确定环境下危险品公路运输路径多属性决策

随着经济的发展,危险品的运输量在大幅增长,危险品对环境和人类的潜在风险在扩大.如何选择一条最佳的危险品运输路径,使其既能保证运输安全又能保证快捷地到达目的地,是决策部门面临的一个重要问题.在构建危险品公路运输路径决策指标系统的基础上,建立了确定环境下路径决策的层次分析模型,并通过一个算例证明了决策模型的可行性.该方法有助于决策部门选择合理的运输路径.     

不确定语言环境下危险品公路运输路径决策模型

在危险品运输路径选择过程中,由于客观事物的复杂性,部分已知信息往往是不确定的,这给选择最优路径带来了很大的困难.文中先利用不确定的扩展加权算术平均算子对评估矩阵中的不确定语言评估信息进行集结, 然后利用不确定语言混合集结算子对全体决策者给出的决策方案综合属性评估值进行集结,进而利用可能度矩阵确定最优的运输路径,最后用算例验证了方法的可行性.     

基于因子分析与Kohonen网络的公路运输枢纽分类方法

采用因子分析将公路运输枢纽载体城市的14项统计指标简化为3类综合因子,构建Koho-nen网络模型并输入综合因子变量得到公路运输枢纽的初步分类方案,通过F-统计量检验分类效果发现将所选44个公路运输枢纽分为4类最佳.结果表明,因子分析与Kohonen网络结合是一种有效的公路运输枢纽分类方法,公路运输枢纽具有较明显的4个层级结构.     

墨西哥发达的公路运输

墨西哥地处美洲,是沟通美国、加拿大同中、南美洲的桥梁,是南北美洲陆路交通的必经之地,素有“陆上桥梁”之称,交通运输占有重要的战略地位。墨西哥拥有一个比较完整和现代化的交通运输系统,是拉美国家中交通运输,特别是公路和航空运输业比较发达的国家之一。     

基于BP神经网络的浙江省交通发展预测问题研究

基于BP神经网络研究了多因素的交通预测问题。通过分析影响交通指标预测值的15个因素信息，预测到2015年浙江省公路总里程为94984b，其中高速公路总里程为4533km，对今后浙江省交通发展规划具有一定的指导意义。     

基于小波神经网络的短时交通流预测

针对现阶段城市道路交通短时交通流预测精度不高的局限性,将小波变换引入到城市道路交通预测过程中,提出一种基于小波神经网络的预测方法。运用美国加州高速公路通行能力度量系统数据作为数据来源,应用小波变换和BP神经网络相结合对其进行预测,然后对预测结果数据进行分析,并对短时交通流进行综合评价。实验表明,该方法与传统的BP神经网络相比较,在短时交通流预测方面具有较好的有效性和优越性。     

基于路段风险度的城市危险品运输路径优化选择

以减少运输路径沿线发生事故的风险及减少事故发生后对城市交通的影响为目的,利用交通流理论研究城市危险品运输路径的选择问题.首先利用传统风险管理理论对路段发生事故的风险及发生事故后的交通损失进行分析,提出了路段风险度的定义;利用Dial算法对路段的损失幅度进行计算,从而得到各路段的风险度,建立了风险度最小的危险品运输路径选择模型;然后利用传统标号算法设计了该模型的求解方法;最后通过算例分析了路段交通量与其风险度的关系,得出路段的交通量与路段风险度之间的关系.     

基于ISM的履带式重装备公路运输辅助决策系统构建研究

履带式重装备公路运输辅助决策系统是辅助决策者完成重装备运输保障任务的重要手段。在介绍履带式重装备公路运输现状的基础上,论述了构建履带式重装备辅助决策系统的必要性,建立了包含运输任务、保障信息、运输方案、计划生成等内容的系统模块,并利用ISM方法得出辅助决策系统模块之间的关系,从而得出履带式重装备公路运输辅助决策系统的总体设计方案。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于BP神经网络的浙江省公路运输量的预测

本文在对浙江省公路运输量时序分析的基础上利用BP神经网络进行预测，得到了精确度很高的预测结果，改变了过去一直使用灰色预测、回归预测、指数平滑法等方法的局面，为浙江省公路运输量的预测提供了新方法。     

