常规公交车辆串车形成及预测建模

合集下载

公交串车现象的机理解释与预测方法研究

公交串车现象的机理解释与预测方法研究串车现象是公交运营中的一种常见现象。

串车的发生会导致乘客平均候车时间增大、部分乘客候车时间过长、公交载客量不均等一系列不利后果。

本文通过研究公交车辆的驻站过程、交叉口延误过程及区间运行过程,建立了公交串车的机理分析模型;此后结合公交实际数据,借鉴粒子滤波的基本思想,建立了公交串车的预测模型,以期实现对公交串车现象发生的提前预警,为公交实时调度提供依据。

首先从分析公交数据入手,观测实际运行中的串车现象。

针对AVL数据定位点位存在偏差的问题,采用正交投影方式,按照就近原则并符合时间序列,对车辆轨迹纠偏。

之后标记定位点位与交叉口和站点的位置关系,提取车辆到离节点的时间,绘制车辆运行的时空图以及车头时距的分布图,直观分析车头时距随车辆运行的变化特征。

随后在给定公交串车的判定条件后,建立了可说明由驻站时间差异、信号交叉口处的延误以及区间运行时间波动性而造成车头时距波动性的串车动力学方程。

其中,串车模型中包含的驻站时间模型,描述了驻站时间与车头时距的正比关系;交叉口通过模型中,在利用车辆运行轨迹推算交叉口信号配时的基础上,计算车辆实际通过时间,该模型也表明信号交叉口对车头时距的调节机制;而对于车辆在区间的运行时间,本文给定五种候选统计分布形式,并介绍参数估计及拟合优度检验的方法。

接下来,利用实际数据得到的公交运行关键信息,对公交串车模型中的参数进行标定。

在驻站时间模型的参数估计中,人均刷卡时间可由唯一值标定,乘客实时到达率可由二次函数拟合。

在交叉口信号参数推导的过程中,当迭代周期与实际周期相符时,交叉口零点处的轨迹点位分布图明显有别于错误的迭代周期。

对于区间运行时间的拟合,对数逻辑斯特分布拟合效果最优,在对全天数据划分时间窗后,该概率分布形式全部通过K-S检验。

最后,基于粒子滤波思想,建立了公交串车的预测模型,对未来车辆串车的时空位置进行预测。

由于每个粒子的预测轨迹相互独立,传统粒子滤波中对所有粒子加权求均值得到预测值的方法不再适用,本文选取有效粒子预测结果的中位数作为到站时间的预测值,避免预测轨迹遇红灯通过交叉口的情况出现。

关于公交排班方案的模型建立及研究

关于公交排班方案的模型建立及研究思绪如泉涌，关于公交排班方案的模型建立及研究，就从这里开始吧。

一、问题背景城市公交作为市民出行的重要交通工具，其运营效率和服务质量直接关系到市民的出行体验。

然而，在现有的公交系统中，排班问题一直是一个棘手的难题。

如何合理安排公交车辆的运行时间、路线和班次，使得车辆运行效率最大化，同时满足市民的出行需求，成为了我们研究的核心问题。

二、模型建立1.基本假设在建立模型之前，我们需要对公交系统进行一些基本假设：（1）公交车辆在运行过程中，不考虑交通拥堵、故障等因素；（2）公交车辆在站点停靠时间固定；（3）市民出行需求相对稳定；（4）公交车辆运行速度恒定。

2.模型参数（1）车辆数：N（2）线路数：M（3）站点数：S（4）运行周期：T（5）班次间隔：D（6）市民出行需求：Q3.模型构建（1）目标函数我们的目标是在满足市民出行需求的前提下，最小化公交车辆的运行成本。

运行成本包括车辆折旧、燃料消耗、人工成本等。

因此，我们可以将目标函数定义为：f(排班方案)=车辆折旧成本+燃料消耗成本+人工成本（2）约束条件①车辆运行时间约束：车辆在运行周期内，必须完成至少一次往返；②线路运行时间约束：车辆在运行周期内，必须完成所有线路的运行；③站点停靠时间约束：车辆在站点停靠时间不能超过规定时间；④市民出行需求约束：车辆在运行周期内，必须满足市民的出行需求。

