交信投科技:交通运输数智化安防体系

广州市公共交通集团有限公司控股子公司广州交信投科技股份有限公司(简称交信投科技)以交通运输主动安全防控数智化转型为目标,以大数据、人工智能、云计算、物联网等新一代信息技术在交通运输行业融合应用为场景,构建多维度信息感知、立体化风险识别、智能化安全防控的交通运输主动安全数智化防控体系。

基于行程数据的公交车到站时间预测

为向乘客提供较为准确的上下车时间参考,解决长距离预测中误差累积明显的问题,构建基于双层、双注意力、双向长短期记忆(LSTM)神经网络的公交车到站时间预测模型,提出一种基于行程数据的公交车到站时间预测方法.以广州市B2路、 560路公交车工作日的实际运行数据为例,对该预测方法进行精度验证.结果表明,由该模型所预测的行程时间,其平均绝对百分比误差为8.09%,在长距离到站时间估算上,15个站点的预测误差可保持在4.00 min左右.

新型冠状病毒肺炎疫情下广州公交站点客流特征分析研究

为了更好地掌握新型冠状病毒肺炎疫情下广州公交客流变化情况,从而更科学地分配运力并为公共交通疫情防控提供参考依据,对广州市12个特征公交站点在2019年春节后返工和2020年春节后复工复产40 d的客流变化进行对比分析,同时分别对2020年站点客流在工作日、节假日的增长趋势进行短时预测。

公交车辆主动安全防控智慧云管平台设计和实现

为提高新能源公交车主动安全防控水平,本文设计和实现了公交车辆主动安全防控智慧云管平台。首先设计公交车辆主动安全防控智慧云管平台体系架构,基于车载设备对公交数据进行全方位采集,在对多源数据进行融合分析的基础上研究平台功能设计;然后构建公交车辆主动安全防控智慧云管平台,实现驾驶员风险、车辆风险、行驶环境风险、运输运营风险4大类共计35项安全风险识别与告警,应用覆盖广州市12000多辆公交车,实现公交主动化、智能化、精细化安全管理。

新城建下的智慧公交大脑应用探索

本文以广州公交集团智慧云脑平台的建设实践为案例,分析和探讨大型城市新城建背景下智慧公交大脑的建设方法与技术结构,并对部分技术创新带动传统交通运输行业数字化转型进行了叙述,包括引入深度学习算法实现公交旅行时间预测,增强城市公交的吸引力;讨论公共交通大数据技术能力建设和应用逻辑,分析乘客画像、出行OD调查等在新城建下公交行业管理、企业经营、公众服务等场景的实现;介绍广州公交在移动互联网等新技术环境下对智慧出行的实践,发展的个性化公交服务新模式。

基于PSO-LightGBM的公交行程时间预测

为有效提升城市公交到站预测的准确性,提高城市智能公交系统服务水平,提出了1种基于粒子群优化算法(PSO)和轻量级梯度提升机(LightGBM)的公交行程时间预测模型,采用LightGBM构建公交行程时间的预测模型,PSO用于优化LightGBM模型的超参数.以广州市某典型公交线路为例,从公交调度系统中提取大量的历史数据进行预处理,分析公交行程时间的影响因素,构建模型特征集,建立了基于PSO-LightGBM、LightGBM、BP神经网络和LSTM的公交行程时间预测模型.结果表明PSO-LightGBM模型在早高峰、晚高峰和平峰时段的平均绝对百分比误差(MAPE)分别为7.72%、7.56%和7.31%,该模型对公交行程时间的预测准确率要高于LightGBM模型、BP神经网络模型和LSTM模型.

城市交通运输风险识别与防控策略

为提高城市交通运输安全防控水平,梳理了城市交通运输安全防控趋势,提出了“信息感知、风险识别、安全防控”的城市交通运输安全防控技术体系框架,从人、车辆、道路环境、营运行为四个风险源角度分析安全防控策略,同时结合风险时态提出“常态规避、短临预警、应急响应”的多场景安全防控策略,并开展风险识别与防控实践应用,结果显示总体营运行为风险识别与防控效率提升了23.2%,高风险群体驾驶员经常态规避策略干预后风险回落至普通驾驶员水平。

融合客流大数据和成本最优化的公交动态排班方法

为提高公交排班效率和准确性,提出一种基于客流OD数据的动态排班模型。首先,模型将影响公交车辆排班的因素划分为静态因素、可变因素和动态因素,给出每日客流变化情况下动态影响因素计算方法;其次,以满足乘客需求减少公交企业运营成本为目标,探索多目标最优排班方案求解方法,实现公交运营效益最大化;最后,以广州560路公交线路为例进行模型仿真验证。仿真结果表明:模型求解结果可以在不降低乘客服务质量的同时有效减少车辆使用量,提升车辆满载率,工作日减少车辆13.3%,非工作日减少车辆26.6%。在满足社会效益的情况下节约企业运营成本。

