Real-time origin-destination matrices estimation for urban rail transit network based on structural state-space model

The major objective of this work was to establish a structural state-space model to estimate the dynamic origin-destination(O-D) matrices for urban rail transit network, using in- and out-flows at each station from automatic fare collection(AFC) system as the real time observed passenger flow counts. For lacking of measurable passenger flow information, the proposed model employs priori O-D matrices and travel time distribution from historical travel records in AFC system to establish the dynamic system equations. An arriving rate based on travel time distribution is defined to identify the dynamic interrelations between time-varying O-D flows and observed flows, which greatly decreases the computational complexity and improve the model's applicability for large-scale network. This methodology is tested in a real transit network from Beijing subway network in China through comparing the predicted matrices with the true matrices. Case study results indicate that the proposed model is effective and applicative for estimating dynamic O-D matrices for large-scale rail transit network.

基于手机信令数据的城市居民动态OD矩阵提取方法

现有的城市居民出行调查周期较长,交通小区划分粒度粗糙,导致调查不能及时准确地获取居民出行信息。针对该问题,提出了一种基于手机信令数据的城市居民动态OD矩阵提取方法。首先,针对信令数据中的两种复杂噪声:乒乓切换和漂移数据,提出了基于窗口阈值的检测与等效位置替换方法,以及复杂漂移点的检测和标记处理方法;然后,提出一种改进的ST-DBSCAN聚类方法,引入一种等时化方法将时间信息与空间信息相结合,识别出行过程中的驻留点;最后,基于地理信息系统构建含有道路关键节点的路网,将居民出行OD与路网节点相匹配,有效推导出城市居民动态OD矩阵。实验结果表明:与ST-DBSCAN算法相比,所提改进的ST-DBSCAN算法在聚类效果和识别速度上分别提升了6.10%和5.26%;与统计方法和二阶统计量方法相比,基于改进的ST-DBSCAN算法的动态OD矩阵提取方法在均方误差(MSE)上分别降低了16.98%和21.55%。以北京市为例,运用提出的动态OD矩阵提取方法,能够及时有效地分析城市居民日常与高峰时段的出行特征。

ODS MA754合金传热界面接触热阻实验研究

鉴于ODS MA754合金传热界面的接触热阻参数对全固态堆芯空间反应堆系统的热量导出具有重要影响,研发和设计了高温高压接触热阻实验装置,测量了不同温度(20~800℃)、压力(0~80 MPa)、气体氛围(He、CO_(2))以及试件表面粗糙度(1.6、3.2μm)下ODS MA754合金传热界面的接触热阻,并基于测试获得的宽量程数据点,建立了ODS MA754合金的接触热阻数据库。实验结果表明:随着接触面温度和压力的升高,界面接触热阻降低,且热阻降低的速率逐渐减小;相较于表面粗糙度为1.6μm的试件,粗糙度为3.2μm试件表面的界面接触热阻明显偏大,实验得到的定量关系可为工程样件的加工粗糙度要求提供依据;He气氛下的接触热阻远小于CO_(2)气氛,在0.1 MPa、100℃工况下,He气氛接触热阻约为CO_(2)气氛接触热阻的1/4。该研究结果可为空间反应堆的热工设计提供数据参考。

基于乘客OD间路径旅行时间的城市轨道交通客流分布计算模型的适用性研究

[目的]针对目前城市轨道交通(以下简称“城轨”)线网客流分布计算模型的客流计算结果与实际客流存在偏差的现象,需基于OD间路径的实际旅行时间,对基于多路径概率分配的客流分布计算模型的适用性展开研究。[方法]基于乘客OD间路径的实际旅行时间,分析揭示了现有城轨客流分布计算模型存在的主要问题;融合AFC(自动售检票)系统和ATS(列车自动监控)系统两类数据,构建并标定了基于乘客OD间路径旅行时间的城轨客流分布计算模型;对目前国内城轨系统广泛采用的基于多路径概率分配的城轨客流分布计算模型的适用性进行了分析与评价。[结果及结论]现有城轨客流分布计算模型在路径选择集和路径选择比例上存在主要问题。通过基于多路径概率分配的城轨客流分布计算模型获取的路径分配比例,得到的旅行时间分布模拟结果均为单峰,无法重现从AFC票卡提取的实际旅行时间分布的多峰情况。当城轨线网较为简单时,基于多路径概率分配的城轨客流分布计算模型基本适用;当线网规模不断增加,线网结构进一步复杂,列车运行方式的多样性、乘客出行行为的差异性等不断加大的条件下,该模型对于路径阻抗差异小的OD可能适用,而对于路径阻抗差异大的OD不适用。

