LOGO
实验室硕士生鲁向拥的论文被IEEE Transactions on Sustainable Computing期刊收录
时间:2017-06-16 08:52:59

实验室硕士生鲁向拥的论文被IEEE Transactions on Sustainable Computing期刊收录

 

实验室硕士生鲁向拥的论文“Predicting Transportation Carbon Emission with Urban Big Data”IEEE Transactions on Sustainable Computing (IEEE T-SUSC)期刊收录。

 

数据已成为一种与自然资源、人力资源同样重要的战略资源,其中蕴含丰富的信息和巨大的科学、经济价值。随着城市人口和机动车保有量激增,居民出行日益频繁,道路交通尾气排放量也快速增加,城市面临严峻的交通和环境问题。为了缓解和解决当前城镇化所面临的严峻问题,论文从大数据的观点对城市中各区域未来某段时间的交通碳排放进行预测,协助城市管理者感知未来城市环境的变化。论文从多样的城市大数据中提取了城市出租车轨迹数据、路网数据、城市空间POI数据和气象数据等五种数据源,利用联合国政府间气候变化专家委员会(IPCC)给出的“自上而下”碳排放计算方法,统计出了城市中各区间的交通碳排放标签数据。通过分析数据源中各数据与交通碳排放之间的关联关系,分别鉴定了5种特征集:交通特征集、移动特征集、POI特征集、路网特征集和气象特征集。然后根据提取的特征集,设计了一种3层感知神经网络预测模型(3-layerPNN),并基于珠海市的真实数据、利用5种基线方法:高斯朴素贝叶斯算法、线性回归算法、逻辑回归算法、堆叠去噪自动编码器和深信度神经网络,与提出的3-layerPNN方法的预测性能进行对比,结果显示3-layerPNN方法的预测精度高达90.86%,明显优于其他5种基线方法的预测精度。

 

IEEE Transactions on Sustainable Computing期刊的影响因子是2.456主要探讨从软硬件设计到应用等广泛领域的可持续计算方面问题,其中可持续发展包括能源效率、自然资源保护以及在计算设备和基础设施中使用的多种能源。解决这些可持续性问题需要广泛使用优化、机器学习、决策支持系统、元启发式和博弈论等算法和计算框架。

 

通讯员:鲁向拥

 更多 更多 更多 更多