基于时空超图卷积模型的城市轨道站点客流预测

城市轨道客流预测是智能交通系统的重要环节,准确的短时客流量预测有助于缓解城市轨道运营压力并提升地铁系统的服务质量。为挖掘交通系统中的时空交互特性并实现客流的精确预测,提出一种基于时空超图卷积模型(Spatio-Temporal Hypergraph Convolutional,ST-HConv)的短时进站客流预测方法。门控卷积层用于提取客流的时间特征,双层超图卷积用于获取站点间的近邻性和路网中的全局性,实现空间特征的提取;时空交互模块由时间门控卷积和空间超图卷积组成,将时空特征融合进而获取时空交互信息。以杭州地铁自动检票系统(AFC)采集的乘客刷卡数据为例,对模型的有效性进行检验。研究结果表明,与传统机器学习模型、传统深度学习模型和图网络模型相比,ST-HConv模型同时考虑时间特征和空间特征,并实现了时空特征的有效融合,使得ST-HConv模型的平均绝对误差和均方根误差都低于其他模型。在图结构性能方面,与时空图卷积模型(Spatio-Temporal Graph Convolutional,ST-GConv)相比,ST-HConv模型中的超图卷积层获得了路网中的局部特征和全局特征,有效地降低了预测误差。在不同的时间间隔(15 min/30 min/45 min/60 min)下,ST-HConv相较于ST-GConv,平均绝对误差分别降低了1.3,1.05,1.51和2.29,均方根误差分别降低了2,1.44,2.48和2.89。由此可见,ST-HConv模型综合考虑了时空交互信息,能够提高客流预测的准确性。

终点导向的电动汽车负载均衡充电导航策略

近年来电动汽车行业快速发展,而充电设施资源的不合理分配和充电行为的随机性,容易造成局部充电堵塞等问题.在充电设施建设滞后的条件下,利用信息技术合理引导电动汽车选择目标充电站,成为了缓解充电高峰时段压力的有效手段.基于此,本文提出了一种基于价格激励的负载均衡的电动汽车充电导航策略.首先,本文构建了融合交通信息网络、电力网络和充电站网络协同工作模式的充电导航系统,以协调多个网络的信息交互行为.其次,结合充电站动态排队率,本文构建了充电服务费定价模型,以均衡充电需求的分配.最后,考虑车辆充电结束继续前往目的地的路径规划需求,本文构造相应的充电决策函数,减少绕行距离.本文以某市城区为研究范围,对3900辆电动汽车进行了实验仿真.仿真结果表明,所提出的充电导航策略能够实现充电需求的均衡分配,并且降低电动汽车用户的综合充电成本.

一种支持轨迹大数据潜在语义相关性挖掘的谱聚类方法

针对交通管理优化和轨迹大数据挖掘的实际应用需求,本文提出了一种支持交通轨迹大数据潜在语义相关性挖掘的交通路网谱聚类方法(TSSC).首先研究了交通轨迹数据的向量空间建模方法,其次通过随机投影法快速提取大规模轨迹数据矩阵的特征信息并构建其低维语义子空间,然后基于语义子空间挖掘轨迹数据的潜在语义相关特性,在此基础上通过谱聚类方法实现了交通路网的快速聚类.通过本文提出的方法对总里程1400多万公里的实际交通轨迹数据进行实验分析表明,本方法可根据交通轨迹大数据的潜在语义相关性对交通路网进行快速的谱聚类处理,从而在复杂的交通路网间快速挖掘其潜在特性,为交通规划及其管理优化提供决策支持信息,同时也为时空大数据的聚类挖掘提供了一种新的解决方案.

高效可聚类的IPv6园区网地址规划

IPv6给我们提供了巨大的地址空间,如何有效地管理好这个地址空间,是个困难的课题。经过多年的实践,目前IANA对/3到/48之间的地址块分配策略已经有了一些明确的共识。而本文则针对/48地址块的提出了一种可高效类聚的园区网IPv6地址规划方案,可为广大IPv6建设者们提供一种参考性建议方案。

公众出行信息服务多源数据融合挖掘技术研究

分析了公众出行信息特征及影响出行线路选择的因素,设计了多源交通数据融合挖掘的系统框架,并研究了其中的多源数据相关度计算、层次化子空间聚类及联合聚类挖掘等关键技术。理论分析及实验结果表明,系统对于多源交通数据的融合分析及高维数据的降维聚类具有良好的处理能力及可扩展性。

半监督SVM分类算法的交通视频车辆检测方法

针对交通场景运动车辆检测中车辆数目统计准确率不高、自适应性不强等问题,提出了一种基于半监督支持向量机(SVM)分类算法的交通视频车辆检测方法。利用人工标记的少量样本,分别训练2个基于方向梯度直方图(HOG)特征与基于局部二值模式(LBP)特征的不同核函数的SVM分类器;结合半监督算法的思想,构建SVM的半监督分类方法(SEMI-SVM),标记未知样本并加入到原样本库中,该方法支持样本库动态更新,避免了繁重的人工标记样本的工作,提高了自适应性;最后,通过三帧差分法提取运动区域,加载分类器在该区域进行多尺度检测,标记检测出来的运动车辆,统计车辆数目。实验结果表明:该方法在具有一定的自适应性的同时,有较高的车辆检测准确率,即使在复杂交通情况下,对运动车辆依然有很好的检测效果。