基于异构数据特征的城市轨道交通OD客流短时预测方法

城市轨道交通起讫点(origin-destination,OD)客流短时预测在智能交通系统中意义重大,它为交通管控策略实施以及出行者出行选择提供了重要的决策依据。卷积神经网络被广泛用于交通数据空间相关性提取,但其平移不变性与局部敏感性导致该方法更重视局部特征而忽视全局特征。本研究构建了基于注意力机制的异构数据特征提取机模型(heterogeneous data feature extraction machine,HDFEM)以实现OD矩阵空间相关性的全局感知。该模型从时空特征和用地属性特征出发,构造异构数据OD时空张量与地理信息张量,依托模型张量编码层对异构数据张量进行分割与编码,通过注意力机制连接各张量块特征,提取OD矩阵中各个部分间的空间相关性。该方法不仅实现了异构数据与OD客流数据的融合,还兼顾了卷积神经网络模型未能处理的OD矩阵远距离特征,进而帮助模型更全面地学习OD客流的空间特征。对于OD时序特性,该模型使用了长短时记忆网络来处理。在杭州地铁自动售检票系统(auto fare collection,AFC)数据集上的实验结果表明:HDFEM模型相对于基于卷积神经网络的预测模型,其均方误差、平均绝对误差与标准均方根误差分别下降了4.1%,2.5%,2%,验证了全局OD特征感知对于城市轨道交通OD客流预测的重要性。

不同焊接方法下燃料元件包壳用ODS钢焊接接头界面演化规律

ODS钢具有优异的高温力学性能、抗辐照性能和抗热蠕变性能等,是最有潜力的下一代核反应堆包壳候选材料之一。ODS钢的焊接技术主要包括熔焊、钎焊、压力焊等,根据核燃料元件包壳结构,选择电子束焊接、旋转摩擦焊及脉冲电流辅助扩散焊三种焊接方法进行对比研究,并对ODS钢焊接接头微观形貌演化进行分析,揭示了最优焊接方法及界面形貌演化规律。结果表明,电子束焊接及旋转摩擦焊接工艺下,焊接接头的晶界处均有Y_(2)O_(3)析出,而采用脉冲电流辅助扩散焊无氧化物析出和团聚,对于Fe-Cr系ODS钢有突出优势。因此,脉冲电流辅助扩散焊在抑制ODS钢中纳米氧化物的析出、团聚和减少接头变形等方面具有显著优势,是一种适合ODS钢焊接的高质量焊接方法。

基于OD-LTP的振动条件下串联型故障电弧检测方法研究

当三相异步电动机发生机械振动时,主回路中接触不良的电气接触点在振动作用下会产生串联型故障电弧,进而影响电路安全甚至引发电气火灾。而振动条件会加剧了故障电弧信号的复杂性,因此本文以回路电流信号为研究对象,提出了一种振动条件下的高实时性串联型故障电弧检测方法。首先通过构建滑动记忆矩阵对实验电流数据进行动态保存,其次通过正交方向改进局部三值化模式(orthogonality direction local ternary pattern,OD-LTP)提取滑动记忆矩阵的纹理特征,最终将统计的OD-LTP图像的灰度分布直方图幅值作为特征向量,通过基于沙猫群优化(sand cat swarm optimization,SCSO)的支持向量机(support vector machine,SVM)建立振动串联型故障电弧检测模型。本文通过对比不同矩阵参数,得到最佳的滑动记忆矩阵尺寸,最终所提方法对故障电弧识别的准确率达到99.2%。通过对不同工况、不同特征提取方法对比分析,表明本文提出方法不仅适用于不同工况运行的工业电机变频器系统,其相对于其他特征提取方法也具有较高的实时性。