�����������绷����Σ��Ʒ��·����·������

随着经济的发展,危险品的运输量在大幅的增长,危险品对环境和人类的潜在风险在扩大。危险品运输事故一旦发生事故,可能会造成惨重的人员伤亡、长久的环境污染及巨大的经济损失。选择一条最佳的危险品运输路径,确保运输安全具有重要的意义。在相对发达的运输网络环境下通过最小化运输风险、最小化运营时间及最小化敏感目标人数,建立了危险品公路运输路径多目标决策模型,并利用基于决策者偏好信息的权重信息和开方乘方集成算子对3个目标函数进行集成,然后用扩展标号法计算最优折衷解,最后用一个例子验证了模型及算法的正确性和有效性。该方法有助于决策者在发达运输网络环境下选择合理的运输路径。     

我国公路危险品运输管理对策

公路危险品运输管理是危险品管理中的重要一环,并且与国民经济的发展、社会的安定团结紧密相关.因此.结合我国国情,建立健全各项法规制度,加强危险品运输管理的力度,改进危险品运输企业管理方法和管理手段.提高从业人员专业水平,是关系到我国经济持续、稳定发展的大事,需要充分重视和认真对待.     

突发状况下危险品运输网络鲁棒性建模和仿真

由于突发状况,危险品运输受到影响或威胁,其后果是致命的.因此针对危险品运输网络进行鲁棒性分析,以利于网络的设计和选择.本文基于自然渗流现象与复杂网络的渗流理论相结合,对危险品运输网络的鲁棒性进行定义,并从整体性角度,基于图论提出网络连通率;从微观细节的角度,提出渗流节点数、渗流失效率、节点承载力、渗流阻尼参数.从定义和实际出发,提出假设条件,建立模型,设定仿真场景.最后,根据仿真流程图,使用Matlab 仿真.根据仿真结果,定性定量分析不同节点度节点突发状况和不同节点承载系数对危险品运输网络节点失效渗流鲁棒性的影响.     

危险品运输网络节点失效渗流鲁棒性建模仿真

为了科学地进行危险品运输网络设计和节点选取,减缓突发状况造成的危害, 对突发情况下危险品运输网络节点失效渗流鲁棒性进行了仿真研究.结合液体透过缝隙 自然渗流和复杂网络渗流理论,建立仿真模型.根据设定的仿真场景和流程图,使用 MATLAB进行仿真实验,定量分析网络连通率、渗流节点数、渗流失效率和节点承载力; 定性分析不同节点度节点突发状况和不同节点承载系数对危险品运输网络节点失效渗 流鲁棒性的影响.结果显示,增加节点度过大或过小的节点数量会降低危险品运输网络的 鲁棒性,增加节点承载力则可加强鲁棒性和容错性.     

基于双层规划的危险品道路运输网络设计

分析了危险品道路运输网络设计问题的双层特性,建立了以政府期望的风险最小化为上层目标、运输者期望的成本最小化为下层目标的危险品运输网络双层规划模型。采用遗传算法,以Pydev为平台,运用Python编程以及TransCAD生成网络,实现了运算和结果可视化。实例验证结果表明,遗传算法能给出稳定的最优解,而且所得风险符合预期并接近于最低网络风险。     

基于综合运输网络的公路建设项目交通量预测方法研究

分析了传统公路建设项目交通量预测方法存在的主要问题。从综合运输的角度出发,提出了基于综合运输网络的公路建设项目交通量预测方法,并对预测方法涉及的具体模型进行了讨论。认为应用该方法可以客观反映公路与其它运输方式之间的作用关系、准确描述交通量的转移规律、充分把握建设项目在综合运输网络中的作用和地位,使预测结果更加合理、有效。     

危险品的多目标运输路径优化研究

由于危险品运输的特殊性质,在危险品运输路径选择过程中,需要考虑更多的因素,因此提出基于多目标的路径优化模型,通过运输风险、危险平均后果及总后果全面考虑运输中的危险,并将风险、运距及费用目标抽象得到类似广义费用的综合表达形式,使得影响因素影响程度的确定具有更强的灵活性以及适用性;对于综合目标模型采用Dijkstra算法求解,该方法简便易算具有很强操作性,最后用算例验证了方法的科学可行性.