改扩建市政道路下穿高速铁路设计方案探讨

以改扩建市政道路下穿高速铁路工程实例,探讨了改扩建市政道路涉铁段的下穿设计方案,对比了分离式路基方案和半路半桥方案,分析了半路半桥方案在改扩建市政道路下穿高速铁路中的优势,提出了施工措施和监测要求,为类似工程提供经验参考。     

基于累积前景理论的城际列车分时定价研究

城际客流具有时段分布不均衡特点,表现为高峰时段一票难求而低峰时段客座率低。为均衡客流、提高城际高铁收益,选取客运通道内不同时段车次进行差别定价。考虑旅客选择行为的差异性和有限理性,采用潜在类别分析对旅客进行分类,选取票价和时段价值两个影响因素, 建立双参照点的旅客平行车次产品效用模型,以累积前景值刻画异质旅客对平行车次的出行效用。基于累积前景值构建以铁路企业收益最大,旅客广义出行费用最小的分时定价双层规划模型,设计基于灵敏度分析的启发式算法求解。最后以南宁-北海为例对高峰、非高峰时段平行列车进行实例分析,结果表明,本文提出的分时定价方法能提升收益约2.5%,且高峰、非高峰时段的客流更加均衡。     

西南地区铁路网发展规划的研究

在阐述我国西南地区社会经济现状及铁路运输现状的基础上，对西南地区铁路运输需求作了具体分析。并提出西南地区铁路网发展构想，旨在加强西南西北通路，西南东南通路、发展与周边国家铁路网，以及建设滇藏、隆百、峨宜等铁路尽快改善西南地区内部铁路网结构。     

DPSH试验在大坝勘察中水上的施工

苏丹水利水电大坝勘察项目，业主（苏丹大坝委员会）聘用德国、澳大利亚、英国等工程咨询公司。前两者的顾问工程师执行的是美国的ASTM规范：后者顾问工程师侧重应用英国的BS规范。在尼罗河的水上勘察中，DPSH（dynamic probing super heavy）试验为顾问工程师提供了大坝设计所需要的覆盖层的厚度、分层依据及其他力学指标等参考数据。本文就在DAL大坝水上勘察施工中按照顾问工程师执行的BS规范如何应用DPSH试验做一简单阐述。     

西南地区铁路网发展布局探讨

阐述我国西南地区社会经济及铁路运输现状,具体分析西南地区铁路运输需求,提出西南地区对外通路和内部铁路网发展布局构想.     

区域综合运输通道抗毁性分析

区域运输通道是区域运输线路的骨干.通道抗毁性分析对发现通道网络薄弱环节、优化通道网络规划、保障运输安全等具有重要意义.以成渝经济区为例,抽取其运输通道网络,构建L空间下的复杂网络模型,构建基于节点度、节点运输重要度和节点介数的攻击策略,以网络全局效率和最大连通子图节点比为测度,借助Matlab和Pajek软件进行抗毁性分析仿真.结果表明：成渝经济区运输通道平均路径长度较大,连通性有待提高,在进行通道中公路、铁路网络规划时应注意联络线的布设,重庆、成都等应作为关键节点重点建设和保护.     

基于变权理论的铁路选线方案评价模型

研究目的:铁路选线时选择的线路方案是否科学、合理,不但关系新建铁路的投资、运输效益,还对沿线周边的经济社会发展产生长远的影响。因此,开展线路方案评价模型的研究,对于新建铁路的选线设计和成功运营都具有重要作用。研究结论:(1)引入变权理论计算指标权重,根据各指标具体取值的不同,适当调整其权重,以保证指标间的均衡性;(2)利用云模型理论,分别从指标的模糊性、随机性和离散性三个方面对定性指标进行有效量化;再通过TOPSIS法确定各备选方案的综合优越度,从而对铁路线路方案进行评价和排序;(3)实例分析表明,玉溪至蒙自段铁路三个线路走向方案的优越度分别为84. 2%、68. 34%和2. 29%,从而得到第一个方案最佳;(4)本研究成果对铁路选线方案评价和比选具有参考价值,可为决策者提供一种新的思路和手段。     

考虑容量约束的铁路货运竞争性定价策略研究

在铁路传统货运市场营销中,针对定价问题的研究很少考虑铁路货运系统的容量约束,为了将铁路编组站和线路的容量约束与货运价格的制定进行综合优化,引入市场竞争因素,提出了一个以铁路运营企业总利润最大化为上层目标和货主广义费用最小化为下层目标的双层规划模型.在满足约束条件的前提下,该模型能够给出最优的定价策略和运量分配方案,使得铁路运营企业的总利润最大化.为了降低模型求解难度,运用原始—对偶方法将双层规划模型转化成单层整数线性规划模型,给出了精确的求解算法.通过算例验证了该模型在我国铁路货运定价中的可行性.     

RMG转场自动保护系统

为了提高RMG运行安全,开发RMG转场自动保护系统。通过在RMG上增加雷达防撞系统和CCTV监控系统、在地面增设指示报警装置和自动道闸杆、编写自动化控制程序等,实现RMG转场的自动保护功能。该系统已在唐山港集装箱码头自动化堆场中得到应用,运行效果良好。     

不确定需求下铁路集装箱动态定价研究

针对铁路集装箱运输需求的不确定性,本文将传统线性需求模型、多元logit需求模型与基于LSTM神经网络的深度学习需求模型进行对比,以铁路承运企业利润最大为目标函数建立集装箱动态定价模型.首先,提取与集装箱运输需求相关的特征向量,采用梯度下降算法标定线性模型、多元logit模型参数和监督式学习方法训练LSTM神经网络.需求模型实验显示,与线性、多元logit模型相比,LSTM深度学习模型对集装箱运输需求的拟合精度更高.在此基础上,设计精英选择策略遗传算法结合LSTM网络的动态定价反馈机制求解集装箱动态定价模型.实例结果表明,基于LSTM网络的铁路集装箱动态定价模型能有效提升铁路货运企业收益.