北斗/SINS/OD组合导航定位终端设计

针对常见组合导航系统在隧道、峡谷、森林等卫星信号较弱甚至出现失锁状况的地区,定位精度会迅速下降的问题,设计了北斗/捷联惯导(SINS)/里程计(OD)组合导航定位终端。终端设计以OMAPL137处理器为核心,包括北斗、SINS、里程计、4G通信和电源等模块。数据处理部分以北斗导航接收机和根据SINS/OD推算分别得到的伪距、伪距率之间的差值作为量测值,使用拓展卡尔曼(EKF)滤波算法进行数据融合与误差估计。实验结果表明,北斗/SINS/OD组合导航定位终端在卫星失锁情况下行驶总里程5 km时最大位置误差为46.82 m,误差漂移为0.94%,能够有效解决卫星信号受遮蔽导致定位精度下降的问题,实现平滑载体运行轨迹并提高导航定位精度。

Semantics Analytics of Origin-Destination Flows from Crowd Sensed Big Data

Monitoring,understanding and predicting Origin-destination(OD)flows in a city is an important problem for city planning and human activity.Taxi-GPS traces,acted as one kind of typical crowd sensed data,it can be used to mine the semantics of OD flows.In this paper,we firstly construct and analyze a complex network of OD flows based on large-scale GPS taxi traces of a city in China.The spatiotemporal analysis for the OD flows complex network showed that there were distinctive patterns in OD flows.Then based on a novel complex network model,a semantics mining method of OD flows is proposed through compounding Points of Interests(POI)network and public transport network to the OD flows network.The propose method would offer a novel way to predict the location characteristic and future traffic conditions accurately.

出租车OD序列聚类的城市功能区识别算法研究

提出一种由添加窗口约束的规整路径距离改进的K中心聚类算法(LDTW-K-medoids),通过构造时间序列、动态时间规整、时间序列聚类、聚类结果解读的流程来识别城市功能区。将算法应用在纽约市城市功能区识别中,对50万条出租车OD数据进行处理,将265个交通小区划分为五大功能区,并结合出租车全局流动模式、建筑物面积指数和富集指数来定量识别功能性质。与谷歌地图和卫星影像对比的结果表明,算法能够有效识别城市功能区,总体精度为83.8%。

多分辨率多粒度时空特征提取的轨道交通短时OD客流预测方法

面对大规模的路网OD客流分布的“长尾效应”,提出一种多分辨率多粒度时空特征提取的短时客流预测模型,以解决稀疏OD矩阵中不同量级OD客流预测精度不高的问题。将离散小波变换引入OD矩阵特征提取,结合CNN获取多分辨率下空间特征;构建多粒度历史OD客流矩阵序列,利用ConvLSTM网络提取OD矩阵长期的周期依赖性及短时的相邻时段依赖性。以北京地铁为例,分析结果表明:该模型在整体预测精度方面较其他基线模型的均方根误差RMSE提升7.4%以上;模型内部消融实验证明,多分辨率多粒度的结构对高、中、低3种量级的OD预测均有提升作用,且对高量级OD预测的RMSE提升12.5%以上。以杭州地铁为例对模型进行稳定性验证,结果表明:该模型在不同数据集下的预测结果明显优于其他基线模型;在工作日/非工作日、高低峰/平峰等场景下的适用性分析均能取得稳定的预测效果。

An Optimization of Bluetooth Sensor Locations for Origin-Destination in an Urban Network

This paper develops an optimization model that determines the optimal location for Bluetooth nodes used in the determination of the origin-destination matrix within an urban network. To analyze the effectiveness of the model, the city of Akron, OH was utilized as a testing location. The Average Daily Traffic (ADT) was used to determine intersections that have the greatest number of Bluetooth responses. Along with maximizing the number of Bluetooth responses, the model applies financial constraints when determining the number of nodes in the urban network. The developed model selected seven locations to deploy nodes in order to stay within the financial constraints and to maximize the possible number of responses from vehicles within the Akron urban network.

