基于APTS大数据的城市公交出行多维分析模型和方法

智能公交系统(Advanced Public Transportation Systems,APTS)数据具有海量、类型多样等大数据的典型特征,对其进行分析和挖掘可能获得丰富的公交出行特征和规律.构建基于APTS大数据的公交出行多维分析框架,在计算乘客出行时空信息(上车、下车和换乘)的基础上,建立包含4个维度(乘客、时间、空间和行为)的公交出行数据模型,系统提出基于5种联机分析处理方法的公交出行分析内容.应用APTS大数据对模型和方法进行了实验和验证,研究结果表明,该方法能够便捷地分析不同维度、不同粒度的公交出行信息,不仅能够应用于公交乘客出行行为的研究,还能够为城市公交系统的规划和管理提供决策支持.

价格波动对停车占有率影响的空间建模分析

对美国旧金山市中心2011~2014年的停车数据进行分析,研究了价格波动对于路侧停车占有率影响的空间异质性.该地区对路边停车位实行动态停车收费政策,根据停车占有率水平确定收费定价,即当某街区的停车占有率高于、低于或处于期望水平时,停车收费价格动态上调、下降或不变.运用地理加权回归模型方法捕捉不同街区价格波动对停车占有率影响的空间异质性,并提出了动态停车收费定价政策的具体实施步骤.研究结果表明,路边停车需求的价格敏感度具有明显的空间异质性,时间特性、街区特性和社会人口特征等其他变量对停车占有率的改变也有显著影响.研究结果可用于路边停车动态收费策略的制定,促进其获得期望的停车占有率.

智慧交通发展急需交通数据科学

作为智慧城市的重要组成部分,智慧交通在城市综合发展与新技术的推动下不断发展完善。随着新型智能感知、数据存储、移动通信等领域取得长足发展,交通行为所产生的海量交通数据在以大数据、云计算、人工智能为核心的现代智慧交通研究与应用中扮演着举足轻重的作用。海量交通数据拥有广义大数据所具有的数据量大、种类多、形式多样、产生速度快、价值密度低等特性[1]。云计算以其实时性、易扩展性及泛在的强大计算能力,为海量交通数据的存储、提取、处理、融合和分析提供了可靠硬件保障,也为高效准确地实施管理决策提供了技术支持。而新兴人工智能技术在计算机科学领域与互联网相关产业取得的巨大成就,也给现代智慧交通提供了一个强有力的分析决策手段。在这样的大背景下,一批以智慧城市为代表的“互联网+交通”项目在中国广泛开展并取得了诸多成果,有效提升了城市的智能化水平[2]。

基于非线性随机最优控制的大跨度斜拉桥地震响应Benchmark问题研究

大跨度斜拉桥Benchmark问题的振动控制研究是当前国际结构控制研讨会的重要议题之一。以美国Bill Emerson Memorial斜拉桥第二阶段Benchmark模型为研究对象,在非线性随机动力学与控制的拟哈密顿理论体系框架下,运用基于随机平均法和随机动态规划原理的非线性随机最优(NSO)控制策略,对地震作用下的Benchmark模型进行MATLAB仿真分析。将最优控制力和性能评价指标与线性二次型Gauss(LQG)控制的计算结果进行对比,得出非线性随机最优控制策略能够更加有效地抑制斜拉桥的地震响应,提高结构的动力稳定性和抗震能力,具有更好的控制效果,对实际桥梁工程的振动控制具有较强的指导意义和适用价值。

多区域通勤定制公交线路规划模型及求解算法

"定制公交"作为一种基于需求响应的公交服务模式,被认为能够有效吸引城市居民转向公共交通出行.通勤类型作为定制公交服务中的一种重要形式,其线路设计问题具有现实意义.首先,本文在已有理论的基础上,构建了多区域运营模式的通勤定制公交线路规划模型,该模型以最小化乘客出行成本、车辆运营成本为优化目标.其次,为求解模型,设计了一个两阶段启发式算法以获得多目标优化模型的Pareto解.最后,通过几组算例对模型进行了验证.结果表明,本文所提出的方法可根据优化目标提供多种线路方案集,丰富了定制公交的运营模式,为定制公交的线路规划提供了依据.

利用大数据挖掘和知识发现技术辅助智慧城市发展

互联网的广泛应用带来了信息时代的数据井喷,大数据成为当前时代的宝贵资源,而大数据分析也成为了新时代的重要课题。大数据分析可以提供更准确的分析结果,从而推动智慧城市系统的发展。总结了智慧城市和大数据的基本概念、发展历程和主要特点,提出了利用大数据挖掘技术辅助智慧城市的综合发展,旨在为当代智慧城市和大数据研究提供理论基础。

基于多源城市交通出行数据的定制公交需求辨识方法研究

定制公交作为一种新的公交服务模式,对其需求的辨识具有重要实践意义,也是后续线路设计流程的基础。在大数据背景下,通过对海量出行数据中时空信息的挖掘分析,提出一个基于多源数据的定制公交需求分析框架,包括从公交和互联网用户中辨识通勤用户、出行需求的融合及站点选址方法。最后将该方法应用到成都市的出行数据中以验证其有效性,其需求分析结果可为定制公交的线路设计提供依据。

基于机器学习-优化混合算法的离散交通网络双层规划模型

为求解离散交通网络设计的大规模双层规划问题(Bi-level Programming Program,BPP),提出一种机器学习-优化(ML-OP)混合算法。首先,基于分解方法的求解思路,将双层规划问题转换为:下层一个典型的非线性规划问题(NLP),上层一个整数规划问题来处理。研究设计的混合方法,上层问题用源于机器学习的替代问题代替,采用监督学习算法求解(SLA),下层问题为交通分配问题(TAP),是一个凸非线性规划问题,用Frank-Wolfe算法求解。其次,为了验证机器学习-优化算法的有效性,用一个真实的大规模数据集来测试,并与经典分支定界算法(Branch-and-Bound)进行比较。数据结果表明在处理大规模双层规划问题时,ML-OP混合算法在计算能力方面有较好的表现。

城市普通道路与快速路出口衔接区域信号交叉口公交优先实施方法

针对城市普通道路与快速路出口衔接路段的公交优先实施方法开展研究,并提出一种针对该区域交通特征的新型公交优先控制技术.新技术的目标是减少研究区域公交车辆的交通冲突点,以及提升公交车的通行能力.新技术的主要支撑工具是交叉口渠化设计技术.本文对实施公交优先控制前后交叉口各交通方式通行能力进行分析,并结合多属性决策理论给出了不同交通状态下公交优先控制策略.本研究将提出的公交优先控制技术与传统的信号交叉口公交优先控制技术进行了对比,研究结果指出了新公交优先控制技术的优势所在,适用环境以及应用前景.