浅谈上海交通行业大数据应用架构及方向

随着计算机技术、网络和城市交通系统的发展,数据数量正在按指数增长。该文分析了上海交通行业大数据发展的背景和必要性,在分析上海公共交通大数据资源框架的基础上,通过实例介绍了上海公共交通大数据的应用情况,并建立了上海公共交通大数据总体业务框架和技术框架,以及未来上海交通大数据的主要应用方向。

北斗定位系统在重点营运车辆安全监管中的应用

介绍北斗定位系统在上海市重点营运车辆安全监管中的应用,总结建设和应用经验,提出了运输企业和设备供应商统一管理,跨区域、跨部门协同管理,主动式、服务式监管,量化监管评判指标四大管理创新,对交通管理部门推出新型监管方式有一定的参考意义。

智能视频监控系统中的网络拥塞解决策略

借鉴TFRC拥塞控制模型原理,提出一种网络拥塞自适应解决策略,按照该网络拥塞解决策略的要求,结合网络视频流传输相关技术为系统后台服务端设计了一个网络拥塞处理模块。该模块通过接收端反馈回来的网络状况报告,制定出平滑的数据传输带宽,系统根据该传输带宽对数据发送模块和视频编码模块运作进行指导。

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性,导致自动驾驶能力难以被客观评估。为此,提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法。首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型;其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值,持续时长大于阈值的数据段记录为准确的驾驶模式数据,小于等于阈值的数据段则为驾驶模式待分类数据集;随机选取70%记录准确的驾驶模式数据作为监督分类模型训练数据集,剩余30%作为测试数据集;最后利用正确率、精确率和召回率3个指标评价5种监督分类模型,并选取表现最佳的分类模型用于待分类数据的驾驶模式辨别。基于上海市城市道路和快速路2个道路测试场景共约43.6万条数据,验证驾驶模式辨别方法的有效性。结果表明:随机森林监督分类模型辨别道路测试驾驶模式的效果最佳;城市道路场景和快速路场景待分类数据驾驶模式记录有误率分别达到42.3%和39.4%。实测数据驱动的驾驶模式的辨别与修复,可显著提升评估自动驾驶道路测试驾驶能力的准确度。