高速公路多源数据融合下的层次拥堵区间探测方法

随着我国经济的发展及城市化建设的推进,交通拥挤问题日益突出。作为城际之间生命线的高速公路在节假日期间的拥堵情况尤为严重,为了更有效地管理高速公路、及时疏导交通拥堵,需要对高速公路上的拥堵事件进行探测,实现对高速公路路段交通状态的监管。首先利用高速公路路径识别点的识别数据、收费系统的收费流水数据和"两客一危"重点车辆的全球定位系统(global positioning system,GPS)轨迹数据,构建了多源数据融合下的层次拥堵区间探测方法;然后采用模糊综合评价算法,对多层次路段的交通状态进行识别;最后,利用湖南省长株潭城市群区域2018年2月中两周的数据进行了实际探测和结果分析。

海洋运输网络研究进展与趋势探讨

随着经济全球一体化快速发展,国际海运贸易的规模不断扩大,全球海运网络研究成为当前的研究热点领域。该研究是海洋运输、地理信息科学、数学物理、统计科学、复杂网络科学、大数据科学、计算机科学等多学科交叉领域共同关注的研究主题,对国家宏观战略与政策制定具有重要作用。本文总结了海运网络研究数据基础、理论模型和研究方法,包括数学物理统计理论方法,基于复杂网络的分析方法、数据挖掘理论方法等,然后从海运网络运输模式设计与优化,网络结构静动态特征,网络结构和交通流演化机制等角度总结海运网络的研究进展、分析所存在的问题,提出海运网络研究在跨学科跨领域研究方法的交叉、多源异构数据融合分析、理论与实际应用结合等方面的未来研究趋势。

融合Markov与多类机器学习模型的个体出行位置预测模型

随着城市化的发展,人们出行的方式逐渐多样化,对人类行为的深入理解以及对个体出行行为的建模预测有助于解释若干复杂的社会经济现象,且在基于位置的服务、交通规划、公共安全等方面具有重要价值。个体出行行为预测建立在深入理解人类活动特性的基础上,而在移动互联网时代,网络空间的上网行为与现实空间的出行行为密不可分。首先基于上网行为特征,融合马尔可夫(Markov)模型和多类机器学习模型,构建了个体出行位置预测模型,该模型使用了基于频率分布图的自适应融合规则,融合了传统的Markov模型和机器学习多分类模型的结果进行个体出行位置预测;然后利用手机数据、上网流量数据、兴趣点数据及天气等多源数据进行个体出行位置预测实验。实验结果表明,该模型的第1个和前3个预测结果中包括正确结果的准确率分别为74.59%、94.19%,均优于基础模型的准确率和利用投票法融合规则融合基础模型的准确率,且预测时间粒度为30 min时,该模型的预测效果较好。

顾及上网行为特征的手机用户停留行为预测方法

随着信息通讯技术的发展,手机成为人类日常生活不可缺少的一部分,人类活动逐渐从现实空间延伸至网络空间,在移动互联网时代,网络空间的上网行为与现实空间的出行行为密不可分。当前个体出行行为预测建模较少考虑上网行为与出行行为间的关系,本文提出一种融合上网行为特征的手机用户停留行为预测模型,通过时空约束定义手机用户的停留行为,在考虑个体出行行为时空偏好的同时,融合手机用户使用的APP组合、上网流量、上网次数等上网行为特征以及天气信息等外部特征,从时间、空间的角度进行特征交叉,构建从特征到模型均具有高可解释性的手机用户停留行为预测模型。实验证明:本文模型预测准确率为80.31%,且在融合上网行为特征、天气等外部因素后,比仅使用个体出行特征进行手机用户停留行为预测提升了12.08%。

交通分析区尺度上的COVID-19时空扩散推估方法:以武汉市为例

现有的流行病学模型大多是通过对统计数据进行拟合,实现对患病人数的推估,较少考虑细粒度空间人群移动交互对时空扩散特征的直接作用。将空间交互特征融入流行病学模型,提出了基于手机用户空间交互数据的新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)时空扩散推估方法,并对2019-12-2020-03武汉市COVID-19患病人数以及时空扩散过程进行推估。研究结果表明,该方法能有效推估出每天的疫情新增交通分析区,能够完全覆盖了有疫情公告的交通分析区,且存在疫情公告的交通分析区占所推估交通分析区的72.7%;2020-02-18后的累计推估患者结果与官方公布患者总量吻合得非常好,差距约为5.6%,间接验证了前期推估的合理性。由此得出,该方法能比较有效地推估细粒度空间之间的传染病传播,对正确认识细粒度空间下人群交互对传染病时空扩散的影响机制,增强宏观流行病学模型的空间可解释性具有一定的科学意义。