Deriving Operational Origin-Destination Matrices From Large Scale Mobile Phone Data

A method is presented in this work that integrates both emerging and mature data sources to estimate the operational travel demand in fine spatial and temporal resolutions.By analyzing individuals’mobility patterns revealed from their mobile phones,researchers and practitioners are now equipped to derive the largest trip samples for a region.Because of its ubiquitous use,extensive coverage of telecommunication services and high penetration rates,travel demand can be studied continuously in fine spatial and temporal resolutions.The derived sample or seed trip matrices are coupled with surveyed commute flow data and prevalent travel demand modeling techniques to provide estimates of the total regional travel demand in the form of origindestination(OD)matrices.The methodology is evaluated in a series of real world transportation planning studies and proved its potentials in application areas such as dynamic traffic assignment modeling,integrated corridor management and online traffic simulations.

Integrating Origin-Destination Survey and Stochastic User Equilibrium: A Case Study for Route Relocation

The paper analyses integrating origin-destination (O-D) survey results with stochastic user equilibrium (SUE) in traffic assignment. The two methods are widely used in transportation planning but their applications have not yet fully integrated. While O-D gives a generalized trip patterns, purpose and characteristics, SUE provides optimal trip distributions using the characteristics found in O-D survey. The paper utilized O-D and SUE in route relocation study for the town of Coamo in Puerto Rico. The O-D survey was used initially in studying possible trip distribution and assignment for the new route. Initial distribution and assignment of traffic to the existing roadway networks and the proposed route were allocated utilizing the O-D survey findings. The SUE was then used to optimize the assignments considering roadway characteristics such as number of lanes, capacity limits, free flow speed, signal spacing density, travel time and gasoline cost. The travel time was optimized through the Bureau of Public Roads (BPR) equation found in 2000 HCM. The optimal trips found from the SUE were then used to propose the final alignment of the new route. Traffic assignment from the SUE was slightly different from those initially assigned using O-D, indicating there was optimization. The assignment on new route was increased by 13.8% from the one assigned using O-D while assignment on the existing link was reduced by 22%.

LAMOST的“Unknown”光谱分类研究:ODS-YOLOv7模型

天体识别是天文新发现和深入研究天体的基础。在LAMOST DR8 v1.0发布的低分辨率光谱数据中有约53万条因没有类别标签而被命名为“Unknown”的光谱,其中有88.56%的光谱信噪比在0~10之间,对这批光谱的研究分析将增加LAMOST的有效数据产出。该研究为“Unknown”光谱的分类设计了一种ODS-YOLOv7模型。它是一种端到端的类别预测模型,通过添加一维卷积注意力模块以提高光谱识别能力。在经过一批信噪比在0~10之间的已知类别光谱训练后,ODS-YOLOv7可以学习到低信噪比光谱的有效特征,进而实现对“Unknown”光谱的类别预测。实验表明,该模型在已知类别标记的低信噪比恒星、星系、类星体的光谱识别中,F1-score分别为0.98、0.95、0.95;同时在与传统算法KNN、RF、DT、SVM和深度学习算法1D CNN、1DSSCNN、ResNet、DenseNet、VIT对比实验中取得相对最好的效果。实验结果还给出了ODS-YOLOv7模型对DR8 v1.0中信噪比在0~10的“Unknown”光谱预测置信度分布,在预测类别为恒星、星系、类星体任务中,有92%的分类置信度在60%以上。为保证模型输出质量,本文只选取分类置信度大于99%的光谱类别作为输出结果。以此为依据,在DR8 v1.0和DR9 v0发布的全部“Unknown”光谱中分别有37.19%和47.03%被ODS-YOLOv7模型预测出类别。此外,还增加人工认证以检验该模型预测的正确性。为提升模型的可解释性,参照了二维图像特征可视化的Grad-CAM方法,将其改进为适合于可视化一维光谱数据特征的算法。其结果表明该模型可自动关注到不同的分类特征,使得该模型非常适用于低信噪比“Unknown”光谱的类别预测。

