基于大规模实景路况与人工智能的交通平台——以实景路况为基础的多层级分布式AI模型与传统建模相结合的交通系统

本文提出以实景路况为基础的多维度、多层级分布式AI模型与传统建模相结合的实景路况交通平台解决道路资源合理化分配以及调控的问题。大规模动态实景路况可以实时给出更高维度的路况信息,打破现有算法滞后性带来的局限;分布式AI模型可以在大幅度降低模型复杂度的同时,降低系统误判带来的“蝴蝶效应”式影响,从而大幅度提高系统的稳定性;多层级AI模型可以在街道(乡镇)、县级市(县、区)、地级市、省(直辖市、自治区)以至于国家层级进行调控,打破AI模型在交通中难以人为调控的难题。本文研究结合传统模型可以在AI模型发生误判时,大幅度降低不良影响,及时止损,并讨论了以该模型建立交通平台可衍生的应用场景。

基于船舶AIS及签证数据的长江内河货运阻抗及分布模型研究

为了研究长江内河各航段复杂多变的航道环境对水路货物运输的影响,根据船舶AIS数据及三峡船闸过闸数据建立一种考虑不同月份、不同航段的船舶逆水而上、顺流而下2种情况的货运阻抗函数,并基于Matlab求解得到长江内河重要港口节点之间不同月份的时间阻抗矩阵。以2010年10月船舶签证数据为例,结合距离阻抗矩阵和时间阻抗矩阵,标定阻抗函数为幂函数和指数函数下的重力模型的参数,建立相应的货运分布模型。并在不同模型下分别预测了2012年10月货运量分布情况。对货运实际观测值和模型预测值结果进行货运距离分布(trip length distribution,TLD)方法检验。结果显示,以时间为阻抗指标的幂函数和指数函数重力模型预测结果的重合率(coincidence ratios,CR)值分别为0.83和0.86,比对应的以距离为阻抗指标的预测结果的CR值0.81和0.82要高,所建立的以时间阻抗模型更能反映长江内河货运实际情况。

北京交通仿真建模的新技术探索与实践

交通仿真是城市交通规划和综合治理不可或缺的技术支撑手段。面向超大城市交通发展需求,北京市建立了数据驱动和AI赋能的交通仿真平台技术架构,对交通仿真关键技术进行了重点攻关。基于深度学习技术构建北京交通计算图,解决了多源时空数据融合的难题,提高了城市交通网络运行状态判别精度;依据交通需求场景库提出了基于通用地理神经网络的出行分布预测模型,预测精度较传统方法大幅提高;创建了中国特色的微观交通行为库,构建了微观驾驶行为模型,更加贴近本地驾驶行为特征和规律;在动态交通分配模型中构建了瓶颈点排队模型,更加真实地模拟了过饱和交通流的形成与消散过程;研发了面向大规模网络交通分配的并行算法,大幅提高仿真运算效率。最后以北京城市副中心为仿真平台实证场景,预测并评估交通规划方案的实施效果。

基于Spark的船舶航行轨迹聚类方法

依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。

基于贝叶斯时空log-logistic模型的船舶碰撞频率

为准确地分析和量化船舶碰撞致因与船舶碰撞频率之间的关系,提高对船舶碰撞频率估计的精确度,考虑交通流速度、交通流量、交通流密度、航道宽度和环境因素,采用贝叶斯层次log-logistic建模方法,以避免由未观察到的时空效应引起的偏差。根据2014年1月—9月的船舶自动识别系统(Automatic Identification System, AIS)数据,对长江口水域船舶碰撞频率进行定量评估。结果表明:与log-logistic分布模型相比,考虑时空效应的贝叶斯层次log-logistic分布模型具有最佳的拟合度即偏差信息量准则(Deviance Information Criterion, DIC)最小;交通流密度是影响船舶碰撞频率中最重要的变量,表现为高交通密度区域船舶碰撞风险较高;天气和昼夜差异也对船舶的碰撞频率有重大影响。考虑时空效应的建模方法对船舶碰撞频率的评估更加严谨和可靠,结果有助于提高当地船舶运输的安全性。

Model-based Tracking for Agent-based Control Systems in the Case of Sensor Failures

The study on artificial intelligence(AI) methods for tuning of particle accelerators has been reported in many literatures.This paper presents tuning method for agent-based control systems of transport lines in the case of sensor/actuator failures.The method uses model-based tracking concept to relax the demand on sensor data.The condition for successful operation of the stated scheme is derived,and the concept is demonstrated through simulation by applying it to the model of microtron,transport line-1 and booster of indus accelerator.The results show that this approach is very effective in transport line control during sensor/actuator failures.

基于拓扑图的多船会遇场景辨识与分类方法

针对复杂通航水域多船会遇场景表征模型缺乏、船间干扰关系难以辨析等问题,提出了一种基于拓扑图的多船会遇场景辨识和分类方法;考虑船舶随时空动态变化特性,对船舶自动识别系统数据进行时间切片划分,获得了可供研究的距离数据;基于船间哈文森距离引入“查找-验证-调整”聚类算法组成拓扑图时间序列,并自动生成多船会遇场景代表拓扑图;通过SimGNN模型计算了不同会遇场景代表拓扑图相似性,实现了多船会遇场景相似性度量,使用K近邻分类器完成多船会遇场景分类,分析了不同拓扑图数量和不同船舶类型的会遇过程;使用宁波—舟山水域某一天(24 h)真实数据进行试验分析。研究结果表明:通过提出的多船会遇场景辨识算法,精准识别出水域内794个有效多船会遇场景,其中2船会遇场景占比最高,3船会遇场景次之,4船及其以上会遇场景相对较少,该结果和船舶交通管理人员认知一致;多数场景持续时长维持在1000 s内,生成拓扑图数量保持在100内,数据分布趋势较为近似;同一会遇场景内船舶数量波动较小,验证了所提出辨识算法的稳定性;使用了分类算法后,处于同分类的不同持续时长的场景间船舶类型和代表拓扑图具有明显相似性,不同分类间的场景在变化过程、持续时长、船舶类型和代表拓扑图上具有显著差别。

基于显示性偏好数据的航运承运人应对全球限硫令的选择偏好研究

建立了一个基于显示性偏好数据的航运承运人减排方案决策建模框架,从实证角度研究了承运人的实际减硫方案选择机制;基于AIS数据和其他相关数据库,采用数据挖掘方法与计量经济模型,综合考虑船舶特征、承运人特征和外部市场情况等方面共11个因素,克服了已有文献关注经济因素、忽视非经济因素的局限,系统分析了限硫令下承运人的应对措施选择。研究结果表明:11个因素均有助于解释承运人的能源选择,但其影响程度各不相同;各因素的修正效应量排序依次为距离新规实行的年限(3.957)、载重吨位(2.270)、船龄(1.711)、公司规模(1.579)、每吨燃料价差(1.456)、运价指数(1.442)、环保意识指数(1.353)、航速(1.243)、航程(1.172)、排放控制区航行占比(1.127)、贸易路线固定程度(1.108);对于承运人的能源方案选择,距离新规实行的年限和载重吨位对承运人决策产生了非常重要的影响,修正效应量均大于2.0;船龄、公司规模、每吨燃料价差、运价指数和环保意识指数5个因素对于决策的影响程度适中,修正效应量为1.3~1.8;其余4个与承运人运营模式相关因素虽然对于决策有一定影响,但影响程度较小,其修正效应量均小于1.3。