出行量预测不确定下基于灵敏度分析的拥挤收费定价模型

拥挤收费是改善城市交通的有效手段.对拥挤收费定价的研究方法之一,就是针对固定的出行量进行收费设计.由于出行量预测不确定的因素,应针对长期出行量预测不确定的情况,利用灵敏度分析的方法,对拥挤收费定价的问题进行研究.首先研究了出行者出行的广义费用,然后考虑出行者的出行决策及出行量预测不确定的因素,给出一个拥挤收费定价模型,为交通管理者提供理论依据.     

基于大数据的税务系统逃税识别路径研究

大数据引发了思维模式的改变和技术的革新,对税收领域产生重大影响,也给税收领域的发展带来契机.从大数据思维和技术的角度出发,初步探索如何将大数据应用在识别逃税现象的过程中.结合大数据思维,应用大数据技术,通过建立税收大数据仓库,并基于税收大数据之间的相关关系运用关联规则数据挖掘技术,建立了大数据的逃税识别路径,实现逃税的识别,以期为税收领域中的大数据应用提供一定的新思路和借鉴基础.     

基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。     

基于支持向量回归机的交通状态短时预测和北京某区域实例分析

根据基于支持向量回归机的交通状态短时预测方法建立了数学模型,考虑以交通检测器收集到所要预测时刻前几个时段及被测路段上下游前几时段的交通流量、车道占有率、平均线速度等交通参数为输入,以对应时段的平均线速度为输出.选取核函数,对支持向量回归机进行训练.应用训练完成的支持向量回归机,利用输入参数预测下时段的交通线速度.最后,以北京市北四环某路段的实时监测数据来对模型进行检测,预测结果表明了模型的有效性.     

手机上网能帮助老年人实现老有所乐吗——基于CHARLS数据的研究

基于2018年中国健康养老追踪调查数据(CHARLS),运用Logistic回归、倾向得分匹配、平均因果中介效应方法,探究手机上网对老年人愉快感的影响.研究表明,使用手机支付和微信有助于提高老年人的愉快感,且经倾向得分匹配后结果仍然稳健.并且,异质性分析显示,在消除选择偏差后,网络使用对农村老年人愉快感的提升效果高于城市老年人.此外,中介效应分析显示,参与社交活动在手机上网促进愉快感的路径中起到了中介作用.     

农民工汇款与城市融入程度:基于江苏三市调查数据的实证研究

农民工是中国劳动力市场的重要组成之一,同时肩负着城市和乡村的生活.农民工家乡汇款,关系到他们对家人的责任,也间接体现他们城市融入程度.利用江苏省三个地级市农民工抽样调查数据,实证研究影响未婚农民工、已婚非举家迁移型、已婚举家迁移型农民工三大群体向家乡汇款数量变动的主要因素.研究结果显示,实际操作技能、返乡计划、回乡结婚需求等对农民工汇款存在较大的正面影响;自主创业和农民工城市社会福利改善将对农民工汇款数量形成负向影响.优质的社会福利保障将帮助农民工融入城市,也会减少其向家乡的汇款数量.     

基于新陈代谢GM(1,1)模型的湖北省城市生活垃圾清运量预测

以湖北省2007-2013年城市生活垃圾清运量为基础数据,建立新陈代谢GM(1,1)模型,对湖北省未来七年的城市生活垃圾清运量进行了分析预测.采用该模型预测湖北省2014-2020年城市生活垃圾清运量,预计到2020年,湖北省城市生活垃圾清运量将达到838.7万吨,其预测结果可作为"十三五"期间湖北省城市生活垃圾处置规划的理论依据.     

基于超效率SBM模型的中国城市生态环境效率时空演变格局及预测

基于2008-2018年中国282个城市的相关数据,采用超效率SBM模型对城市生态环境效率进行测定,同时借助标准差椭圆、马尔科夫和空间马尔科夫转移矩阵,从城市尺度探究中国城市生态环境效率的时空演变特征,并对未来中国城市生态环境效率发展格局进行预测。研究结果显示:(1)当前中国城市整体生态环境发展水平较低,处在环境库兹涅茨曲线右侧缓慢上升阶段,生态环境效率有所改善,但仍存在巨大的提升空间;(2)中国城市生态环境效率呈现“东西高中间低”的空间分布格局,地区城市生态环境效率差异性显著;(3)空间马尔科夫转移矩阵结果显示,中国城市生态环境效率类型转移具有稳定性,且存在“俱乐部收敛”现象,在一定地域范围内溢出效应明显。     

基于数据挖掘的手机用户换机行为预测研究

首先对用户数据进行特征分析,变量选择,然后又采集了大量与手机性能相关的数据来扩充数据集,最后利用现代数据挖掘手段对用户的换机行为进行预测,讨论并比较了各种方法对换机预测的准确性.通过对用户数据集进行测试实验,表明变量选择与补充能够有效地提高移动用户换机的预测结果,并且Xgboost方法在各种分析工具中的表现更为优越.     