Inverse Analysis of Origin-Destination Matrix for Microscopic Traffic Simulator

Microscopic traffic simulations are useful for solving various trafficrelated problems,e.g.traffic jams and accidents,local and global environmental and energy problems,maintaining mobility in aging societies,and evacuation planning for natural as well as man-made disasters.The origin-destination(OD)matrix is often used as the input to represent traffic demands into traffic simulators.In this study,we propose an indirect method for estimating the OD matrix using a traffic simulator as an internal model.The proposed method is designed to output results that are consistent with the input of the simulator.The method consists of the following steps:(1)calculating link traffic volume from the OD matrix,and(2)updating the matrix.The estimated matrix is updated iteratively until it converges to a predefined tolerance level.Numerical experiments are then conducted using the proposed method on a grid network and on a representation of an actual road network.Finally,we discuss the characteristics of the proposed method and the non-negative constraint for the traffic volume.

基于OD的高速公路收费站出入口流量预测方法

目前,高速公路收费站拥堵问题成为影响高速公路通行效率的重要因素,为收费站管理人员提供精准高效的拥堵流量预警具有重要的现实意义。文章基于GC-LSTM模型进行改进,提出了一种称为GC-LSTM-OD的高速公路出入口多步流量预测模型。该模型能够有效预测流量演变趋势,同时具备适应非常态情况的能力。为验证模型性能,文章使用了沿江高速太仓-常州段的现实流量数据,实验结果表明,相较于其他模型,GC-LSTM-OD在多步流量预测方面表现出更加优异的性能。

ODS层数据对智慧运维应用指标支撑的判断方法探索

通过对智慧运维大数据ODS层中表及数据量、字段数据占比、关键字段规则检查分析手段,为快速判断ODS层数据对智慧运维应用指标的支撑进行了探索。首先分析ODS层的数据表,确定哪些表有数据,有数据表的数据量,然后分析有数据表的每个字段的数据占比,最后通过关键字段的规则设定,分析符合规则字段的数据量、数据占比和不符合规则字段的数据量,利用以上分析结果达到智慧运维应用指标支撑的快速判断和优化提升ODS层数据质量的目的。

粉末冶金制备22Cr-ODS合金的高温氧化行为研究

采用粉末冶金热等静压工艺制备了氧化物弥散强化FeCrAl合金,探究在1000℃空气环境中合金的高温氧化行为。通过X射线衍射、扫描电子显微镜等对合金在1000℃氧化不同时间后的氧化层表面成分、物相及截面成分、厚度等进行研究,结果表明:该工艺制备的22Cr-ODS合金在1000℃空气环境中能够形成完整致密的α-Al_(2)O_(3)表面氧化层,氧化10 h、25 h、50 h、100 h、200 h后氧化层厚度分别为0.52μm、0.91μm、1.42μm、1.47μm和1.76μm,合金内部晶粒未发生明显粗化,表明该合金具有良好的高温抗氧化性能和组织稳定性。

基于POI-OD矩阵与GTWR分析共享单车出行特征与影响因素

共享单车的时空分布特征反映了居民的出行需求,单车出行的流动则体现了居民使用共享单车的目的性。本文基于东芝加哥中心区域11个月的共享单车出行数据的时空分布特征,结合POI分布建立POI-OD矩阵量化OD的流动特征,结合GTWR分析各类型POI与共享单车流入、流出量的相关性。结果表明:1)共享单车工作日呈现早晚高峰趋势,以短距离出行为主;2)交通运输类和餐饮类POI是主要转移热点;3)户外休闲类、餐饮类、娱乐类、工作教育类和交通运输类POI的数量对格网内共享单车的流入、流出量有积极影响,影响程度递减;住宅类和商业金融类POI的数量对格网内共享单车的流入、流出量有消极影响,住宅类影响最显著。