基于公铁博弈的铁路集装箱竞争定价研究

在分析目前我国铁路集装箱运输现状以及存在主要问题的基础上,提出应根据市场竞争状况,建立灵活的铁路集装箱定价体系。并基于博弈论理论,建立了集装箱公铁竞争定价模型,分析了模型的求解算法,通过算例对比分析了非线性Gauss-Seidel算法以及改进的非线性Gauss-Seidel算法迭代计算过程,验证了模型和算法的基本可行性。     

��������伯װ�亣�����˶�̬����ģ��

在集装箱海铁联运运营管理中,随机需求环境下集装箱海铁联运的动态定价是影响联运经营人的经营效益和竞争力的重要决策因素.基于收益管理理论,结合集装箱海铁联运的经营和组织特点,以协议销售和自由销售的差异化定价为切入点,分两阶段建立了单起讫点间集装箱海铁联运动态定价和箱位分配综合优化模型.第一阶段为基于协议销售的箱位分配模型,第二阶段为基于自由销售的动态定价模型.针对箱位分配模型的随机特征和动态定价模型统计量的误差特性,分别运用机会约束和稳健优化方法求解.通过算例验证了上述模型与算法的适用性和有效性.     

基于LSTM模型的高原桥梁温度场预测研究

基于LSTM(long short-term memory,长短期记忆)神经网络深度学习模型,通过自适应矩估计算法建立桥位处的环境温度、地表太阳辐射量(包括直接辐射和散射辐射)、平均风速和风向等环境参数与箱梁温度场之间的映射关系,并通过贝叶斯算法优化LSTM模型中的超参数,使均方差降至最低,从而获得箱梁温度场预测模型。预测值与实测值的对比分析表明,建立的 LSTM 神经网络深度学习模型能够根据环境参数准确预测高原环境下连续刚构桥箱梁的温度场,且模型具有较强的泛化能力。     

基于批量订购的铁路集装箱货运多等级运价研究

铁路集装箱货运发展迅速,在铁路货运中占比逐渐增大.当前铁路总公司没有针对 大批量订购采取优惠折扣,导致部分客户转向其他运输方式.针对这个问题,设计了多等级运 输价格策略来吸引大客户,建立了铁路集装箱货运收益最大的动态价格模型,求解出各订购 量对应的最优价格等级.本文以大朗到大红门的集装箱货运班列为例,求解出不同时刻各订购 量的最优等级运价.通过对比优化前后的结果,证明了该模型可以显著提高铁路集装箱运输的 收益.     

基于深度CNN-LSTM-ResNet组合模型的出租车需求预测

利用海量的离线GPS数据进行出租车需求预测是智能城市与智能交通系统的重要组成部分.本文提出了一种基于深度学习的出租车需求预测方法(CNN-LSTM-ResNet),将出租车GPS数据和天气数据等转化为栅格数据,输入模型获得预测结果.该模型先使用卷积神经网络(CNN)提取城市范围交通流量的空间特征,然后引入残差单元加深网络层数,并利用长短期记忆网络(LSTM)提取GPS数据的临近性、周期性和趋势性,最后通过权重融合以上3个分量,并与外部因素(天气、节假日和空气质量指数)进一步融合,从而预测城市特定区域的出租车需求.采用西安市出租车GPS数据进行实验验证,结果表明,该模型与传统预测模型(如ARIMA,CNN,LSTM)相比具有更高的预测精度.     

铁路集装箱结点站建设的几点设想

中国铁路集装箱运输正处在一个高速发展时期,为了满足新的运输需求,建设集装箱结点站成为必然趋势;在建设集装箱结点站的过程中,针对铁路集装箱运输不同于普通货物运输的特点,在站场布局、站内集装箱运营管理上,提出一体化,预先编组等相对创新的设想。     

基于LSTM网络模型的高速公路软基长期沉降预测

LSTM网络模型相较于一般曲线拟合方法具有容错性好、记忆功能强等显著优势,可有效识别并保存已有数据中的隐藏信息特征.基于以上优势,构建针对高速公路路基长期沉降预测的LSTM神经网络模型,进一步利用高速公路路基长期沉降特征的时序化特点,基于LSTM神经网络模型对其进行预测,结果表明:所构建LSTM模型可有效表征高速公路路基长期沉降的非线性特征,相比较于指数曲线法而言,其误差低,预测精度较高.     

危险货物集装箱铁水联运的问题与对策研究

铁路危险货物集装箱运输发展相对缓慢,与水运危险货物集装箱运输存在不协调之处,限制了危险货物集装箱的铁水联运。通过比较铁路与水运在运输的危险货物品类、集装箱运输条件、相关技术设备等方面的差异,分析危险货物集装箱铁水联运的不协调因素。最终对铁路方面提出了优化危险货物品名表、改善危险货物包装条件、优化危险货物集装箱材料、优化集装箱专用车等发展对策,以促进危险货物集装箱铁水联运的发展。     

基于节点限制的轴幅式集装箱海运网络优化设计

随着集装箱船舶大型化的发展趋势,越来越多的班轮公司积极建设轴幅式集装箱海运网络来提高服务效率、降低单位运营成本。为此,建立非线性轴幅式集装箱海运网络优化模型,以集装箱海运网络总成本最小为目标,考虑港口通过能力约束,应用Q-学习方法与混沌优化方法结合的混合优化算法求解,寻找合理的集装箱运输路径,配置适宜的集装箱船舶。算例结果表明:混合优化算法可以有效地求解海运集装箱运输路径优化与船舶配置问题;轴幅式网络比直达运输可节省10%的运输成本。     

基于深度学习的有效停车泊位预测模型

针对传统有效停车泊位预测方法无法刻画泊位前后时刻关联关系的问题,采用基于深度学习的LSTM(long short-term memcry)神经网络对其进行改进,提出了LSTM有效停车泊位预测模型,并基于此模型对不同类型的停车区域进行分析与预测.在构建模型的基础上,综合考虑了有效停车泊位预测的时空特性,选取目标区域内多个邻近停车场的历史停车数据组成数据集,并构建有效停车泊位预测的对比模型,以此检验模型的预测精度.研究结果表明:在不同类型停车区域的有效停车泊位预测中,LSTM模型预测结果与真实值一致性较好,预测精度均高于BP预测模型和ARIMA预测模型;LSTM模型在有效停车泊位预测方面可靠且有效.