特殊场景下手机通讯数据建模与分析

当今,手机通讯非常普及.在特殊场景下(如贩毒、传销、贩卖人口等犯罪团伙)人员之间的手机通讯蕴涵着丰富的信息.本文通过数据定义,并引入通话活跃度、关注度指标,采用最大活跃度、最小活跃度、最小关注度阈值,能够快速挖掘出潜在核心犯罪嫌疑人和中间联系人,实验数据也证明了这一点.     

基于海量交易数据的保健药品客户流失规律及预测研究

保健药品企业如何有效预判客户流失率、如何精准识别不同产品在客户吸引力和流失方面的差别等是目前急需解决的问题.基于企业海量交易数据,从客户层面构建顾客流失率预测模型,并从产品层面对交易记录进行分析.研究得出以下结论:顾客购买时间间隔服从正态分布;在保健药品购买中女性所需的产品最受欢迎,其在购买自身所需药品时也可能会为其他家庭成员购买保健品;研究还同时发现具备很多功效的保健品并未受到顾客的欢迎,相反其流失率最高.     

面向SNS大数据的捕获移出模型抽样估计

捕获移出模型起源于生物种群调查和特殊社会网络的研究,是一种复杂抽样方法,一般用于对不确定群体的总量规模和方差进行估计。本文将改进的捕获移出模型应用到社交网络传播规模的抽样估计中,对网络信息的传播范围和波及人群进行了初步估计,并以近期北京频繁出现的"雾霾"事件的自由传播为例进行了实证分析。研究表明,捕获移出模型可以对社交网络中的热点事件的传播规模和再传播的概率进行有效估计,从而说明社交网络已逐渐成为公共话语空间的重要传播路径和传播方式。面对社交网络的迅速蔓延,本文对大数据环境下的抽样估计方法也进行了初步的探索和实践。     

基于大数据的制造业作业成本控制体系构建

制造业成本控制和管理对企业发展是非常重要的,将作业成本法与成本控制相结合,为制造企业成本管理提供了一种新的思路.大数据时代为企业的生存与发展带来新的契机,大数据思维将极大的影响企业战略.将大数据与企业具体目标相结合,基于大数据环境,利用大数据技术和工具,探求新的成本控制模式.考虑到整个价值链,并利用作业成本思想,完善作业成本核算,期望为制造业成本控制提供一定的指引.     

一种基于大数据处理的异构私有云系统

云计算和大数据已成为IT领域的研究热点,如何将云计算在数据存储和数据处理方面的优势应用于大数据领域具有重要的实际应用价值.开源的云平台OpenStack可方便地从硬件管理方面构建私有云,其存储模块Swift能够支持PB级的大数据存储.开源的云平台Hadoop在数据处理方面具有很强的优势,但在支持超大数据存储方面存在不足.通过对OpenStack中的存储模块Swift和Hadoop中的文件处理模块HDFS的比较分析,提出了将Swift和Hadoop的MapReduce技术结合来构建企业处理大数据的私有云计算系统方案.分析结果显示该方案是可行的,这种异构的私有云系统可以整合不同云计算平台各自的优势进行高效的大数据处理.     

基于可拓学理论的高维大数据相似性研究

高维大数据的相似性计算是数据挖掘领域的研究重点,论文通过分析高维大数据相似性计算的难点,提出采用可拓学的方法解决其中矛盾问题的研究思路。在基元表示高维大数据的基础上,借助数据转换、数据筛选、权重的确定、数据预处理等技术实现了数据之间的相似性计算,并基于水污染常规分析数据进行了算法验证。论文借助可拓的思想研究大数据相似性的问题,不仅对数据挖掘的研究有一定的理论促进,同时也为可拓学的研究提供了新的应用空间。     

基于大样本电梯抽查数据的风险评估Logistic模型

为了提高在用电梯监督抽查工作效率及有效性,在统计分析G市电梯安全监管抽查的大样本数据基础上,构建以电梯使用情况、电梯基本参数及制造维保相关情况等为指标的管理体系。根据电梯抽查数据的实质,先对数据进行变量筛选,然后构建风险分级,最后对前人的方法作出改进形成风险矩阵法并提出以Logistic方法为电梯整机风险建立量化模型,最终形成电梯整机风险评估体系。从理论的角度看,通过使用LIFT统计量和K-S统计量比较两种风险值计算模型,得出用Logistic方法进行风险分层更为准确。而实际的工程应用表明,利用Logistic回归法与基于平均风险值赋权比例法的组合为电梯安全监管抽样调查提供的筛选比例,比现有的方法更合理准确。     

基于海量日志数据的移动APP用户行为研究

基于阿里巴巴旗下CNZZ移动统计产品,采集约5000万移动APP用户的海量日志数据,从碎片化、时段特征、用户稳定性、用户活跃度及用户使用轨迹五个方面分析移动APP的用户行为特征,为移动APP的开发运营者提供决策指导和理论依据.