三、模型求解1.算法选择针对公交排班问题，我们可以选择遗传算法、蚁群算法、粒子群算法等智能优化算法进行求解。

这里，我们选择遗传算法进行求解。

2.求解步骤（1）初始化种群：根据车辆数、线路数和站点数，一定规模的初始种群；（2）适应度评价：计算每个排班方案的适应度，适应度越高的排班方案，其运行成本越低；（3）选择操作：根据适应度评价结果，选择优秀个体进行交叉和变异；（4）交叉操作：将优秀个体进行交叉，新的排班方案；（5）变异操作：对新的排班方案进行变异，增加种群的多样性；（6）适应度更新：计算新排班方案的适应度；（7）终止条件：判断是否达到终止条件，如达到，则输出最优排班方案；否则，返回步骤（3）继续迭代。

公交车系统调度模型构建

公交车系统调度模型构建
公交车系统调度是指根据乘客的需求和道路交通状况，合理安排公交车的运行线路、
班次和停靠站点，以提供高效、经济和舒适的公共交通服务。

为了实现系统调度的目标，
需要构建合适的模型来对公交车系统进行优化调度。

本文将介绍公交车系统调度模型的构
建过程，包括需求分析、模型建立和求解方法等方面。

进行需求分析是构建公交车系统调度模型的第一步。

需求分析包括对乘客需求和道路
交通状况的调查和统计。

通过乘客调查和交通流量统计，可以得到乘客流量和出行需求的
分布情况，以及道路交通状况的数据。

这些数据将对模型的建立和调度方案的选择起到重
要的作用。

根据需求分析的结果，可以建立公交车系统调度模型。

公交车系统调度模型主要包括
线路规划模型、班次安排模型和停靠站点选择模型。

线路规划模型是指根据乘客需求和道路交通状况，确定公交车的运行线路和路线长度。

线路规划模型可以采用最小路径算法来求解，以确定公交车系统的最优线路。

班次安排模型是指根据乘客需求和道路交通状况，确定公交车的发车时间和频率。

班
次安排模型可以采用排队论模型来求解，以最小化乘客的等待时间和交通拥堵的影响。

通过合适的求解方法，可以对公交车系统调度模型进行求解和优化。

常用的求解方法
包括线性规划、整数规划、动态规划和模拟仿真等。

这些方法可以根据具体问题的特点和
求解的要求来选择和应用。

公交车系统调度模型构建

公交车系统调度模型构建
公交车系统调度模型是指对城市公交车运营系统进行优化调度的模型，通过科学的调度策略和算法，合理安排公交车的运营线路、班次和发车间隔，以提高公交车运营的效率和服务质量。

