摘要：在新的国土空间规划背景下,运用互联网大数据掌握旅游人群的空间分布特征及活动规律,对于城市空间结构布局、基础设施配套以及旅游资源整合开发等具有重要意义。基于手机信令数据获取游客出行数据,并从景区、线路、网络三个维度进行城市旅游客流空间分布特征分析。景区方面运用个体出行链数据分析游客在景区的时间和空间分布特征;旅游线路方面通过Apriori关联规则挖掘,在满足最小支持度和置信度的前提下得到48条热点旅游线路;旅游网络方面,用度中心性、接近中心性以及中介中心性三个指标对全市旅游景区进行度量,发现三个湾区的景区各项指标均较高,是典型的旅游集散中心。与传统方法相比,基于手机信令数据的机器学习算法具有客观性、时效性、成本低等特点,随着旅游行为的不断散客化、大众化、网络化,利用旅游个体数据进行旅游空间行为分析对于旅游研究和实践创新具有重要指导意义。

摘要：针对高速公路各路段交通流信息差异较大这一现象,为提高交通流预测准确率,将注意力机制引入卷积神经网络,建立描述交通流时空关联特征的多核自适应网络(Multi-Kernel Adaptive Network,MKAN)。首先对输入的历史交通流数据进行多分支卷积,获得不同尺度的交通流特征;然后根据输入信息自适应调整各卷积分支权重并对各分支多通道特征图进行加权融合;最后根据融合特征图,利用多层感知机预测下一时段交通流。基于加州交通运输部性能测试系统中的高速公路交通流数据设计实验进行模型验证和对比分析。实验结果表明,在大多数站点,MKAN模型的预测均方根误差和平均绝对误差低于长短期记忆网络、门控循环单元、K近邻算法和支持向量回归模型,对140号站点进行全天交通流预测,在1d内的各时段,MKAN模型预测绝对误差均小于其他对比模型;相比于单核卷积神经网络,在绝大多数站点,MKAN模型预测结果的均方根误差和平均绝对误差降低7%以上,对31号站点进行全天交通流预测,在1d内的大多数时段,MKAN模型预测绝对误差小于其他单核卷积神经网络。实验证明,多核自适应网络可有效提高交通流预测准确率,其预测效果优于部分传统预测模型和单核卷积神经网络。

摘要：为分析地铁安检系统性能、提高安检服务效率,在分析地铁安检服务流程结构特征的基础上,利用广义随机Petri网(GSPN)建立地铁安检服务流程模型。构造GSPN模型同构的嵌入马尔可夫链(EMC),进而对地铁安检服务流程性能进行深入分析。以地铁10号线国贸站为例进行性能分析,结果表明:新建立模型既能整体分析整个地铁安检服务流程的性能,又能有效识别流程中的瓶颈环节,为安检系统的针对性优化提供理论基础。

摘要：针对驾驶环境单调使草原公路驾驶疲劳频发的问题,文章基于驾驶人视觉刺激,设计了3种新型防疲劳设施(彩色防滑道面与路肩黄色导流线、主动发光标志、彩色防眩板)预防草原公路驾驶疲劳.为验证3种新型防疲劳设施的有效性,开展了驾驶模拟实验,获取了25名被试的驾驶行为及主观评价数据.利用皮尔逊相关系数法和主成分分析法确定了基于驾驶行为数据的驾驶疲劳有效特征指标,构建了基于熵权法的TOPSIS综合评价模型.研究结果表明,速度、加速度、横向偏移和油门功率与驾驶疲劳具有显著相关性.依据TOPSIS综合评价及主观评价结果,3种设施均具有缓解草原公路驾驶疲劳的效果,其中彩色防滑道面与路肩黄色导流线效果最优.