摘要：当前主要的轨迹相似性连接方法都以GPS轨迹为研究对象。针对GPS轨迹的优化方法无法直接用于解决地铁乘客轨迹相似性连接的问题,充分利用地铁乘客轨迹的时空特征,借助轨迹的重复性和对称性,将轨迹从点序列转化为OD序列。以OD序列为基础的轨迹,长度是原轨迹的一半,对应的索引空间变小,后续的计算量也随之减少。着重研究了基于PPJoin+的轨迹连接算法在Spark平台上的设计与实现。在一个13结点Spark集群和一个包含500万个乘客轨迹集合(5.6亿条刷卡记录)的超大规模数据集上验证了该算法的有效性。实验结果显示,基于OD序列的PPJoin+算法的执行时间为14.0 min,比默认的点序列轨迹连接算法的节约了62.5%,比Dima连接算法的节约了78.2%,并表现出了良好的可扩展性。

摘要：在我国烟草行业中,假冒伪劣产品的销售和生产现象屡禁不止,产品追踪工作也十分繁重,在此背景下本文介绍了一种基于神经网络学习的条烟激光码识别算法,用于智能识别条烟激光码,甄别烟草真伪并读取烟草的详细信息。识别过程中首先使用Fast RCNN对条烟激光码进行粗略检测,找出字符的大致位置,然后利用边缘投影法定位字符的准确位置。由于卷烟的32位激光码的具体形态差异过大,为此文章还提出了码值自适应变异技术,简化取样工作,同时提高算法识别率。最后,文章对不同的检测方案进行了测试,结果显示全烟标识别正确率约为74%,错1个字符的比例约为20%,错2个字符及以上约为6%。论文设计的算法已在相关条烟激光码识别系统中得到了应用,识别效果良好。

摘要：随着数据采集技术和存储能力的快速发展,越来越多的人口出行数据被收集。这些大数据为人口出行行为研究带来了机遇和挑战。通过两种可视化方法对模拟话单数据进行分析,表征城市人口出行行为模式。通过研究:(1)出行OD图,揭示出行需求的空间结构;(2)表征居民连续空间分布特征的密度图;(3)描述人口区域运动规律的流线图。讨论每种可视化方法的设计和实现技术。居民出行行为的调查结果可以帮助政府制定相应的城市规划,帮助居民做出更好的日常旅行规划。

摘要：地铁的“无缝换乘”运行模式使乘客可以为同一OD对选择多种路线,同时在换乘时无需再次刷卡。这给乘客带来了方便的同时,也对不同线路的客流计算带来了巨大的挑战。为了更好地反映地铁网络中客流的分布,对票价进行合理的清分,研究乘客的路线选择行为就显得尤为重要。论文基于刷卡数据,结合列车时刻表和乘客走行时间,设计并实现了一种基于时空数据管道耦合和汇聚OD路径溯源方法。经过真实OD数据的测试,该方法可以还原90%以上正确的线路。

摘要：在轨道交通领域客流密度是一项重要监控指标,客流密度评估是客流智能化管控的重要手段,为车站大客流监控提供依据的关键技术。利用车站内传统摄像头,通过图片处理、卷积操作和池化,提出了基于深度学习的视频客流密度计算方法来评估站内区域人数。基于B/S架构设计了客流密度监控平台,通过与实际情况对比,监控平台具有一定的准确性和及时性。