基于交通大数据的公交线路OD矩阵推断方法

随着交通大数据的普及与广泛应用,提出了一种推断多模式交通网络线路OD矩阵的方法。首先,通过匹配乘客的刷卡数据和公交车辆报站数据获得乘客的上车站点,其次结合地铁刷卡数据准确分析乘客的下车站点,最后根据乘客的出行信息获得线路OD矩阵。利用广州一天近800万刷卡数据和600万公交报站数据进行了上车站点、下车站点以及OD矩阵的推断,结果表明:早高峰与全日出行规律一致;广州交通方式呈现多样化等。提出的方法可以更为准确地获得线路OD矩阵,揭示城市交通特点,具有较高的实用价值。     

基于历史出行记录扩充的公交乘客下车站点推算方法

用出行链方法推算的下车站点的记录可作为历史出行数据集,而现有的研究在对出行链断裂的记录进行下车站点推算时使用的历史数据集较小,造成可推算下车站点数据量少、准确率低的缺点.提出基于历史出行记录扩充的公交乘客下车站点推算方法 .首先,使用多源数据集成的出行链方法进行下车站点推算,将已确定下车站点的数据作为历史数据集;其次,基于个人历史相似出行的方法对于未确定下车站点的记录进行推算;最后,选择同线路同站点上车的其他乘客的IC卡记录作为每条未识别下车站点记录的群体历史出行记录,并基于相似出行行为规律进行下车站点的推算.该方法增加了可推算下车站点记录的数据量、提高了推算的准确率.以厦门市为例的实验结果表明:在历史出行记录生成时,使用多源数据可比单源数据多生成3. 48%历史出行记录,推算准确率提高1. 99%;在历史出行记录选择时,选择群体历史出行记录分析得到的历史相似出行行为规律,可对前两种方法无法确定下车站点的所有记录进行推算,占全部待推算记录的21. 81%,其中5. 37%记录的下车站点推算正确.     

基于时空特征提取的城市轨道交通乘客出行目的地预测

为满足城市轨道交通运营组织进行客流管控和行车调度的实时需求,提出了基于乘客OD时空特征的出行目的地在线预测方法。通过分析定义乘客OD时空特征矩阵,以乘客个体的历史自动售检票系统（AFC）数据为训练样本,提出了基于行程密度聚类的乘客OD时空特征提取方法。分析制定乘客实时进站刷卡信息与其OD时空特征矩阵的匹配规则,基于3种匹配情况分别提出了相应的目的地实时预测方法。以南京市轨道交通AFC数据为实例进行验证,结果表明本文提出的预测方法在高峰时段预测准确率、全天预测稳定性等方面效果良好,可为地铁运营组织提供参考。     

基于公交数据挖掘的乘客上下站点识别

为制定符合客流的线路公交调度方案，增大公交出行吸引力，减少私家车出行碳排放，有必要提出精确的线路乘客上、下车站点识别方法，获取精确客流数据，为公交调度提供精细数据支撑。本文以福州市常规公交多源数据为基础，针对数据缺陷提出系统时间误差修正及站间缺失数据修复的数据预处理方法。在此基础上，提出乘客刷卡时间与公交到离站时间匹配的上车站点识别方法。将乘客出行行为按照是否具有出行规律，提出基于乘客出行规律的乘客下车站点识别方法及综合出行距离、换乘能力、出行吸引强度、周围土地利用性质等因素影响下的乘客站点下车概率识别方法。最后，以福州市125路公交数据为例，将识别数据与实际调查数据对比，验证识别方法的准确性。研究结果可为城市公交客流OD调查提供数据挖掘方法，减少传统调查产生的人力物力，以及为公交企业运营调度提供数据支撑。     

基于数据融合的公共自行车接驳公交行为辨识

城市智能交通卡和公交自动车辆定位系统的大规模应用为研究公共自行车换乘公交的出行规律提供了契机.结合多源数据,研究公共自行车接驳公交的换乘时空阈值,根据自行车站点与公交站点间距离构建匹配站点对;并基于时间阈值提取匹配站点对的刷卡记录构建换乘识别模型的训练集和测试集,应用关联规则挖掘算法实现同一用户公共自行车IC卡卡号与公...     

公交出行OD信息获取方法研究

以往通过人工调查获取公交车出行OD的方法既费时又费力,随着城市公交系统的完善,使用公交IC卡已经成为常住居民的习惯,通过对IC卡数据进行挖掘,结合集合论的数学方法来实现居民公交OD出行信息的提取,不但节省了人力物力,在精度上较人工调查也要更高。方法通过数据挖掘,分别建立IC卡刷卡记录表、公交车到站信息表及公交线路信息表,以此可以准确获取IC卡的上车信息,同时在假设公交出行链闭合(前后两次出行均为公交出行)的前提下,以集合论为基础建立了相应的下车站点推算模型,实现了OD出行信息的提取。     

