為了檢測(cè)出異常航跡數(shù)據(jù)從而提高航跡數(shù)據(jù)挖掘的精確性，將航跡異常檢測(cè)轉(zhuǎn)化為無(wú)監(jiān)督學(xué)習(xí)問(wèn)題，研究了基于VAE-LSTM 的航跡異常檢測(cè)算法。引入殘差結(jié)構(gòu)到LSTM 中，建立殘差門LSTM，通過(guò)將變分自編碼器中的BP 神經(jīng)網(wǎng)絡(luò)層替換為殘差門LSTM 層，實(shí)現(xiàn)對(duì)變分自編碼器的改進(jìn)，并構(gòu)建了VAE-LSTM 航跡異常檢測(cè)模型。模型輸入為航跡的速度、加速度、真航向和曲率半徑運(yùn)動(dòng)特征，輸出為航跡點(diǎn)特征的重建概率，重建概率小于概率閾值的航跡點(diǎn)為異常航跡點(diǎn)，包含異常航跡點(diǎn)的航跡判定為異常航跡。以長(zhǎng)江水域內(nèi)的航跡數(shù)據(jù)進(jìn)行驗(yàn)證并與多種機(jī)器學(xué)習(xí)異常檢測(cè)算法進(jìn)行對(duì)比。VAE-LSTM 航跡異常檢測(cè)算法的召回率達(dá)到了0.935，F(xiàn)1 值達(dá)到了0.940，各項(xiàng)指標(biāo)均高于對(duì)比算法，驗(yàn)證了方法的有效性。（常吉亮，等：基于VAE-LSTM 模型的航跡異常檢測(cè)算法）

無(wú)線鏈路質(zhì)量的準(zhǔn)確預(yù)測(cè)可為高層網(wǎng)絡(luò)協(xié)議設(shè)計(jì)和數(shù)據(jù)可靠傳輸提供有力支撐。受船舶環(huán)境因素影響，船載無(wú)線鏈路表現(xiàn)出高動(dòng)態(tài)特性，無(wú)法僅根據(jù)前期數(shù)據(jù)變化規(guī)律對(duì)下一時(shí)刻的無(wú)線鏈路質(zhì)量進(jìn)行準(zhǔn)確預(yù)測(cè)。在分析船舶環(huán)境因素對(duì)無(wú)線鏈路影響規(guī)律的基礎(chǔ)上，引入航速影響因子，量化船速對(duì)無(wú)線鏈路的影響程度，建立船速與預(yù)測(cè)權(quán)重系數(shù)之間的關(guān)聯(lián)關(guān)系，重構(gòu)加權(quán)移動(dòng)平均預(yù)測(cè)模型，提出1 種船載無(wú)線鏈路質(zhì)量自適應(yīng)預(yù)測(cè)方法NS-EWMA。結(jié)果表明，針對(duì)船載無(wú)線鏈路質(zhì)量預(yù)測(cè)，NS-EWMA 預(yù)測(cè)方法不僅可以實(shí)時(shí)和精準(zhǔn)感知鏈路長(zhǎng)時(shí)間的連續(xù)變化，還可以平滑短期的低幅度波動(dòng)并保持良好的穩(wěn)定性。在EWMA 權(quán)重系數(shù)取值固定為0.5 時(shí)，NS-EWMA 的協(xié)方差和均方誤差分別提高了1.655 和2.5。（曾旭明，等：基于改進(jìn)加權(quán)移動(dòng)平均模型的船載無(wú)線鏈路質(zhì)量預(yù)測(cè)方法）

