基于关联分析的乘客公共交通依赖度识别方法

不同乘客在出行过程中对公共交通的依赖程度具有显著差异,精准识别乘客公共交通依赖度,有助于针对性地引导出行者向公共交通方式转移.本文基于多源数据的关联,获取包含个体属性的公共交通出行链,从出行行为和个体属性两方面提出8个依赖度指标,构建二阶聚类模型,识别乘客公共交通依赖度.结果表明:样本按依赖度高低被划分为4类群组;部分高、较高依赖度乘客在出行决策时受限于收入和车辆拥有量,并有向私家车出行转移的趋势;乘客出行习惯行为较个体属性对公共交通依赖度的影响更大.利用平均命中率(AHR)和平均覆盖率(ACR)指标评估个体属性对识别结果的影响,得出结论,个体属性指标间存在耦合关系,且指标缺失量与模型误差具有非线性关系.研究有助于理解公共交通乘客的需求和选择倾向性,为精准改善公共交通服务提供支撑.

国家总体安全观视角下未知作案组织恐怖袭击事件嫌犯识别

当前恐怖主义威胁着全球安全,我国在国家总体安全观视角下将反恐纳入国家安全战略.在全球恐怖主义数据库(Global Terrorism Database,以下简称为GTD)的数万个数据的基础上,采用二阶聚类模型,以2015—2016年未有组织宣称负责的恐怖袭击事件为样本库,进行分类训练,得到5种不同作案组织类别,并进行特征凝练,进而采用K-近邻算法对2017年未有组织宣称负责的恐怖袭击事件样本库进行分类识别,得到每个组织作案的可能性,结果较为理想.各嫌疑人特征明显,为我国恐怖袭击案件侦破及预防性反恐工作提供定量参考模型,可为预防恐怖袭击犯罪及案件破解提供实际可行的建议.