基于手机采集与车载GPS采集方式的交通状态信息融合技术

随着科技的发展,道路交通信息的采集方式越来越多样化,目前应用于大范围交通信息采集的方式主要有2种,即基于手机采集和基于GPS浮动车采集。利用手机移动通信网络中的定位信息来分析推算动态交通状况是一种新兴的广域动态交通探测技术,车载GPS采集方式利用安装了GPS系统的行驶车辆,获得车辆运行状态数据,以反映实际道路的交通状态。文章结合Dempster-Shafer方法,对以上两种数据进行融合,估计道路的交通状态。将该方法应用于上海某道路进行实地验证,结果表明:相比于单一数据源来说,该方法能够提供时空覆盖面更广,精度更高的实时道路交通状态信息。

手机采集订单在烟草销售工作中的作用

本文提出了如何利用手机采集订单系统采集零售户需求数据,并及时上传给服务器以达到现代营销目的。首先介绍了现代烟草销售过程中数据采集传输中存在的问题,研究了如何利用烟草客户需求预测信息系统来解决销售过程中信息不对称问题,最后对其应用前景做了展望。

基于C#和SQL Server的肉牛养殖数据平台研发

为精确统计区域内肉牛养殖情况,本团队设计并实现基于C#语言和SQL Server的肉牛养殖数据平台,包括计算机端平台本身和手机终端用户(养殖户)的肉牛生产管理系统(数据采集系统)。用户通过手机终端录入场内牛只入栏、死淘、出栏、配种、检疫等生产数据。管理员可通过计算机端对多个手机终端的数据进行管理和分析,包括牛只信息、错误数据删除和生产数据的统计分析等。

基于改进K-means算法的城市道路交通事故分析

为有效采集城市道路交通事故数据,分析交通事故时空特征,辨识交通事故原因,利用手机APP方法采集了宁波市鄞州区2016年第四季度的37 654起交通事故数据。鉴于传统K-means聚类算法收敛慢和精度低的缺陷,建立改进的K-means聚类算法以消除孤立点对聚类结果的影响,对研究范围内的交通事故黑点进行识别及分析。结果表明:基于手机APP采集的有效事故数据样本量占实际警情的比例为96.4%,能满足事故数据分析的精度和质量要求;近4年每个季度的事故变化趋势呈现明显的锯齿状变化;机动车与机动车事故数量最大,机动车与非机动车事故数量次之,事故比例分别为58.4%和15.8%;时间特征方面,周一发生的事故数量最大,周四最低,事故比例分别为15.4%和13.2%;空间特征方面,道路交通事故发生地点主要集中在地面路段、交叉口、停车场等,事故比例分别为77.4%、11.6%和7.0%,居民小区和高架事故比例较低,分别为3.2%和0.9%;事故原因方面,跟车距离过近、转弯未让直行、违法变更车道、超速行驶等驾驶行为是引发交叉口机动车与机动车类型事故的主要原因,事故比例分别为28.8%、22.9%、15.6%和7.6%;机动车转弯未让直行非机动车、非机动车闯红灯、机动车与非机动车相互占用车道和非机动车逆向行驶,是诱发交叉口机动车与非机动车类型事故的主要原因,事故比例分别为36.6%、16.6%、9.9%和7.3%。