共查询到20条相似文献,搜索用时 78 毫秒
1.
为缓解成都市道路交通拥堵,保证交通安全,对成都市拼车行为可行性进行研究.对拼车概念、国内外现状及措施进行介绍.对500位市民进行问卷调查,内容涉及市民出行方式分析、拼车需求与收入关系分析、市民拼车经历统计、拼车收费情况分析、拼车信息获取方式分析、拼车认可度及市民拼车出行态度分析等,通过分析,成都市目前有高达61%的公交车出行用户,且中低收入水平的市民中有高达80%的人群愿意拼车,为拼车奠定了群众基础.此外,拼车认可度及市民拼车出行态度分析中,大力支持与鼓励拼车的比例分别高达36%,37%,进一步表明拼车在成都是可行的.对拼车可能带来的问题进行了分析,并且针对问题提出了相应的五项对策. 相似文献
2.
3.
文章介绍一种提高汽车匹配质量的有效控制方法,综合匹配MatchBuild简称MB,分为三个阶段MB1、MB2、MB3。 相似文献
4.
因信息不畅、费用不统一、违法犯罪时有发生和法律界定不明确等问题,导致私家车拼车市场发展缓慢.设计了以淮安为试点的定时、定线路上下班拼车方案,搭建了拼车信息平台,实现了拼车的信息检索、信息配对、双方互选、双方互评等功能,并利用时间费用阻抗评价模型和Vissim仿真对该实施后的方案进行评价,结果表明该方案可使时间费用阻抗减少65%~86%,拼车路网中平均车速提高17.83%、总停车延误时间减少34.84%、总行驶时间减少28.29%、总延误时间减少40.89%、平均延误时间减少29.23%.方案在淮安试点表明,该方案能较大地减少拼车过程中的出行时间和出行费用,改善拼车区域路网交通拥堵状况,提高拼车过程的安全性和经济性. 相似文献
5.
6.
7.
望东长江公路大桥主桥为主跨638m的双塔双索面组合梁斜拉桥,其上部结构采用工厂化、装配化的方案架设。为解决组合梁整体吊装施工时存在的桥面板开裂及梁段不匹配的问题,采用RM2006和ANSYS软件分别建立全桥及梁段局部有限元模型,对斜拉索分次超张退张法和防错台架设法进行研究,提出一种基于节段全过程状态(内力状态、几何状态)优化的上部结构装配化架设方法。结果表明:斜拉索分次超张退张法可优化节段施工全过程内力,解决了新梁段起吊对前序梁段引起的较大桥面板拉应力问题;通过斜拉索张拉与钢主梁工地连接工序的优化调整,改善了已架设梁段与待架设梁段匹配时的几何状态,保证了梁段匹配的可靠性。 相似文献
8.
9.
化油器是摩托车的重要部件,有发动机"心脏"之称,它与发动机匹配好坏,决定了摩托车的性能。通过对化油器的再调整,可使化油器与发动机的匹配性,动力性、燃油经济性达到最佳状态。摩托车常用化油器主要有柱塞式化油器(图1)和等真空化油器(图2)。柱塞式化油器结构与工作原理比较简单 相似文献
10.
针对采用多状态约束卡尔曼滤波(MSCKF)的视觉惯性里程计定位精度易受特征点匹配异常值影响问题, 提出了1种基于描述符辅助光流跟踪匹配的数据关联方法。该方法采用金字塔LK光流对序列图像中特征点进行跟踪匹配, 计算每一对匹配点的rBRIEF描述符, 根据Hamming距离对描述符的相似度进行判断消除异常匹配点。在实验中从特征点匹配主观效果以及定位精度2个方面评估本文方法的有效性, 结果表明: 所提出方法能够有效滤除动态场景下图像特征匹配的异常值, 使用该方法处理后的图像进行MSCKF运动解算, 位置结果漂移率小于0.38%, 相较于未剔除异常匹配值的MSCKF算法结果, 改善了54.7%, 单帧图像处理时间约为39 ms。 相似文献
11.
12.
13.
14.
汽车白车身焊接过程中,前纵梁总成匹配状态差一直是匹配过程中整改的重点和难点。常出现的问题主要分为两点:一是制件之间干涉,导致制件无法装配;二是匹配间隙超差,影响焊接质量。出现此类问题的主要原因是冲压件扭曲、回弹。纵梁类U型冲压件扭曲、回弹一直是冲压件开发中易出现且整改难度较大的问题,因此引入了对冲压件进行扫描并将扫描数据进行虚拟匹配的方式,通过虚拟匹配找到既能解决匹配不良的问题又能最大限度降低制件整改成本的路径和方法。 相似文献
15.
16.
17.
18.
正2013年,宝岛车业集团(下简称为宝岛)在竞争激烈的电动自行车市场收获颇丰,渠道建设功不可没。一直以来,宝岛十分重视样板市场的打造,样板市场不仅为宝岛品牌奠定了渠道基础,更提供了一种可以快速复制的渠道模式。"支持核心渠道,推广样板渠道,巩固核心渠道,开拓全新渠道",这是宝岛在渠道战略上的基本发展思路。当然,渠道建设的成功,还有以下几个方面的原因: 相似文献
19.
“互联网+”模式下区域停车“用户-资源”优化匹配是解决找车位难问题的有效途径,传统研究主要关注动态匹配机制设计,缺乏对用户匹配时机的考虑。在随机动态环境下,用户到达目的地附近后进行适当的延时等待,往往可以获得更优质的泊位资源,但取决于当前的停车供需模式。据此首次提出智能延时匹配策略,将每个停车用户抽象为智能体,构建多智能体深度Q学习模型(M-DQN)。结合系统的停车供需状态学习,用户自主决策延时等待时间,进入分配池后,系统利用匈牙利算法进行泊位匹配。在智能体总数量可变的环境下,利用集中式训练与分布式执行的框架,实现多智能体协同优化。为对比智能延时策略的效果,设计等待零时长策略(Greedy)和等待最大时长策略(Max Delay)。在算例中,结合同济大学四平路校区实测停车数据,设计3种不同的停车供需模式场景。在工作日早高峰时段,Greedy是最优的匹配策略,M-DQN和Max Delay的平均停车过程总用时会增加,匹配成功率下降;在工作日非高峰时段,M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少23.8%和22.4%,效果提升明显;在工作日晚高峰时段,M-DQN的平均停车过程总用时相较于Greedy和Max Delay分别减少了12.8%和14.5%,M-DQN可以结合供需状态学习到最优的匹配策略。研究结果表明:在停车供需相对平衡的环境下,所提出的延时匹配策略和多智能体深度强化学习方法可以有效减少用户停车的平均行驶时间和步行距离,且停车周转率越高效果越好;但延时策略在应用方面仍有一定的局限性,不适用于停车供给紧张,停车周转率较低的场景。 相似文献