1. 数据收集和处理：首先需要收集并整理相关的数据，包括城市道路网络数据、公交站点数据、乘客出行数据等。

对这些数据进行预处理和清洗，以消除数据中的噪声和异常值，以保证后续模型的准确性。

2. 优化目标和约束条件的确定：根据公交车系统调度的具体目标，例如最大化服务覆盖率、最小化总行驶时间或燃料消耗等，确定优化目标。

还需要考虑诸如公交车班次数量、发车间隔、车辆容量等约束条件。

3. 优化模型的建立：根据收集到的数据和确定的目标和约束条件，建立数学模型。

常见的模型包括线性规划模型、整数规划模型、动态规划模型等。

在建立模型时，需要考虑公交车系统的复杂性和实时性，以便能够在短时间内生成可行的调度方案。

4. 调度算法的设计：根据建立的优化模型，设计相应的调度算法。

常见的调度算法包括贪心算法、遗传算法、模拟退火算法等。

这些算法能够在短时间内找到接近最优的解决方案，并且能够适应不同规模和复杂度的公交车系统。

5. 调度方案的评估和调整：通过模拟实验和数据分析，评估不同调度方案的性能和效果。

根据评估结果，对调度方案进行调整和优化，以提高系统的整体性能和效益。

公交车辆运行系统的建模与仿真研究的开题报告

公交车辆运行系统的建模与仿真研究的开题报告一、课题背景和研究意义随着城市交通的发展和城市化的加速，公交车成为城市中不可或缺的交通工具。

如何优化公交车运行系统以提高运行效率、减少能耗、提升服务质量等方面是当前亟待解决的问题。

因此，研究公交车辆运行系统的建模与仿真具有现实意义和实际价值。

二、研究内容和研究方法本文旨在深入研究公交车辆运行系统的建模和仿真技术，通过对公交车辆的行驶规律、站点停靠、乘客上下车等因素进行分析，并借助仿真模型模拟和模拟器提取与运行相关的数据。

具体研究内容如下：1. 公交车辆运行系统的理论分析，包括公交车辆路线和站点优化、乘客满意度评估等相关理论。

2. 建立公交车辆运行系统的仿真模型，对公交车的运行轨迹、车速、站点停留时间、乘客上下车等因素进行模拟，并提取相关数据。

3. 基于仿真模型，对不同的公交车运行方案进行比较分析，评估运行效率、能耗、服务质量等指标，并提出相应的改进措施。

研究方法主要包括文献综述、建立仿真模型、数据分析和比较分析等。

三、预期成果和研究价值本文预期研究成果如下：1. 建立公交车辆运行系统的仿真模型，对公交车辆的运行规律、站点停留时间、乘客上下车等因素进行模拟，并提取相关数据。

2. 对不同的公交车运行方案进行比较分析，评估运行效率、能耗、服务质量等指标，并提出相应的改进措施。

3. 提出优化公交车辆运行系统的策略和方案，提高公交车的运行效率，减少能耗，提升服务质量，降低运营成本。

研究价值主要体现在以下几个方面：1. 对公交车辆运行系统的建模和仿真技术进行深入研究，为公交车辆运行系统的优化提供了理论和技术支撑。

2. 提出了优化公交车辆运行系统的策略和方案，能够提高公交车的运行效率，减少能耗，提升服务质量，降低运营成本，具有一定的理论和实践意义。

3. 对公共交通工具的研究具有参考价值，可为城市公共交通的建设、优化和管理提供技术支撑。

公交车系统调度模型构建

公交车系统调度模型构建随着城市人口的增长和交通需求的日益增加，公交车系统调度成为了一个重要的课题。

公交车系统调度不仅影响了乘客的出行体验，也关系到城市交通的运行效率和资源的合理利用。

构建合理的公交车系统调度模型尤为重要。

公交车系统调度模型构建涉及到多个方面的因素，包括乘客需求、车辆运行状态、交通拥堵情况等。

在这篇文章中，我们将讨论公交车系统调度模型的构建，包括模型的基本架构和关键因素的考量。

模型的基本架构公交车系统调度模型可以分为长期调度和短期调度两个层面。

长期调度主要包括线路规划、车辆配备等方面，而短期调度则涉及到具体的车辆运行和乘客需求的匹配。

在长期调度方面，模型的基本架构包括以下几个方面：线路规划：根据城市的交通网络和乘客需求，确定公交车的线路和站点设置。

这一部分涉及到城市规划、社会经济需求以及交通流量等多个因素，需要综合考虑。

车辆配备：根据线路规划和乘客需求，确定需要投放的车辆数量、类型和运营时间。

这一部分涉及到车辆的技术性能、运营成本等因素。

燃料消耗和排放控制：考虑到环保和资源节约的需求，模型需要考虑到车辆燃料消耗和排放对环境的影响，并在车辆配备和线路规划中进行合理的控制。

车辆运行调度：根据实际的交通情况和乘客需求，对车辆的具体运行进行调度。

这一部分需要考虑到路况、乘客上下车情况、站点运行时间等因素。

乘客需求匹配：根据实时的乘客需求，对车辆的运行进行合理的匹配。

这一部分需要考虑到不同时间段和不同线路的乘客需求分布情况。

交通拥堵应对：在交通拥堵情况下，调整车辆运行路线和时间，以保证乘客的出行效率和乘客的舒适度。

关键因素的考量构建公交车系统调度模型时，需要考虑到一系列关键因素，包括以下几个方面：车辆状态：考虑到车辆的实际运行状态，包括车辆的技术性能、维护情况等因素，确定合理的车辆运行调度。