基于IC卡数据的公交乘客上下站点预测研究

当前一票制的公交IC卡收费系统无法获取乘客的上车站点和下车站点,为公交线路客流量分析造成了一定困难。本文通过充分研究IC卡数据以及GPS数据,构建了以IC卡数据为基础的乘客上下车站点匹配模型,挖掘数据中包含的公交运行特征以及乘客出行特征。模型同时考虑封闭式公交出行链以及非封闭式公交出行链,并采用二分算法以及多概率融合的方法在乘客乘车特征基础上推测乘客的上下车站点,可有效提升公交的高效化运行管理。以承德市7号线路为例进行验证,采用线性回归方程对上下车站点匹配结果进行分析,相关系数高达0.977,校验回归方程系数值为0.978 5。结果表明该模型可实现对公交车乘客上下车站点的有效匹配,具有较好的可靠性。     

基于进出站双重选择的新线接入条件下城轨网络站间客流分布预测方法

针对城轨新线接入站间（Origin-Destination,OD）客流分布预测的问题,提出新线接入条件下面向运营的基于进、出站双重选择的城轨客流OD分布预测方法,实现对进、出站选择的双重考虑.首先,考虑站点土地利用、起终点进出站量、出行时间、换乘次数等因素对城轨乘客出行选择的影响,分别构建基于离散选择理论的进、出站选择模型.其次,融合基于进、出站选择的OD分布预测,建立基于进、出站双重选择的OD分布预测模型.最后,以广州地铁18号线接入既有线网为例进行模型验证.研究结果表明：与既有方法相比,本文所提方法预测精度有较大提升,全网站间客流分布的平均绝对误差降低10%以上、新站间OD量平均绝对误差降低20%以上.     

基于云计算的公交OD矩阵构建方法

OD矩阵作为交通客流数据可视化的重要方法,是公交系统评价和优化的重要依据.提出了一种基于云计算的OD矩阵构建框架,在此框架下利用云计算优异的存取速度及计算性能,实现了对公交历史数据的筛选、预处理、变换、数据挖掘、解释评价等操作.此外,还提出一种综合了追踪乘客出行行为规律和估计站点热度的OD矩阵构建模型来实现对乘客下车站点较为精确的估计.算例分析表明,根据该模型计算得到的各站点下车人数结果能较好地拟合实际出行OD矩阵.     

基于出口流水数据的高速公路节假日日OD交通量分布预测

为解决已有传统OD交通量预测方法工作量繁重而精度不高的问题,以高速公路联网收费产生出口流水为数据支撑,综合考虑影响高速公路OD出行需求的多种因素,提出构建多维线性回归模型预测重大节假日总OD交通量,再根据往年各日占总量比例的均值将总量分配至各日的节假日OD交通量分布预测方法。将广东省西片区高速公路网收费出口流水数据用于对本模型的验证。结果表明,该模型在保证较高的预测精度的前提下简化了OD矩阵预测过程,具有较高的实用价值。     

基于CDMA信号的TDOA定位时延参数获取算法

针对利用CDMA导频信号进行TDOA定位时存在时延参数与基站配对这一问题,结合CDMA无源雷达系统,提出基于串行干扰消除(SIC)和并行干扰消除(PIC)两种自动配对算法,并对这两种算法进行比较。仿真表明,这两种算法都可以完成对时延参数的获取,同时可实现时延与基站间的自动配对;另外,相比于并行干扰消除算法,串行干扰消除算法能够获得更高的检测成功概率,但是计算量偏大。     

量子计算在增量式大数据并行挖掘中的应用

针对传统大数据并行挖掘方法是一次性对所有数据进行挖掘,导致挖掘时间较长,挖掘精度较低等问 题,采用量子计算对增量式大数据并行挖掘方法进行优化设计。首先,按照数据挖掘的基本流程搭建并行数据 挖掘模型; 然后分别通过定义量子比特、量子搜索算法、量子神经网络处理以及量子映射变换4 个步骤,实现 增量式数据的预处理,利用矩阵向量相乘分解得到过滤权重组合,通过该组合实现预处理结果的并行协同过 滤; 最后通过量子模糊聚类得出增量式大数据并行挖掘结果。实验结果表明,应用量子计算的增量式大数据并 行挖掘方法的平均召回率为97． 25%,并行挖掘时间在2． 1 ～ 3． 2 s 的范围内浮动,准确率超过95%,且该方法 的收敛性最好,寻优能力强。     

基于IC卡信息的公交客流Origin-destination反推方法

公交客流起止点(origin-destination,OD)矩阵是公交线路调整和优化的重要依据,通过公交IC(integrated-circuit)卡信息获得的数据研究了公交出行的特征.以公交站点上下客人数为约束条件提出了综合考虑了公交乘客上下车概率与公交站点产生吸引因素的反推模型,实例分析表明该方法能显著提高反推的精度,反推结果更具可靠性.     

