-
题名无线传感器网络农田环境监测管理平台设计
被引量：4
- 1
-
-
作者
伍丹
高红菊
梁栋
李偲钰
理苏磊
-
机构
中国农业大学信息与电气工程学院
北京赛迪时代信息产业股份有限公司
-
出处
《农机化研究》
北大核心
2014年第9期138-141,151,共5页
-
基金
"十二五"国家"863计划"项目(2011AA100704)
中共高校基本科研业务费专项(2012QJ080)
-
文摘
无线传感器网络在现代农业中有着广阔的应用。为此,针对农田环境场景,设计了一个基于无线传感器网络的农田环境信息监测管理平台。采用GPRS网络和Socket通信编程技术,将无线传感器网络节点采集的田间环境参数数据存储于服务器数据库中,由C#编写的网站平台发布监测信息。该平台能够将农作物种植地的关键环境参数准确直观地展示给用户和管理者,高效地实现了农田环境信息监测。
-
关键词
无线传感器网络
农田环境信息
SOCKET通信
实时监测
-
Keywords
WSN
information of farmland environment
socket communication
real-time monitoring
-
分类号
TP393.072
[自动化与计算机技术—计算机应用技术]
-
-
题名基于车牌时空数据的城市热点交通线路挖掘
被引量：2
- 2
-
-
作者
张翔宇
张强
吕明琪
李素玲
-
机构
中国科学院计算技术研究所
中国科学院大学
浙江工业大学计算机学院
北京赛迪时代信息产业股份有限公司
中华全国总工会
-
出处
《高技术通讯》
EI
CAS
北大核心
2020年第7期676-686,共11页
-
基金
国家自然科学基金联合重点项目(U1936215)资助。
-
文摘
交通摄像头在智能交通系统(ITS)中的作用日益重要,其主要功能为车牌识别。本文提出了一种从车牌时空数据中挖掘城市热点交通线路的方法。其中,车牌时空数据由部署在城市不同道路的交通摄像头不断进行车牌识别得到。实现该目标存在以下挑战:首先,一辆车的轨迹(由车牌时序数据代表)通常只占城市热点交通线路的一部分。其次,车牌识别存在高度的不确定性(如遗漏和错误),使得现有模式挖掘算法难以发现完整的城市热点交通线路。针对以上问题,本文提出了由2部分构成的方法。首先,该方法提出了一个基于子模式拼接的挖掘算法,从车牌时空数据中挖据出候选城市热点交通线路。然后,该方法基于一个聚类排序算法从候选城市热点交通线路中挑选出代表性城市热点交通线路。本文基于真实车牌时空数据对提出的方法进行了评测。
-
关键词
热点交通线路
交通摄像头
车牌时空数据
智能交通系统(ITS)
-
Keywords
hot route
traffic camera
license plate number data
intelligent transportation systems(ITS)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
U491.1
[交通运输工程—交通运输规划与管理]
-
-
题名基于演化模式挖掘和代价敏感学习的交通拥堵指数预测
被引量：1
- 3
-
-
作者
张翔宇
张强
吕明琪
-
机构
中国科学院计算技术研究所
中国科学院大学
北京赛迪时代信息产业股份有限公司
浙江工业大学计算机学院
-
出处
《高技术通讯》
EI
CAS
北大核心
2020年第9期918-927,共10页
-
基金
浙江省自然科学基金(LY18F020033)
国家自然科学基金联合重点(U1936215)资助项目。
-
文摘
交通拥堵指数预测是智能交通系统的核心能力之一。然而,现有方法大多采用回归模型,在长期交通拥堵指数预测任务上表现不佳。针对此问题,本文提出了一种融合演化模式挖掘和代价敏感学习的交通拥堵指数预测方法。首先,采用序列模式挖掘算法从交通拥堵指数历史数据中发现长期演化模式。同时,采用代价敏感学习技术对交通拥堵指数数据与多种时空特征之间的关联进行学习。最后,通过Stacking框架对演化模式挖掘和代价敏感学习的能力进行融合。基于杭州市真实交通拥堵指数数据集进行的实验表明,本文提出的方法对未来5天交通拥堵指数的预测误差比现有方法降低了10%以上。
-
关键词
交通拥堵指数预测
序列模式挖掘
代价敏感学习
数据融合
城市计算
-
Keywords
traffic congestion index prediction
sequential pattern mining
cost-sensitive learning
data fusion
urban computing
-
分类号
U49
[交通运输工程—交通运输规划与管理]
-
-
题名基于GPS轨迹挖掘的兴趣地点个性化推荐方法
被引量：5
- 4
-
-
作者
张翔宇
张强
吕明琪
-
机构
中国科学院计算技术研究所
中国科学院大学
浙江工业大学计算机学院
北京赛迪时代信息产业股份有限公司
-
出处
《高技术通讯》
EI
CAS
2021年第1期75-83,共9页
-
基金
国家自然科学基金(U1936215)资助项目。
-
文摘
随着全球定位系统(GPS)等定位设备的普及,用户可方便地记录其GPS轨迹,这使得自动从用户的GPS轨迹中发现兴趣地点(POI)(如餐厅、商场、景点)并在用户之间进行推荐成为可能。因此,本文提出了一种基于GPS轨迹挖掘的兴趣地点个性化推荐方法。该方法与现有主流的兴趣地点推荐平台具有以下不同:首先,现有平台假设兴趣地点是事先已知的,而该方法通过一个层次化聚类算法从用户GPS轨迹中自动挖掘兴趣地点。其次,现有平台的推荐模式为平台向用户推荐,因此仅考虑了用户的偏好,忽略了用户之间的社交关联对推荐效果的影响。针对此问题,该方法基于用户交叠访问行为计算用户之间的社交信任度,基于用户访问行为的相似性计算其对兴趣地点偏好的相似度,在此基础上提出了一种能够融合用户信任度和相似度的评分算法。文本基于真实GPS轨迹数据对提出的方法进行了评测,实验结果表明,本文所提方法的综合推荐性能明显优于简单的基于访问数量的推荐方法、仅基于用户信任度的推荐方法及仅基于偏好相似度的推荐方法。
-
关键词
个性化兴趣地点(POI)推荐
基于位置社会网络
全球定位系统(GPS)轨迹
时空数据挖掘
-
Keywords
personalized place of interest(POI)recommendation
location-based social network
global positioning system(GPS)trajectory
spatiotemporal data mining
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
P228.4
[天文地球—大地测量学与测量工程]
-