运营成本：在考虑到上述因素的基础上，尽量降低公交车系统的运营成本，提高运行效率和资源的合理利用。

公交车系统调度模型的构建是一个复杂而又重要的课题。

公交优先环境下的公交串车问题研究

公交优先环境下的公交串车问题研究公交优先环境下的公交串车问题研究摘要：公交串车问题是城市公交系统中常见的一个难题，在公交优先环境下尤为突出。

本文通过分析公交运行特点和影响公交串车的因素，探讨了公交串车问题的产生原因及其对交通效率和乘客出行体验的影响。

结合现有研究成果，提出了减少公交串车的解决方案，包括改善公交线路规划、优化信号控制策略、提高车队管理水平等，为城市公交系统的发展提供参考。

关键词：公交优先；公交串车；交通效率；乘客出行体验；解决方案第一章绪论1.1 研究背景城市公交作为城市轨道交通系统和私家车出行的补充，对缓解交通拥堵、优化交通结构、提高出行效率具有重要意义。

然而，由于城市道路狭窄、交通流量大和信号灯控制不当等原因，公交车辆经常出现串车现象，影响了公交运营效率和乘客出行体验。

1.2 研究目的本文旨在研究公交串车问题在公交优先环境下的影响及解决方案，为城市公交系统的优化提供借鉴。

第二章公交串车问题的特点和影响因素分析2.1 公交运行特点公交车辆通常按照固定的线路和班次进行运行，与其他交通工具相比，公交车辆具有载客量大、行驶速度慢和站点频繁等特点。

2.2 公交串车问题的影响因素公交串车问题的产生和发展与多个因素相关，包括公交线路布局、信号灯控制、车辆调度、乘客上下车等。

第三章公交串车问题的影响与解决方案3.1 交通效率的影响公交串车导致公交车辆无法按时到达站点，乘客等待时间增加，降低了整体交通效率。

3.2 乘客出行体验的影响公交串车造成乘客拥挤、无法上下车等问题，影响了乘客出行的舒适度和便利性。

3.3 解决方案针对公交串车问题，可以从以下几个方面进行解决：3.3.1 改善公交线路规划通过分析公交线路的现状和特点，合理调整线路规划，减少线路交叉和重叠，提高公交运行效率。

3.3.2 优化信号控制策略采用智能信号灯系统，结合实时交通信息，优化信号配时，降低公交车辆排队等待时间。

3.3.3 提高车队管理水平优化车辆调度和运行管理，合理安排车辆的运行间隔和班次，避免车辆拥堵和车头车尾效应。

基于特征工程的常规公交车辆聚簇预测

基于特征工程的常规公交车辆聚簇预测
王小可;陈泱霖;王娅;张栋
【期刊名称】《城市公共交通》
【年(卷),期】2022()4
【摘要】有序、高效的运营是现代化公共交通系统应具备的主要特征之一。

然而大量实测数据显示,公交线路上普遍存在着车辆偏离调度聚集行驶以及在站点处密集到达的聚簇现象,影响了乘客的出行体验,也造成了运力的浪费。

本研究从数据驱动的角度出发,提出了基于特征工程的常规公交车辆聚簇行为预测的思路,并结合青岛市322路公交车实际运行数据完成了理论模型验证。

结果表明,基于“本站前序班次的车头时距”以及“上游三个站点的车头时距的方差”两个特征的Logistic 回归模型可以较好地预测公交车辆聚簇行为的发生,对于缓解公交车辆运行过程中的聚簇现象具有较强的现实意义。

