本期导读

为了检测出异常航迹数据从而提高航迹数据挖掘的精确性，将航迹异常检测转化为无监督学习问题，研究了基于VAE-LSTM 的航迹异常检测算法。引入残差结构到LSTM 中，建立残差门LSTM，通过将变分自编码器中的BP 神经网络层替换为残差门LSTM 层，实现对变分自编码器的改进，并构建了VAE-LSTM 航迹异常检测模型。模型输入为航迹的速度、加速度、真航向和曲率半径运动特征，输出为航迹点特征的重建概率，重建概率小于概率阈值的航迹点为异常航迹点，包含异常航迹点的航迹判定为异常航迹。以长江水域内的航迹数据进行验证并与多种机器学习异常检测算法进行对比。VAE-LSTM 航迹异常检测算法的召回率达到了0.935，F1 值达到了0.940，各项指标均高于对比算法，验证了方法的有效性。（常吉亮，等：基于VAE-LSTM 模型的航迹异常检测算法）

无线链路质量的准确预测可为高层网络协议设计和数据可靠传输提供有力支撑。受船舶环境因素影响，船载无线链路表现出高动态特性，无法仅根据前期数据变化规律对下一时刻的无线链路质量进行准确预测。在分析船舶环境因素对无线链路影响规律的基础上，引入航速影响因子，量化船速对无线链路的影响程度，建立船速与预测权重系数之间的关联关系，重构加权移动平均预测模型，提出1 种船载无线链路质量自适应预测方法NS-EWMA。结果表明，针对船载无线链路质量预测，NS-EWMA 预测方法不仅可以实时和精准感知链路长时间的连续变化，还可以平滑短期的低幅度波动并保持良好的稳定性。在EWMA 权重系数取值固定为0.5 时，NS-EWMA 的协方差和均方误差分别提高了1.655 和2.5。（曾旭明，等：基于改进加权移动平均模型的船载无线链路质量预测方法）

合理的公交站点布局有助于良好地服务城市居民出行。为深入评价并揭示公交站点布局与城市其他设施之间的联系，研究了基于兴趣点数据的城市公交站点布局合理度的评价指标。通过分析站点服务范围内兴趣点的特征，设计了兴趣点数量、距离与流量3 个指标，给出了各指标的指标值和权值计算方法，并使用物元分析模型分别计算各站点的布局合理度。将所有站点的评分均值作为站点网的整体布局合理度。以徐州市丰县城区公交站点网络为例进行了指标标定和布局合理度评价的实际应用。对于案例的核心区和非核心区评价结果的比值，基于兴趣点数据的评价指标是3.75，传统的评价指标为1.40，而兴趣点在核心区和非核心区上分布的比值为3.32。该结果验证了所提出的基于兴趣点数据的指标在评价站点布局合理度上的可行性。（程一一，等：基于兴趣点数据的公交站点布局合理度物元分析评价）

为了识别高速公路事故黑点，基于历史交通事故数据，建立贝叶斯时空交互模型，估计高速公路路段事故率和超常事故率。根据其后验期望序号对路段安全性进行排序，将排序靠前的一定比例路段判定为事故黑点。利用该方法对广东开阳高速公路进行事故黑点判别，并与基于贝叶斯层级泊松模型的黑点判别结果进行对比。结果表明，时空交互模型和层级泊松模型的事故路段排序结果存在显著差异。以事故率为安全评价指标时，2个方法判别的事故黑点中有73%相同；以超常事故率为安全评价指标时，2个方法判别的事故黑点中仅有20%相同。这与类似研究的结论一致，体现了解析时空关联和交互对事故黑点判别的重要性。另外，还对比了基于评价指标后验期望序号和后验均值的事故路段排序序号。结果显示二者的一致性较高。（曾 强，等：基于贝叶斯时空建模的高速公路事故黑点判别）

为了更加全面地评价城市公交运行状况，提升乘客出行效率和公交运营效率，研究从城市公交停靠站时间与总行程时间相关关系的角度出发，研究了基于全样本大数据的公交停靠站时间规律分析方法。通过收集济南市公交行程时间的全样本大数据，在对公交行程时间和停靠站时间典型问题和异常数据预处理的基础上，计算不同公交班次的停靠站时间比例系数，构建了公交停靠站时间计算模型，分析了线路差异、驾驶员（车辆）差异、运行时段差异、行程时间差异等因素对比例系数的影响，并与江阴市的典型线路进行对比。研究结果表明，随着数据样本量的增加，公交停靠站时间比例系数会逐渐收敛至一个稳定值，且受到线路、时间、驾驶员等因素的影响较小，具有较强的可靠性和适用性，并提出城市公交系统的公交停靠站时间比例系数的建议取值为0.25。（祁昊，等：基于全样本大数据的公交停靠站时间规律分析）