一般工业固废在公路行业应用及政策与标准现状

在我国工业化高速发展的今天,一般工业固体废弃物的资源化利用备受瞩目,其中,一般工业固废在公路行业的应用是一个具有显著效益的途径。本文分析了目前工业固废在国内外公路行业的应用现状、我国相关政策的制订情况以及现行的相关标准,提出了该领域下目前存在的不足和相应的决策建议,为一般工业固废在公路行业应用的发展和标准化体系构建提供参考。     

小汽车限行政策实践评述与反思

为解决小汽车保有量增加过快引发的交通相关问题,国内外许多城市开始实施限行政策。本文梳理总结了国内外城市限行政策的演化进程,发现尽管限行政策对缓解交通拥堵和改善空气污染有一定的作用,但不同城市的限行措施和限行效果也各有差异,出行者的一些规避限行的行为可能会对限行政策的实施效果产生一定的影响。     

线性需求下铁路客运差别定价模型研究

为提高席位资源利用率,研究了线性需求下我国铁路客运差别定价策略的优化模型。以收益最大化为目标,基于最优化理论和完全价格歧视策略,确定旅客群体最优细分数目以及每个旅客群体的最优票价,得出在客运淡季,铁路旅客最优细分数目为3~5个,各旅客群的最优票价由铁路客运市场细分数目决定。应用该模型为某城际高铁进行差别定价,试验结果表明,该模型可达到调节客流、增加收益的目的。     

公铁竞争下铁路货物列车开行决策与定价综合研究

随着公路货运与铁路货运间竞争关系的持续激烈化，我国铁路货运存在市场分担量不足、企业经营效益有待提升等问题。充分利用铁路经济性优势，同时协调铁路列车开行决策方案、降低成本并确保铁路企业利润，有利于铁路增强货运收益，更好的参与市场竞争。基于对列车开行决策与运输定价间关联性的探讨，以货运分担量及运价为决策变量，构建出一个公铁竞争环境下的铁路货物列车开行决策与运输定价综合优化模型，以此实现铁路企业利润的最大化和货主广义费用的最小化。通过算例验证得出该模型满足可行性与合理性要求，能够促进铁路达到一定的市场分担率水平、创造较高的经营效益。     

物流网络快速应对疫情的策略与体系设计

物流业既是抗击新冠肺炎疫情的主力军,也是受疫情冲击最严重的行业之一.在讨论疫情中不同地区物资需求类型和特性、运输方式和瓶颈因素的基础上,总结物流业在重点地区物资保障、国内城市配送与快递服务,以及国际供应链与产业链协同中的重要作用.从高效组网、智能化两方面揭示政策和技术支撑下的物流网络快速响应策略.从物流业全面复工复产视角,解析以重点区域、重要节点和重点企业为核心的分阶段快速恢复策略.最后,构建以参与主体、组织主体、运行载体和信息保障等为核心的应急物流网络体系设计框架,并提出具体实施建议.     

从阶层、空间、交通互动视角解读交通规划

现行的交通规划理论基于均质化假设,并未充分考虑社会阶层以及不同阶层在职住关系、出行自由度方面的差异.城市交通发展中日益明显的设施错配、方式错配问题反映了特定阶层的交通需求与交通供给的不匹配.首先,梳理阶层、空间、交通三因素之间的关系,三者的不协调导致了设施错配和交通贫困,反映出交通规划和管理中存在"空间弱区"和"政策弱区".其次,结合城市综合交通调查数据,对阶层、空间分异、出行自由度、错配、交通贫困、交通弱区、政策弱区等概念内涵及指标进行解析.最后,建议在交通规划理论和实践中充分考虑阶层因素并采取针对性的措施.     

收费公路资产证券化定价及发行方法研究

从数据驱动视角出发，本文探讨收费公路资产支持证券的结构化定价方法。首先，构建反 映交通量风险特征的收费公路通行收入自回归积分滑动平均模型；其次，基于瀑布式偿付结构和 到期收益率Nelson-Siegel模型计算不同等级证券发债规模与息票利率；最后结合成渝高速和渝 蓉高速现实数据进行仿真分析。研究发现，高速公路成熟期的通行收入具有尖峰厚尾特征，成长 期的通行收入更兼具显著的波动聚集效应。数据驱动的定价模型能够刻画通行收入的风险特 征，合理估计优先级的证券融资比例，比只考虑利率风险的现金流折现法更具有优势；从发行方 式来看，合并发行的融资结构显著优于单独发行。管理启示是改变以单个高速公路项目为基础 的特许经营权融资，通过绩优绩差项目的合并发行优化融资结构。     

考虑收益管理的高铁平行车次动态差别定价

基于RP(Revealed Preference)和SP(Stated Preference)调查数据，利用潜在类别模型对高铁旅客进行细分，得到旅客对平行车次不同服务属性，如列车运行时间、发车时段和舒适度的偏好程度，并对其进行量化；引入收益管理，以多列车整体收益最大为目标，构建平行车次动态差别定价模型，并设计模拟退火算法进行求解；最后，通过京沪高铁进行实例验证.结果表明：与固定票价进行客票销售相比，所提方案能够适应高峰期和平峰期不同客流特点，提高铁路客票总收益，为高铁平行车次灵活定价提供参考.     

基于强化学习的平行航班动态定价

由于平行航班之间的竞争越来越激烈,为提高航空公司收益,对机票销售系统中的航班和旅客分别建模。将航班的动态定价问题建模成马尔可夫博弈过程,对混合类型旅客建立Logit选择模型。利用多Agent的强化学习算法对实例进行求解,结果表明WoLF-PHC算法收敛所需迭代的次数大于Nash-Q算法,但在计算速度上WoLF-PHC算法优势明显,且具有较强的适应能力。此外,航空机票的定价策略与其他易逝品有所不同,整体呈现上升趋势。而旅客环境参数的变化,也会影响定价策略。基于WoLF-PHC算法得到的定价策略对于收益提升具有积极作用。