合理的公交站點(diǎn)布局有助于良好地服務(wù)城市居民出行。為深入評(píng)價(jià)并揭示公交站點(diǎn)布局與城市其他設(shè)施之間的聯(lián)系，研究了基于興趣點(diǎn)數(shù)據(jù)的城市公交站點(diǎn)布局合理度的評(píng)價(jià)指標(biāo)。通過(guò)分析站點(diǎn)服務(wù)范圍內(nèi)興趣點(diǎn)的特征，設(shè)計(jì)了興趣點(diǎn)數(shù)量、距離與流量3 個(gè)指標(biāo)，給出了各指標(biāo)的指標(biāo)值和權(quán)值計(jì)算方法，并使用物元分析模型分別計(jì)算各站點(diǎn)的布局合理度。將所有站點(diǎn)的評(píng)分均值作為站點(diǎn)網(wǎng)的整體布局合理度。以徐州市豐縣城區(qū)公交站點(diǎn)網(wǎng)絡(luò)為例進(jìn)行了指標(biāo)標(biāo)定和布局合理度評(píng)價(jià)的實(shí)際應(yīng)用。對(duì)于案例的核心區(qū)和非核心區(qū)評(píng)價(jià)結(jié)果的比值，基于興趣點(diǎn)數(shù)據(jù)的評(píng)價(jià)指標(biāo)是3.75，傳統(tǒng)的評(píng)價(jià)指標(biāo)為1.40，而興趣點(diǎn)在核心區(qū)和非核心區(qū)上分布的比值為3.32。該結(jié)果驗(yàn)證了所提出的基于興趣點(diǎn)數(shù)據(jù)的指標(biāo)在評(píng)價(jià)站點(diǎn)布局合理度上的可行性。（程一一，等：基于興趣點(diǎn)數(shù)據(jù)的公交站點(diǎn)布局合理度物元分析評(píng)價(jià)）

為了識(shí)別高速公路事故黑點(diǎn)，基于歷史交通事故數(shù)據(jù)，建立貝葉斯時(shí)空交互模型，估計(jì)高速公路路段事故率和超常事故率。根據(jù)其后驗(yàn)期望序號(hào)對(duì)路段安全性進(jìn)行排序，將排序靠前的一定比例路段判定為事故黑點(diǎn)。利用該方法對(duì)廣東開陽(yáng)高速公路進(jìn)行事故黑點(diǎn)判別，并與基于貝葉斯層級(jí)泊松模型的黑點(diǎn)判別結(jié)果進(jìn)行對(duì)比。結(jié)果表明，時(shí)空交互模型和層級(jí)泊松模型的事故路段排序結(jié)果存在顯著差異。以事故率為安全評(píng)價(jià)指標(biāo)時(shí)，2個(gè)方法判別的事故黑點(diǎn)中有73%相同；以超常事故率為安全評(píng)價(jià)指標(biāo)時(shí)，2個(gè)方法判別的事故黑點(diǎn)中僅有20%相同。這與類似研究的結(jié)論一致，體現(xiàn)了解析時(shí)空關(guān)聯(lián)和交互對(duì)事故黑點(diǎn)判別的重要性。另外，還對(duì)比了基于評(píng)價(jià)指標(biāo)后驗(yàn)期望序號(hào)和后驗(yàn)均值的事故路段排序序號(hào)。結(jié)果顯示二者的一致性較高。（曾 強(qiáng)，等：基于貝葉斯時(shí)空建模的高速公路事故黑點(diǎn)判別）

為了更加全面地評(píng)價(jià)城市公交運(yùn)行狀況，提升乘客出行效率和公交運(yùn)營(yíng)效率，研究從城市公交停靠站時(shí)間與總行程時(shí)間相關(guān)關(guān)系的角度出發(fā)，研究了基于全樣本大數(shù)據(jù)的公交停靠站時(shí)間規(guī)律分析方法。通過(guò)收集濟(jì)南市公交行程時(shí)間的全樣本大數(shù)據(jù)，在對(duì)公交行程時(shí)間和?？空緯r(shí)間典型問(wèn)題和異常數(shù)據(jù)預(yù)處理的基礎(chǔ)上，計(jì)算不同公交班次的?？空緯r(shí)間比例系數(shù)，構(gòu)建了公交?？空緯r(shí)間計(jì)算模型，分析了線路差異、駕駛員（車輛）差異、運(yùn)行時(shí)段差異、行程時(shí)間差異等因素對(duì)比例系數(shù)的影響，并與江陰市的典型線路進(jìn)行對(duì)比。研究結(jié)果表明，隨著數(shù)據(jù)樣本量的增加，公交?？空緯r(shí)間比例系數(shù)會(huì)逐漸收斂至一個(gè)穩(wěn)定值，且受到線路、時(shí)間、駕駛員等因素的影響較小，具有較強(qiáng)的可靠性和適用性，并提出城市公交系統(tǒng)的公交?？空緯r(shí)間比例系數(shù)的建議取值為0.25。（祁昊，等：基于全樣本大數(shù)據(jù)的公交?？空緯r(shí)間規(guī)律分析）