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5 min,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GemFire的海量数据计算性能实验分析

针对交通领域多源动态海量数据高性能计算的实时性、动态扩展性处理要求,提出了一种基于GemFire的分布式内存数据库实验平台。采用键值数据存储结构和分布式动态成员关系,通过加载浮动车系统的真实数据在完整的云计算架构下,进行了计算性能测试与分析。实验结果表明,平台可将千万级以上大数据量的计算时间缩短至原系统的10%以内,满足了交通物联网云平台整合利用各子系统数据资源的应用需求。

大规模数据集下基于DBSCAN算法的增量并行化快速聚类

时空轨迹数据挖掘是发现移动对象行为模式的重要方式。针对海量轨迹数据处理的需求,提出一种增量并行化快速聚类算法。算法基于数据点的数量采用二分法对空间网格分区,结合贪心算法弹性重组分区,合理进行数据划分;进行本地局部聚类,获得合并簇候选集;采用R*-tree索引候选簇进行合并判断并处理;建立合并簇的无向无环图模型,并进行数据的全局重标签。实验结果表明:算法的弹性分区处理能有效地减少噪点数据,提高局部聚类的质量,采用R*-tree索引结构的合并策略有效提高了聚类的时间效率,聚类效果好,能实现大规模数据的在线处理。

基于弹性分布数据集的海量空间数据密度聚类

为了快速挖掘大规模空间数据的聚集特性,在cluster_dp密度聚类算法基础上,提出了一种基于弹性分布数据集的并行密度聚类方法 PClusterdp.首先,设计一种能平衡工作负载弹性分布数据集分区方法,根据数据在空间的分布情况,自动划分网格并分配数据,使得网格内数据量相对均衡,达到平衡运算节点负载的目的;接着,提出一种适用于并行计算的局部密度定义,并改进聚类中心的计算方式,解决了原始算法需要通过绘制决策图判断聚类中心对象的缺陷;最后,通过网格内及网格间聚簇合并等优化策略,实现了大规模空间数据的快速聚类处理.实验结果表明,借助Spark数据处理平台编程实现算法,本方法可以有效实现大规模空间数据的快速聚类,与传统的密度聚类方法相比具有较高的精确度与更好的系统处理性能.

基于后缀自动机的轨迹模式挖掘方法

基于交通路网研究移动对象轨迹预测,将序列分析方法和马尔可夫统计模型结合,提出了一种基于后缀自动机的变阶马尔可夫模型挖掘方法。该方法根据移动对象的历史轨迹数据进行学习训练,计算轨迹序列上下文的概率特征,建立序列的后缀自动机模型,结合当前实际轨迹数据,动态自适应预测将来的位置信息。实验结果表明:相比固定阶马尔可夫模型,随着阶数的增加(L≥2),固定阶马尔可夫模型预测的精度逐步降低,而该方法能动态自适应,精度保持在81.3%左右,取得较好的预测效果;同时,该方法只需线性的时间和空间开销,大大降低了存储空间和时间,能实现大规模数据的在线学习。

一种在不对称路由环境下的安全HIP中间系统

随着移动计算技术的高速发展,HIP因其在移动主机支持及安全等方面的优越特性而备受关注.可尽管HIP在保护通信两端方面具有卓越的安全特性,但作为HIP通信节点的中间系统(如NAT/FW系统)却不能得到有效保护,尤其是在不对称路由环境下的HIP中间系统,很容易遭受攻击.本文在分析HIP通信及其中间系统的基础上,结合HIP注册扩展协议,提出一种在不对称路由情况下的安全的基于HTN(HIP through NATs)的HIP中间系统模型.该系统不仅让HIP通信主机可以感知链路上的NAT等中间系统,HIP中间系统也可以通过注册协议,来学习连接状态信息,并验证通信发起主机是否真正感兴趣于成功建立HIP连接,并为后续更新报文的验证提供可信依据,从而有效避免遭受DoS及MitM攻击.

基于LINUX的全状态检测包过滤计费网关的研究与实现

分析了2.4.x内核中的Netfilter框架的流程和IPv4协议栈中Netfilter的实现,利用Netfilter的框架提出了一个构建全状态包过滤计费网关,并重点突出介绍了系统实现的几个关键模块。该系统基于用户IP识别,可以为联网用户提供一套安全可控的、高性能的计费系统。

基于浮动车数据的道路单向限行状态动态识别

交通道路的单向限行状态识别可以为社会公众提供及时准确的路网限行信息,提高公众出行效率,提升动态交通信息服务水平。提出了一种基于浮动车数据的道路单向限行状态动态识别算法。该算法首先获取地图线要素信息,并进行空间信息网格对交通道路的投影匹配预处理,实现海量浮动车数据的快速匹配;然后分析各道路的浮动车数据方向信息的统计特性,对其进行双阈值信息过滤和方向信息过滤处理,以动态提取交通道路的单向限行状态信息。经实际路网测试验证,该算法可有效识别道路的单向限行状态信息。

