多源数据融合的城市区域时变停车需求识别方法

城市时变停车需求的准确感知是制定停车管理政策的前提条件之一,然而由于难以获取城市所有停车场进出车辆数据,且部分老旧停车场尚未实现信息化管理,以及违章停车的存在,导致城市区域时变停车需求识别困难。本研究利用城市已有交通信息采集设备,以卡口车牌识别数据、停车场进出车辆数据和出租车GPS数据为基础,通过训练模型区分停车与行车在前后两次卡口数据中的特征差异来识别车辆停车行为,从而实现城市区域时变停车需求识别。首先,结合493个停车场的进出车辆数据和3649辆出租车的GPS数据确定车辆行停状态,得到846204个停车样本和81654个行车样本,并基于合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)+最近邻(Edited Nearest Neighbor,ENN)算法对不均衡行停数据集进行组合采样;其次,利用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)来识别车辆的停车行为,结果表明本文建立的停车行为识别模型准确率为93.1%,精确率为99.6%,召回率为86.5%,识别效果优于其他传统方法;最后,应用该方法对某城市区域时变停车量进行监测,并利用该市41个停车场进出车辆数据进行验证,其中可通过本文算法识别的停车量为96%。研究成果可为城市区域时变停车需求感知与管理提供数据支持。

基于集装箱卡车GPS数据的港内物流通道区域交通状态识别

为解析港内物流通道区域路网交通的时空分布特征,探索高效的港内物流通道交通管理和优化方法,基于某港内货运集卡的真实运营和轨迹数据,对港内货运物流通道的交通状态识别与划分进行了研究。首先,应用H3网格对DBSCAN算法进行改进,构建了基于网格领域的区域交通状态时空矩阵,对案例港内货运路网区域进行识别划分。然后,结合港内船舶装卸作业生产特征,对造成港内物流区域瓶颈点进行分析总结。研究结果表明,案例港口码头前沿的装卸区域、堆场道路及与主干道交叉区域的交通状况尤为复杂,是影响港内运输效率的关键区域;在多船舶不同装卸作业场景下,同一装卸泊位对不同货运通道的制约力存在显著差异。研究可为识别和解析多船舶装卸作业场景下港口物流通道潜在“热点”区域及特征、探索缓解港内物流通道货运交通压力的措施及提升港口总体生产作业效率,提供新的思路和方法。

胜任力模型如何构建与应用--以苏州市轨道交通集团有限公司为例

关键岗位员工在企业创新发展中发挥着重要作用,其岗位胜任力模型和标准体系的构建是提升企业人力资源管理质量的核心要求。本文以苏州市轨道交通集团有限公司的值班站长为研究对象,运用行为访谈法和扎根理论收集质性资料并进行编码,构建了包含专业知识、专业技能、综合能力、个性特征4个维度29项指标的胜任力模型。