北京盛夏一次罕见的大雹事件分析

分析了1969年8月29日出现在北京的罕见大雹事件。冰雹发生在蒙古低涡低槽大尺度环流背景下,500hPa的冷空气叠置在低层暖空气上,为冰雹等强对流天气的出现提供了有利的条件。分析表明,华北东部的降雹区位于高能带中,北京在高能带的中心并且对流有效位能(CAPE)和抬升指数(LI)均达到了一个较高的水平,特别是在-10～-30℃层内有高的CAPE值,使大冰雹的出现成为可能。此外,对流层中下层较强的环境风垂直切变有利于多单体风暴或超级单体等强风暴云的发展,从而增加了冰雹出现的几率。而且,合适的冻结层高度以及冷暖云厚度比也为降雹创造了条件。

互联网交通大数据应用教学探究平台设计

随着大数据等新兴技术的发展,交通数据的内涵和外延得到了进一步拓展,对数据进一步挖掘利用成为交通研究和实践的热点,数据分析应该成为交通专业学生必备技能,交通实验课程体系也应跟上大数据技术的发展步伐。对建设互联网交通大数据实验平台进行探讨,以滴滴出行平台交通大数据共享为基础,开发交互性、可变性较强的大数据分析及可视化实验,从数据的清洗与处理、初步挖掘及可视化、深度挖掘和应用等几个方面,设计了5个基础实验以及2个扩展探索实验,使学生能够初步掌握大数据处理、分析和应用探索的实践能力。

基于大数据的网约车平台定价规则分析

网约车平台根据客户需求提供定制服务,动态定价策略是其中的关键核心技术。文章采用基于真实订单数据的归纳学习方法,深入分析挖掘海量样例背后隐藏的内在定价规律。应用多种特征选择方法进行分析判断,筛选出决定网约车平台定价规则的关键因素。分析发现,这些特征可分为三类:第一类与行程距离、行程时间、车型等相关;第二类与订单需求数量相关;第三类与乘客累积消费信息相关。基于所选出的特征,进一步应用提升决策树算法进行回归分析,结果证明所建立的算法模型能对网约车定价规则做出准确的描述。本文详细分析了根据这些关键特征及算法模型所发现的定价规律,研究成果可为政府监管及相关理论研究提供技术参考。

网约车案件积分预警模型构建及应用

积分预警模型,是依托大数据从实战角度出发通过积分赋权评估的网络警务模式。阐述了积分预警模型的原理,以积分预警模型对网约车案件的预防为例,通过设置车辆信息、车主信息、行程轨迹、运营时间、乘客信息和其他异常信息等预警要件,构建了网约车案件防治的积分预警模型,并根据具体实例,展现积分预警模型的应用及在治安预防中的优势和发展前景。

网约车流动行为的时空特征及网络分析

网约车轨迹是一类能够较好地反映市民流动行为的时空大数据。构建面向市民使用网约车的出行复杂网络,从网络的视角进行分析,进而挖掘网约车流动行为的时空特征,对于城市建设、路线推荐、道路优化等均有重要意义。基于滴滴出行的2016年11月份成都市内的历史订单数据,将主城区划分为400个城市网格,建立反映网约车流动的OD矩阵,构建出行复杂网络。对网络的复杂结构、各种中心度以及流动关系的重要性进行了深入分析,同时构建多个测度指标,度量了出行网络中网约车流动行为的时空特征。分析结果表明:成都市网约车的出行网络符合小世界理论,具有典型的空间分异特征,节点中心性和流动关系重要性的分布呈现显著的幂律形式;出行网络中流动行为的不平衡性、出行与到达位置分布的不确定性、流动方向的不平衡性均有较为明显的时空演变规律,且对于当前的出行网络,代表出行规模的出行量密度会正向影响这些流动特征。

基于多图时空图卷积神经网络的网约车需求预测

随着时代发展,网约车已经逐渐成为当今社会的重要出行方式.这项新的出行方式大大降低了出行成本,使人们的生活更加便捷.网约车需求预测是人工智能交通系统的重要组成部分,有着良好的应用价值,但传统的研究在建模时,忽略了目的地和不同地区的社会属性相似性的影响,使得模型的特征不全面,算法预测准确率较低.针对上述问题,本文提出了一种多图时空图卷积网络(Multi-Graph Spatial-Temporal Graph Convolution Neural network,MGSTGCN),以解决网约车需求预测问题.该网络由空间与时间两个组件构成,空间问题的网络采用图卷积来对地理信息、移动信息与社会属性相似性进行建模,时间问题则使用注意力机制与LSTM网络结合进行处理.实验中,我们与四种主流网络模型进行对比分析,结果表明该模型可以更有效地捕获网约车需求数据的时间与空间的特征,提高预测的准确度.

