国内资讯

国家发改委批复江苏省徐州市轨道交通第二期建设规划(2019—2024年)2020年2月10日,国家发改委发布关于江苏省徐州市轨道交通第二期建设规划(2019—2024年)的批复文件。原则同意徐州市建设3号线二期、4号线一期、5号线一期、6号线一期等4个项目,规划期为2019—2024年。3号线二期工程自后蟠桃村站至下淀站,线路长6.5 km,投资50.15亿元,项目建设工期4年。4号线一期工程自桥上村站至驮蓝山站,线路长25.4 km,投资173.54亿元,项目建设工期5年。5号线一期工程自奥体中心南站至徐矿城站,线路长24.6 km,投资168.3亿元,项目建设工期5年。     

基于改进物元法的智慧港口发展水平评价模型

针对当下智慧港口建设如火如荼,而建设行业标准体系却迟迟未能统一的问题.首先利用智慧港口建设发展路径的研究基础,结合国内外信息化发展评价指标体系研究成果,构建了适合国内智慧港口建设发展的评价指标体系;其次利用主客观综合赋权法降低了传统评价过程中,主观因素对指标权重的影响,引入基于云模型的改进物元理论,解决了传统评价方法中模糊性和随机性带来的误差;最后以天津港智慧港口建设工程为算例,对天津港的智慧港口发展水平进行评估,计算得到期望为3.9956,发展等级为较好,与正态云模型和灰色关联分析法的验证结果一致.研究结果表明:评价体系符合现阶段智慧港口的发展方向,评价方法简洁有效,在降低了双重不确定性对于评价结果影响的同时计算了评价结果的置信度,为今后我国智慧港口发展和评价体系的建立提供了参考.     

高铁枢纽建设与城市功能空间协同发展效率评价

随着我国高铁迅速发展,高铁建设如何与城市功能空间协同发展的问题引起广泛关注。为了评价高铁与城市协同发展的效率,本文从城市协同性、高铁枢纽建设、站城距离等角度,构建高铁枢纽建设与城市功能空间协同发展效率评价指标体系。并引入DEA模型进行分析计算其效率匹配度,为城市既有高铁站与城市协同发展程度提供依据。最后以京沪高铁为案例分析了24个车站与所在城市的协同关系效率值,结果表明,北京南站、上海虹桥站等高铁枢纽发展较好,常州北站、苏州北站、天津南站等较差,尤其是天津南站的通过能力、客流量等产出指标还需要进一步加强。     

2020中国港口:疾步奔跑勇敢追梦

时光无言,总在见证。在2019年新年贺词中,习近平总书记勉励大家“我们都在努力奔跑,我们都是追梦人”,为无数中国港口人增添奔跑的豪情,2019年,中国港口人一直在努力奔跑。新年伊始,习近平总书记在2020年新年贺词中提到“天津港蓬勃兴盛”,再次点燃了中国港口人奋进的激情。     

复杂水域船舶进出港全过程仿真建模方法

本文对比分析了国内外应用各种建模方法在船舶通航研究中的优缺点,提出了一种基于多智能体信息交互的港口运营系统仿真建模方法,旨在拟实反映复杂水域船舶进出港的全过程。结合多智能体系统仿真理论、离散事件仿真理论与多元数据统计分析方法,实现了对复杂水域船舶进出港全年全过程的精细化仿真,并系统总结了可通过建模解决的关键研究问题。     

夯实干部队伍建设 壮大公交民生事业

成都公交集团(以下简称集团)党委认真贯彻落实新时代党的建设总要求和新时代党的组织路线,按照国有企业领导干部“二十字”标准,围绕市属国企坚持“三大定位”提升“六大能力”重点任务,聚力抓党建聚人心、强组织激活力,为企业深化改革创新发展提供组织保证和人才支撑。     

不忘初心 牢记使命 奋力谱写交通强国建设珠江水运新篇章——在2020年珠江航务管理局工作会议上的讲话摘要

一、2019年工作回顾2019年珠江航运高质量发展,珠江黄金水道建设迈出了新的步伐。2019年,珠江水系内河货运量达到10亿吨,同比增长5.5%;港口货物吞吐量6.1亿吨,同比增长12.6%;集装箱吞吐量1400万TEU,同比增长13.4%;西江航运干线长洲船闸货物通过量达到1.45亿吨,同比增长10.3%;广东、广西通过琼州海峡进出海南岛旅客1500万人次,同比增长0.3%,车辆330万台次,同比增长0.2%,实航51500航次,同比增长1.5%。     

船舶进出洋山四期全自动化集装箱码头通航注意事项

洋山深水港是世界最大的海岛型人工深水港,也是上海国际航运中心建设的战略和枢纽型工程。洋山四期工程于2014年12月开工建设,是洋山深水港的重要组成部分,该码头总用地面积223万m^2,泊位长2 800 m,其中集装箱码头岸线2 350 m,共建设7个15万吨级集装箱泊位,是目前全球一次性建成规模最大的自动化集装箱码头。     

基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.