基于轨迹数据的出租车交接班时空分布识别方法

针对目前出租车交接班行为识别不够精准的问题,提出了一种基于轨迹数据挖掘的出租车交接班行为精准识别的方法。首先,分析出租车停留状态的数据特性后,提出了一种出租车非运营状态停留点检测方法;然后,对停留点进行聚类,从而得出了潜在的出租车交接班地点;最后,基于出租车交接班事件的判断指标与出租车交接班时间的核密度估计,有效地识别出出租车交接班地点和时间。以福州市4416辆出租车的轨迹数据为实验样本,共识别出了5639个交接班地点,这些交接班地点在市民主要工作区域、交通枢纽、商圈以及风景名胜。而识别出的交接班时间主要在凌晨4:00—6:00与傍晚16:00—18:00,与福州市民众出行规律相吻合。实验结果表明,该方法能有效地检测出出租车交接班的时空分布,能为城市的交通资源规划与管理提供合理建议,且使公众打车出行更加便捷,提高了出租车的运行效率,为城市加油站、充电站等汽车相关设施的选址优化提供了参考。

基于轨迹数据的出租车充电站选址方法

针对目前电动汽车充电桩利用率低、充电站盈利困难的问题,提出了一种基于轨迹数据的出租车充电站选址方法。分析了出租车停留状态的轨迹数据特性,提取可支持车辆充电时长的出租车停留点。对停留点进行地图匹配,筛选掉在道路上的停留点。对非道路区域停留点进行聚类,得出多辆车停留密集区域作为充电站地点区域。分析了停留点的时间分布,以充电站区域停留点高峰时候的停留点数为参考对充电站定容。以福州市4 416辆出租车的轨迹数据为实验样本得出了16个充电站的选址方案,以司机的充电便利性与充电站的经济性进行合理性分析。结果表明:在选出的充电站中涉及了2 741辆车,可为六成以上的出租车提供非运营状态下充电,折旧期(六年)内充电站总盈利为4 316.56万元。可见,该方法既能为车主提供充电便利,又可有效保证充电站的盈利,可为电动出租车充电站建设与运营提供有效参考。

基于时空上下文协同过滤的出租车载客点推荐算法

针对现有出租车载客点推荐算法忽略出租车所处上下文的情况,提出了一种基于时空上下文协同过滤的出租车载客点推荐算法。该算法将载客点信息映射到空间网格,通过在出租车司机驾驶行为相似度的计算中引入时间衰减因子,得到与目标出租车司机驾驶行为最相似的邻居集合,基于地点上下文过滤从相似邻居集合中选取感兴趣程度高的载客点推荐给目标出租车。在基于福州市出租车轨迹数据的实验中,时间衰减因子为0.7时,整体推荐效果最佳,同时该算法在邻居集合的不同大小时推荐准确率均优于传统协同过滤推荐算法。结果表明该算法与传统的协同过滤算法相比有更高的推荐准确度。

北京重霾期空气污染物、气象和交通的时空特征（英文）

在空气污染物、气象和道路平均车速的时空特征分析基础上,探讨了临时交通限行措施和气象条件定性分析对空气质量的叠加影响。结果表明,时间上可划分为5个不同污染阶段,空间上表现出自北向南污染加重且空气质量改善由北至南推延的趋势;P3阶段显示交通与气象对空气质量改善的叠加作用;温度高且湿度低时空气质量良好。重污染天气下,临时的交通管制对CO和NO2及时性减排作用显著,对PM_(2.5)有延时削峰作用。

高速公路ETC仿真平台研究与设计

由于高速公路ETC系统的实时流量状况在实际研究分析过程中难以量化计算和展示,且尚无一套针对高速公路ETC环境的仿真系统来解决高速公路ETC系统运行场景优化。根据ETC数据特性设计了一套基于ETC环境的仿真系统。在仿真系统中涉及3个核心算法:ETC数据特征提取算法,为仿真平台提供生成仿真数据的特征;改进多任务调度算法,以满足仿真环境中多任务的运算能力;高速公路车流控制策略算法,为在途车流量控制提供了决策指标。实验结果表明:该系统能有效获取ETC数据特征,改进多任务调度算法相较其他算法性能更优,可实现仿真路网的整体车流量控制与优化。

复杂路由环境下的集中式双栈可信认证模型研究

研究了构建面向复杂网络环境下的IPv4/IPv6双栈的可信安全认证机制,以构建一个适用于有线无线的统一的双栈可信接入控制平台,用以提供统一的身份认证、授权及记账等安全服务,使得IPv6应用推广与部署更具可扩展性及安全性,也为运营商的IPv4/IPv6双栈服务提供可信接入控制手段,并实现与现有运营系统的松散耦合对接,以完善其运营体制.