基于LightGBM-LSTM的公交到站时间预测

公交到站时间预测能够为公共交通智能调度和公众出行提供技术服务,具有重要意义。提出一种基于轻量级梯度提升机(LightGBM)和长短期记忆网络(LSTM)的公交到站时间预测模型,其中LSTM模型用来区分时序数据的高平峰模式,LightGBM模型用来预测公交到站的时长。以广州市某典型公交线路为例,从公交调度系统中提取大量的历史数据进行预处理,分析了影响公交到站时间的因素,构建模型的特征集,然后采用LightGBM模型进行预测,以平均绝对百分比误差(MAPE)作为预测模型的评价指标。结果表明,基于LightGBM-LSTM模型的预测准确率高于支持向量机模型、BP神经网络模型和多元线性回归模型。

道路交通智能化安全防控平台设计

为有效开展道路交通安全防控工作,保障道路交通运行安全高效,本文分析了人、车、路、环境四个道路交通的风险源及智能化安全防控需求,提出了道路交通智能化安全防控平台的架构,阐述了平台各层系统的建设内容与技术实施路径,最后面向新一代信息技术在交通行业的深度融合,展望道路交通安全防控车路协同发展。本文结合前沿新一代信息技术发展对道路交通安全防控进行研究探讨,期望为道路交通安全管理服务工作提供参考借鉴。

基于模糊层次分析的智慧高速公路主数据研究

本文提出一种基于模糊层次分析的智慧高速公路主数据获取方法及系统,首先确定高速公路主数据的评价指标为共享性、稳定性、关键性、原始性、可持续性、不可替代性和广泛使用性;其次利用模糊层次分析法建立模糊互补判断矩阵,并进行权重计算和一致性检验,得到高速公路主数据识别模型;再将广东省高速公路业务系统数据代入模型中识别,设定高速公路主数据的阈值为0.8。最终得出高速公路的主数据为路线数据、路段数据、设施数据、设备数据和互通节点数据。

基于移动物联的空气质量监测大数据分析应用

依托现有公共交通资源,在公交车辆上搭载移动空气质量监测设备实时采集PM2.5、PM10等空气污染物监测数据,全面掌握路段区域空气质量污染的时空差异性,快速识别出污染因子,掌握其扩散与传播机理,形成智能化治理闭环。结果表明,基于移动物联的空气质量监测大数据分析应用可有效弥补原有固定监测模式的短板,使空气污染治理更加精细化、智能化。

5G在城市管理服务中的应用研究

5G网络“高带宽、低时延、广连接”的技术优势,为城市发展注入新活力。现阶段,广州市既面临共性技术层面的挑战,在统筹协调、部署建设、产业生态、应用模式等建设应用层面,也存在困难和问题。能否有效应对挑战、克服困难、解决问题,直接影响5G在城市的应用进程和成效。

新会计准则下系统集成企业的财务核算管理

本文对新会计准则下系统集成企业的财务核算管理问题进行了探讨,文章从阐述新会计准则相关概念入手,进一步分析了新准则对 系统集成企业财务管理工作的影响,最后提出了发展财务管理制度时应当采取的措施。

城市微循环公交潜在需求挖掘与线路设计算法

为满足城市居民“最后一公里”出行需求,创新提出城市微循环公交潜在需求挖掘与线路设计算法。使用加权DBSCAN对共享单车、出租车、网约车等非公交出行OD进行聚类,挖掘出微循环线路潜在需求集中区域;通过分析历史出行数据揭示公交与共享单车竞争关系,构建以行程距离和公交相对共享单车行程时间优势为影响因素的公交客流估计模型,进而构建考虑客流收入和运营成本的线路收益估算模型,使用深度优先算法获取区内所有合理线路,从中选取收益最大线路作为推荐微循环线路。在广州市主城区范围内挖掘得到若干微循环公交潜在需求集聚区域,并选取其中典型区域计算微循环推荐线路,分析结果表明,推荐线路具备较强合理性。

基于交通大数据的视频智能化多场景应用

为提高城市交通运输管理与执法的智能化水平,实现交通视频大数据复杂场景智能化深度融合应用,本文首先采集城市各个道路、场站等公共区域的多源视频大数据,接入相关系统数据,然后对视频大数据进行结构化处理与识别分析。同时结合人工智能、大数据等新一代信息技术,对视频大数据进行深层次智能化应用和对复杂场景营运车辆违规事件实现精准研判,助力当下交通运输管理与执法。通过在交通运输管理与执法部门的大规模应用以及超120000辆营运车辆实车应用分析,公路客运、货运危运、出租车、公交等营运车辆违规自动研判和精准执法水平有了大幅提高,2020年查处违规营运案件同比增长30%以上。