2022年8月全国港口吞吐量运行综述

8月,受疫情反弹、极端天气、需求不旺等因素影响,货物、集装箱吞吐量增速有所回落。受去年同期低基数影响,旅客吞吐量较快增长,但与疫情前同期相比仍处于低位。一、货物吞吐量8月,全国港口完成货物吞吐量13.2亿t,同比下降1.8%,其中:沿海港口完成8.5亿t、下降0.7%,内河港口完成4.7亿t、下降3.8%;完成外贸货物吞吐量3.8亿t、下降6.1%,完成内贸货物吞吐量9.4亿t、增长0.04%。     

路基非饱和粉土的力学特性研究

利用重塑土样开展了土体的水土特征曲线试验和直剪试验，分析压实度、干密度、含水率及法向应力指标对非饱和粉土力学特性的影响规律。研究结果表明:非饱和粉土的水土特征曲线有典型滞后规律，尤其当土体压实度较低时，滞后规律更为显著；法向应力及含水率提升，非饱和粉土由早期剪切变形表现为软化，逐步转化表现为硬化特征，这一特征随土体干密度的提升而更加明显；随土体样本含水率提升，非饱和粉土黏聚力逐步下降，将这一规律进行线形拟合，整体拟合曲线表现为折线特征，且转折点与最佳含水率高度重合；含水率与内摩擦角间无明显相关影响规律，同等含水率水平下，土样干密度越大，内摩擦角也相对更大。     

基于嵌入式系统的舰船图像拼接技术

常规舰船图像拼接技术无法实现多环境的图像拼接,为此设计基于嵌入式系统的舰船图像拼接技术,对采集的舰船图像进行降噪处理后,利用均值法划分特征领域,通过特征领域构建尺度空间,利用尺度空间法则对图像特征进行配准处理,通过嵌入式系统中的换算函数对图像进行连接强化,实现舰船图像技术拼接。将设计的技术与常规3种图像拼接技术进行对比,在不同实验环境下,本文方法图像拼接能力明显好于3种传统方法。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

考虑高铁客运产品间交叉弹性的动态票价策略

将由特定高铁列车所提供的起讫点间的旅客运输服务定义为单个高铁客运产品。随着高速铁路越来越"公交化",同一起讫点间客运产品间的可替代性越来越强,票价的调整有了更精细化的要求。用经济学中的交叉弹性理论描述客运产品间的可替代程度,用指数需求函数描述客运产品的需求与票价的关系,构建并求解高铁动态票价优化模型,对客运产品间不同可替代程度下的最优动态票价策略进行研究。结果显示:高铁客运产品间的可替代性会影响票价策略的选择,且客运产品间可替代程度的增加是否有利于客票收益的提高与可行折扣票价集合的选取有关。     

中国、英国、美国、日本规范关于直墙波谷力计算方法的对比

文章介绍了英国标准BS6349、美国陆军工程兵团《海岸工程手册》、日本《港口设施技术标准》中直墙所受波谷力的计算原理、应用范围和参数选取,并借助工程实例与中国《港口与航道水文规范》中计算方法进行了对比。对于立波波谷力的计算,各国较常用的均为森弗罗公式,但在公式使用过程中应注意特征波高的选取。当d/L在0.139～0.2范围内时,应用中国规范的波谷力计算值介于美国与日本规范、英国规范之间,英国规范水平波谷力计算值偏大17%左右。当d/L在0.05～0.139时,中国规范浅水立波法计算值与美国及日本规范接近,均远低于英国规范值。由于英国规范采用了特征波H_(max)与T_s计算,在波浪浅水变形较显著的工况下,计算可能偏离实际较大。美国规范及日本规范计算值则较中国规范偏低,偏低幅度根据相对水深及波陡等参数的不同而在5%～10%波动。     

基于高速铁路常旅客计划的全流程智慧行李服务方案构建

随着"铁路畅行"和"客运提质计划"的提出,提供高质量、个性化的旅客服务成为高速铁路客运发展的关键方向。为打造全新旅客行李服务概念,基于"铁路畅行"会员常旅客计划,构建全流程、门到门智慧行李服务方案,从旅客需求角度出发,采取"人货分离"模式,突破传统站内行李服务的模式,拓宽业务场景,延长商业链,形成一套系统完整的方案。全流程智慧行李服务作为一项新的服务模式,为培育旅客需求,提高顾客粘合度,挖掘高铁行李服务的潜在市场,优化铁路盈利结构,加快构建铁路客运服务体系,提升铁路在运输市场的竞争力提供支持。     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。