Automated Detection of Optic Disc from Digital Retinal Fundus Images for Screening Systems of Diabetic Retinopathy

Optic disc(OD) detection is a main step while developing automated screening systems for diabetic retinopathy. We present a method to automatically locate and extract the OD in digital retinal fundus images. Based on the property that main blood vessels gather in OD, the method starts with Otsu thresholding segmentation to obtain candidate regions of OD. Consequently, the main blood vessels which are segmented in H channel of color fundus images in Hue saturation value(HSV) space. Finally, a weighted vessels' direction matched filter is proposed to roughly match the direction of the main blood vessels to get the OD center which is used to pick the true OD out from the candidate regions of OD. The proposed method was evaluated on a dataset containing 100 fundus images of both normal and diseased retinas and the accuracy reaches 98%. Furthermore, the average time cost in processing an image is 1.3 s. Results suggest that the approach is reliable, and can efficiently detect OD from fundus images.     

基于多分辨率和互信息的图像配准方法研究

用互信息进行图像配准可使配准的精度达到亚像素级,但该方法因计算量很大致使配准速度较慢.为了提高图像配准速度,并进一步提高配准的精度,首先运用多分辨率的方法将两幅待配准图像分别分解成n个不同分辨率的子图像,然后利用互信息先将分辨率最低的图像进行粗配准,并将此配准的结果作为下一个分辨率较高的图像配准的基础,继续这个过程直至最高分辨率图像被配准,即运用由粗到精的配准策略减小计算量,从而提高配准速度.用Visual C++6.0编程实现该配准方法,实验结果表明在图像配准过程中将多分辨率和互信息结合起来使用,配准速度得到很大的提高,并且由于多分辨率的使用有利于避免局部最大值,使得配准精度也有了一定程度的提高.     

基于上下车人数的公交客流起迄点估计方法

自动计数器(APC)系统可自动采集大量乘客上下车数据.APC数据以聚集的方式表示公交乘客起迄点(OD)交通流,因此,可用于估计公交OD交通流.据此,提出基于APC数据统计分布的公交乘客起迄点交通流估计模型,并开发高计算效率的HEM(heuristic expectation maximization)算法.在模型评价比较中,考虑了APC样本量、APC测量误差和OD调查样本量对OD估计精度的影响.结果表明,HEM法比传统方法更有效地利用APC数据,OD估计精度更高.另外,HEM法在计算效率和估计精度两方面都优于近年来新提出的基于仿真的OD估计方法.     

基于改进型迭代算法的web数据关联规则挖掘

 因特网上的数据越来越多、越来越复杂,这些异构、动态、分布的信息使得传统数据挖掘方式已经不能达到实际要求。本文提出了一种面向web 数据挖掘的改进型迭代算法,将迭代方法与多服务器并行算法进行结合,并采用该算法建立了一个支持并行关联规则的web 数据挖掘模型,融合存储节点本地计算的思想。实验证明,该模型能够提高web 数据挖掘的效率,并有随着数据量增加执行率升高的特点。     

基于IC卡数据估计交通小区的公交OD算法

公交客流OD是公交线网优化、评估的基础数据;也是公交运营管理不可或缺的重要信息,而公交站点OD是区域公交OD客流的基本单元。在分析利用IC卡数据挖掘公交站点OD客流原理的基础上,梳理公交站点OD推算小区OD的影响因素,引入公交站点至小区之间的距离权重系数以及地块用地分配权重系数,构建了公交站点OD推算交通小区OD的模型算法;并对比分析不同参数构建模型的优劣。同时,以广州市为例进行实证研究,算例表明了模型的可行性和算法的有效性。     

物联网中选择性转发攻击的发现

作为战略性新兴产业之一,物联网具有广阔的市场应用前景,其安全性正在成为普遍关注的焦点。物联网中传感器节点资源有限的特点和不理想的部署环境使其面临着安全脆弱性,容易受到不同类型的攻击,选择性转发攻击是其中危害最严重的攻击形式之一。提出了一种基于数据包ID检测机制的低成本轻量级选择性转发攻击发现算法,即节点每收到一个数据包后都要进行包ID更新,并比较存储包的ID与接收包的ID,根据比较结果确定是否存在可疑节点,并向基站发送报警包进行检举,基站根据节点被检举的次数来判定发起选择性转发攻击的恶意节点。仿真实验结果表明了该方案的有效性,且具有较高的恶意节点发现率和低的误警率。     

基于时段偏好的高铁旅客车次选择行为研究

高频公交化运营已成为部分高速铁路线路满足快速增长需求的行车组织模式.历史售票数据显示旅客对同一起讫站(OD)间平行车次的选择具有明显差异性,基于Logit模型构建考虑出发时段偏好的旅客平行车次选择方法.从车次选择率及购票特征两方面阐述旅客对平行车次选择的差异性,认为出发时段是影响旅客选择的关键要素.利用RP(Revealed Preference)与SP(Stated Preference)组合调查方法获取旅客实际出发时段偏好及潜在支付意愿.将旅客出发时段偏好融合至选择广义费用函数,构建平行车次条件下旅客的车次选择模型.京沪高铁实证分析显示:模型预测结果与实际情况间平均相对误差为6.62%,验证了方法的有效性和准确性.为精细化需求特征分析及管理提供理论基础和决策方法.