行下一步推荐工作。在MovieLens和Pinterest两个真实数据集上进行实验，实验结果表明，所提算法在推荐命中率上与基准模型基于深度学习的项目协同过滤（DeepICF）算法相比分别提升了2.3个百分点和1.5个百分点，验证了该算法在为用户进行个性化推荐上的有效性。     

网上订机票潇洒游天下

同酒店预订一样，商旅之前，订到称心如意的机票也是一件大事。也许多数人已经习惯于选择到就近的航空售票点购买机票，或是通过电话购票，但如果您有上网条件，不妨试试网上订票。或许试过之后，您会觉得网上订票不但手续简单快捷，还有一些传统方式无法比拟的优点：１、个人信息在用户注册时登记，每次订票不义重复填写。提交用户名和密码，个人信息会被网站自动调用并生成订票资料，订票效率更高。２．查询航班动态和订票情况更方便。传统方式需由售票服务人员逐一解答您的查询请求，网上订票让您自己付手查询，航班和出票情况一目了然，…     

基于残差注意力机制的点云配准算法

针对传统点云配准算法精度低、鲁棒性差以及放疗前后癌症患者无法实现精确放疗的问题,提出一种基于残差注意力机制的点云配准算法（ADGCNNLK）。首先,在动态图深度卷积网络（DGCNN）中添加残差注意力机制来有效地利用点云的空间信息,并减少信息损失;然后,利用添加残差注意力机制的DGCNN提取点云特征,这样做不仅可以在保持点云置换不变性的同时捕捉点云的局部几何特征,也可以在语义上将信息聚合起来,从而提高配准效率;最后,将提取到的特征点映射到高维空间中并使用经典的图像迭代配准算法LK进行配准。实验结果表明,所提算法与迭代最近点算法（ICP）、全局优化的ICP算法（Go-ICP）和PointNetLK相比,在无噪、有噪的情况下配准效果均最好。其中,在无噪情况下,与PointNetLK相比,所提算法的旋转均方误差降低了74.61%,平移均方误差降低了47.50%;在有噪声的情况下,与PointNetLK相比,所提算法的旋转均方误差降低了73.13%,平移均方误差降低了44.18%,说明所提算法与PointNetLK相比鲁棒性更强。将所提算法应用于放疗前后癌症患者人体点云模型的配准,从而辅助医生治疗,并实现了精确放疗。