为加强危险货物道路运输风险源头管控,以危货运输车辆行驶轨迹数据为分析对象,研究安全、经济且符合企业自身偏好的道路运输路径优化选择问题,提出了基于偏好、上下文感知的危险货物道路运输个性化路径推荐方法。首先对危货运输车辆历史轨迹数据进行处理,通过提取路径安全和经济性特征学习危货运输企业的路径偏好,在此基础上,综合考虑偏好向量间的距离和方向相似性,提出了改进的K-means偏好聚类算法(improved K-means clustering algorithm based on distance and direction similarity measurement,DDM-K-means),获取了路径偏好类别;其次,依据运输任务执行的时间、天气、运距三方面信息,建立了路径上下文向量,并运用Rock聚类算法划分路径的上下文类别,与路径偏好类别共同构成路径信息;最终,基于神经协同过滤提出了危险货物道路运输路径选择优化算法(optimal route selection algorithm based on neural collaborative filtering,NCF-ORS),得到了危货运输企业对各路径类别的偏好排序,从而为企业推荐最优路径。与基线算法比较分析,结果表明危险货物道路运输个性化路径推荐方法,平均绝对百分比误差最低。研究结果有助于挖掘车辆轨迹数据中更多的潜在信息,提升个性化路径推荐能力,可为危货运输企业的选线问题提供决策支持。
以城市群内旅客城际出行为研究对象,分析心理潜变量、城市群属性和突发事件等因素对城际出行方式选择行为的影响。基于京津冀旅客城市群内部城际出行问卷调查数据,构建突发事件下考虑心理潜变量的综合选择(integrated choice and latent...
详细信息
以城市群内旅客城际出行为研究对象,分析心理潜变量、城市群属性和突发事件等因素对城际出行方式选择行为的影响。基于京津冀旅客城市群内部城际出行问卷调查数据,构建突发事件下考虑心理潜变量的综合选择(integrated choice and latent variable,ICLV)模型进行实证分析。结果表明:考虑便捷性和乘车体验潜变量的混合选择模型对居民城际出行行为的拟合优度更高;城市群属性方面,起讫点城市类型、出行距离和起讫点间铁路车次数量对出行方式选择有显著影响;突发事件方面,雾霾天气下选择铁路出行的概率提高25.69%,雨天选择小汽车出行的概率提高31.63%,雪天选择小汽车出行的概率相对降低,发生阻断事件时选择小汽车出行的概率升高。研究结果有助于深入理解城市群内城际出行方式选择行为,为突发事件下城际出行需求的差异化出行诱导和需求管控提供科学依据。
暂无评论