2020年6月青海省果洛州连续两日大冰雹天气环境场对比分析

对2020年6月青海省果洛州连续两日出现大冰雹天气环境场进行了对比分析。结果表明:(1)两日大冰雹均出现在副高西侧对流云团中,玛沁冰雹主要产生于西南风的风速辐合带中,班玛冰雹产生于高原切变线南端。(2)副高西侧偏南气流向降雹区输送暖湿气流,低层风速辐合、高原切变线流场给玛沁、班玛冰雹提供水汽汇聚和动力抬升条件。玛沁冰雹为低层暖平流强迫型,班玛冰雹为中低层斜压锋生型,玛沁冰雹CAPE值大于班玛冰雹CAPE值,两次冰雹均出现在CAPE值等值线密集带中。0℃层高度、-20℃层高度、0℃与-20℃层厚度均有利于冰雹产生,0~6 km垂直风切变均较大,利于对流云组织化发展,更加利于冰雹出现。(3)上升运动大值中心与0℃层或-20℃层高度层相对位置,对冰雹预报有较好参考价值。

基于大数据分析的南京市出租汽车行业发展研究

出租汽车行业作为城市公共交通强有力的补充,在城市出行方面具有重要作用。网约车作为出租汽车行业的主力军,虽然方便了人们的出行,但也带来了一系列行业问题。南京作为网约车平台企业发展的主战场,具有典型的代表意义。该文以南京市行业运营监管服务平台数据为基础,从行业发展阶段角度出发,利用大数据分析技术对行业竞争博弈、演化博弈开展分析,为出租汽车行业发展和决策支持提供依据。

2021年春季江西省一次高架雷暴降雹过程分析

利用雷达常规气象观测资料和自动站非常规观测资料,对江西省2021年3月30—31日中北部地区的一次高架雷暴降雹过程成因进行分析。结果表明:(1)中高层干冷空气侵入与低层西南暖湿气流交汇导致层结不稳定,暖气团沿“冷垫”爬升与低空850 hPa切变线共同作用,触发了强对流天气,加之适宜的0℃层和-20℃层的高度,有利于冰雹增长;(2)多单体风暴使强对流维持时间延长,强回波质心深厚密实且较高,具有高架雷暴的特征;(3)此次冰雹落区的VIL在50 kg/m^(2)以上,50 dBz以上的强回波顶高和底高相差3 km以上,且出现明显的三体散射、钩状回波等特征,对冰雹预警有较强的作用。

基于地理大数据的网约车节假日运营时空配置优化——以海口市为例

论文以海口市网约车运营服务为例,以2017年10月1日海口市网约车订单数据为研究对象,利用Python对原始订单数据进行清洗,借助ArcGIS与Surfer对清洗后的数据进行挖掘和可视化分析并探寻订单的空间特征,利用Excel分析订单的时间特征,研究海口市国庆长假首日网约车订单需求变化的时空分布规律,提出最优配置建议。

网约车出行分布时空模式及其时间序列模式识别

通信与移动计算技术的快速发展产生了各种出行大数据,为理解和挖掘交通时空出行特征、建设智慧城市提供了新的机会。然而,新兴移动数据规模与复杂性的显著增加也为其结构特征分析带来了挑战。本研究以六边形时空分区为基本聚类单元,提出了一种处理高维网约车出行时空模式的分析框架,通过聚类同质的出行分布群体来识别不同的时空模式。首先,将六边形分区内集计的出行分布时空特征概括为起点的需求量分布、终点的空间分布和终点的需求量分布。进一步,提出了基于时空密度峰值的快速聚类(CFSFSTDP)算法,通过计算时空相似性来识别各分区的网约车出行分布时空模式。最后,采用近邻传播算法来对各分区聚类出的出行分布时空模式的时间变化序列进行聚类分析,捕捉网约车出行分布时空模式的时间序列模式。对成都一个月的滴滴出行订单数据进行实证分析验证了该方法,分析了不同的时空模式在需求大小、位置和时间上的差异,探讨了网约车出行在不同区域的功能类型。其识别出的6类时间序列模式把握了网约车出行分布时空模式的时间连续性,有助于进一步构建网约车出行时空演化数字孪生平台。