【总页数】6页(P29-34)
【作者】王小可;陈泱霖;王娅;张栋
【作者单位】大连理工大学建设工程学部
【正文语种】中文
【中图分类】U491.17
【相关文献】
1.基于灰色理论的重庆市常规公交客运量影响因素分析及预测
2.常规公交车辆串车形成及预测建模
3.基于HRHN模型的城市常规公交线路客流预测
4.基于不确定理论的常规公交车辆调度优化
5.基于船舶自组织态势分析的内河航道聚簇预测
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

摘要：首先结合车头时距不稳定性的概念，对串车现象给出判定依据；分析串车问题产生的６种典型过程，建立串车问题数学模型，对串车发生的原因进行理论分析．然后，以自贡市３８路公交线路实际数据为例，采用方差分析与回归分析筛选出７个串车形成影响因素，并对其重要性进行排序．最后，建立基于径向基函数神经网络的串车问题预测模型，对未来站的车头时距进行预测，并选取自贡市３８路公交车的实时数据进行模型验证．在３８０００余组数据中随机选择３００组数据进行训练，对比３０组测试数据．结果表明，学习得到的预测值与实际值偏差１０％以内的样本点占９０％，结果良好，证明了所建立的模型具有较好的适用性．关键词：公共交通；串车；排序；径向基函数神经网络中图分类号：Ｕ４９２．３㊀㊀文献标志码：Ａ㊀㊀文章编号：１００１－０５０５（２０１７）０６１２６９０５ Nhomakorabea２
Ａｂｓｔｒａｃｔ：Ｆｉｒｓｔ，ｂａｓｅｄｏｎｔｈｅｃｏｎｃｅｐｔｏｆｖｅｈｉｃｌｅｈｅａｄｗａｙｉｎｓｔａｂｉｌｉｔｙ，ｔｈｅｃｒｉｔｅｒｉｏｎｆｏｒｂｕｓｂｕｎｃｈｉｎｇｐｈｅｎｏｍｅｎｏｎｉｓｐｒｏｐｏｓｅｄ．Ｂｙａｎａｌｙｚｉｎｇｔｈｅｓｉｘｔｙｐｉｃａｌｐｒｏｃｅｓｓｅｓｏｆｔｈｅｂｕｓｂｕｎｃｈｉｎｇｐｒｏｂｌｅｍ，ａｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｉｓｅｓｔａｂｌｉｓｈｅｄ，ｗｉｔｈｗｈｉｃｈｔｈｅｔｈｅｏｒｅｔｉｃａｌｆａｃｔｏｒｓｏｆｂｕｓｂｕｎｃｈｉｎｇａｒｅａｎａｌｙｚｅｄ．Ｔｈｅｎ，ｔａｋｉｎｇｔｈｅａｃｔｕａｌｄａｔａｏｆＮｏ．３８ｂｕｓｒｏｕｔｅｉｎＺｉｇｏｎｇｃｉｔｙｆｏｒｅｘａｍｐｌｅ，ｓｅｖｅｎｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓａｒｅｓｅｌｅｃｔｅｄｂｙｕｓｉｎｇｖａｒｉａｎｃｅａｎａｌｙｓｉｓａｎｄｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓ，ａｎｄａｒｅｓｏｒｔｅｄｂｙｔｈｅｉｍｐｏｒｔａｎｃｅ．Ｆｉｎａｌｌｙ，ａｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｏｆｔｈｅｂｕｓｂｕｎｃｈｉｎｇｐｒｏｂｌｅｍｂａｓｅｄｏｎｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ＲＢＦ）ｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｅｓｔａｂｌｉｓｈｅｄｔｏｆｏｒｅｃａｓｔｔｈｅｈｅａｄｗａｙｏｆｔｈｅｆｕｔｕｒｅｓｔａｔｉｏｎ．ＴｈｅｒｅａｌｔｉｍｅｄａｔａｏｆＮｏ．３８ｂｕｓｒｏｕｔｅｉｎＺｉｇｏｎｇｃｉｔｙａｒｅｅｍｐｌｏｙｅｄｔｏｖａｌｉｄａｔｅｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌ．Ｔｈｅ３００ｇｒｏｕｐｓｏｆｄａｔａｒａｎｄｏｍｌｙｓｅｌｅｃｔｅｄｆｒｏｍｍｏｒｅｔｈａｎ３８０００ｇｒｏｕｐｓｏｆｒｅａｌｄａｔａａｒｅｕｓｅｄｆｏｒｔｒａｉｎｉｎｇ．Ｂｙｃｏｍｐａｒｉｎｇ３０ｓｅｔｓｏｆｔｅｓｔｄａｔａ，ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓａｍｐｌｅｓｗｉｔｈｔｈｅｅｒｒｏｒｓｂｅｔｗｅｅｎｐｒｅｄｉｃｔｅｄａｎｄａｃｔｕａｌｖａｌｕｅｓｗｉｔｈｉｎ１０％ａｃｃｏｕｎｔｆｏｒ９０％，ｗｈｉｃｈｉｌｌｕｓｔｒａｔｅｔｈｅｒｅｓｕｌｔｉｓｇｏｏｄ．Ｉｔｉｓｐｒｏｖｅｄｔｈａｔｅｓｔａｂｌｉｓｈｅｄｍｏｄｅｌｈａｓｇｏｏｄａｐｐｌｉｃａｂｉｌｉｔｙ．Ｋｅｙｗｏｒｄｓ：ｐｕｂｌｉｃｔｒａｎｓｉｔ；ｂｕｓｂｕｎｃｈｉｎｇ；ｓｏｒｔ；ｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ＲＢＦ）ｎｅｕｒａｌｎｅｔｗｏｒｋ㊀㊀随着城镇化进程加快，城市交通供需不平衡矛盾日益突出，交通拥堵已成为严重制约我国城市健康可持续发展和居民生活水平进一步提高的主要城市常规公共交通作为有效缓解交通拥原因之一．堵的出行方式之一，以其价格低廉、资源高效利用，而得到大力提倡．大力优先发展城市公共交通已成如何进一步提升城市常规公交服务水平，为国策．具有紧迫的现实意义和较好的理论研究价值．
１（东南大学城市智能交通江苏省重点实验室，南京２１００９６）（东南大学现代城市交通技术江苏高校协同创新中心，南京２１００９６）３东南大学江苏省物联网技术与应用协同创新中心，南京２１００９６）（４（东南大学物联网交通应用研究中心，南京２１００９６）２
１（ＪｉａｎｇｓｕＫｅｙＬａｂｏｒａｔｏｒｙｏｆＵｒｂａｎＩＴＳ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）
（ＪｉａｎｇｓｕＰｒｏｖｉｎｃｅＣｏｌｌａｂｏｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｏｆＭｏｄｅｒｎＵｒｂａｎＴｒａｆｆｉｃＴｅｃｈｎｏｌｏｇｉｅｓ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０１７．０６．０２９
常规公交车辆串车形成及预测建模
，２，３，４，２，３，４，２，３，４，２张㊀健１㊀李梦甜１㊀冉㊀斌１㊀李文权１
Ｃａｕｓｅｓａｎｄｆｏｒｅｃａｓｔｍｏｄｅｌｉｎｇｏｆｃｏｎｖｅｎｔｉｏｎａｌｂｕｓｂｕｎｃｈｉｎｇ
１，２，３，４１，２，３，４１，２，３，４１，２ＺｈａｎｇＪｉａｎ㊀ＬｉＭｅｎｇｔｉａｎ㊀ＲａｎＢｉｎ㊀ＬｉＷｅｎｑｕａｎ
第４７卷第６期２０１７年１１月
㊀
东南大学学报（自然科学版）
ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
㊀
Ｖｏｌ．４７Ｎｏ．６Ｎｏｖ．２０１７
３ＪｉａｎｇｓｕＰｒｏｖｉｎｃｅＣｏｌｌａｂｏｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｆｏｒＴｅｃｈｎｏｌｏｇｙａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）（４（ＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＩｎｔｅｒｎｅｔｏｆＭｏｂｉｌｉｔｙ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ）