中俄跨国浮桥正式通车

2008年12月1日,一辆辆汽车缓缓通过黑龙江省同江市哈渔岛港与俄罗斯犹太自治州下列宁斯阔耶港之间的浮箱固冰通道,标志着今年重新搭设的中俄跨国浮桥正式通车,开通时间较去年提前了21d。此浮桥于2007年12月22日首次开通运营,结束了同江口岸对俄不能全年过货的历史,使每年过货期延长100多天,过货量增加近40万t,缓解了中俄经贸运输的“瓶颈”问题。在今年箱体铺设期间,佳木斯海事局同江海事处执法人员在对浮箱逐一进行安检的同时,做好跟进服务,提供技术支持,为提前完成铺设作出了贡献。     

当前载货汽车市场热点探讨

一、重型载货汽车国Ⅲ标准推迟实施实属误解目前,行业普遍认为重型载货汽车国Ⅲ,排放标准实施时间由2008年1月1日推迟到2008年7月1日,其实理解有误。根据（（车用压燃式、气体燃料点燃式发动机与汽车排气污染物排放限值及测量方法》（GBl7691—2005）标准的要求,自2007年1月1日起执行重型载货汽车国Ⅲ标准新车型的型式核准,国Ⅱ标准的新车型不得予以型式核准,     

林德“绿色之星”——H25／30叉车

林德绿色之星叉车H25/30配备的是德国高品质原装进口道依茨发动机,根据叉车工况特点进行了专门调校,低转速大扭矩。该款发动机的特点是采用油冷散热,降低了维护成本,大大延长了工作时间,能从容应对各种恶     

旅行时间价值研究的意义与方法

本文对旅行时间价值的意义及研究的必要性进行了详细的论述,并就旅行时间的界定及旅行时间价值评价方法提出了见解。     

二灰土施工控制要素

由于二灰土强度上升缓慢的特性,因此从拌和到摊铺、碾压均有较长的操作时间,便于掌握。二灰土不像水泥稳定材料从拌和到碾压必须在初凝时间2～3h之内完成。而是从拌和到碾压成型,可以延长1～2d,对其强度没有较大的影响,所以,施工时受雨水、机械设备、人为因素的影响相对要小得多。二灰土施工相对比较简单,便于掌握施工技术及要领。再一点就是塑性指数均在20以上的土质,     

路段平均行程时间估计方法

为了有效利用线圈检测数据,精确估计路段平均行程时间,提出了一种路段平均行程时间估计方法。将路段平均行程时间分为平均行驶时间、平均排队时间和平均通过路口时间三部分。考虑线圈埋设的特点,通过估计平均行驶速度得到平均行驶时间。用分段时齐Poisson过程描述车辆驶入路段过程和驶离过程,用Markov排队模型描述车辆排队过程,用生灭过程描述排队车辆数,得到车辆排队模型,计算了路段有、无初始排队的平均排队时间。基于选取与路口相关的饱和流率和平均车长,计算了平均通过路口时间。计算结果表明:平均行程时间估计值与实测值的误差小于12%,说明路段平均行程时间估计方法可行。     

欧铁通票北欧四国游客铁路旅行优惠

北欧斯堪的纳维亚半岛的铁路通票,日前正式加入欧洲铁路集团巨大的铁路网络中。今后,游客在世界各地购买著名的“欧铁通票”,将可以囊括北欧四国：丹麦、芬兰、挪威和瑞典,并享受这四国铁路旅行的优惠票价。     

北京奥运会主要活动日志

3月24日:希腊当地时间中午12时左右(北京时间约晚6时),北京奥运会的圣火将取自奥运会的故乡---奥林匹亚. 之后圣火传递的第一站将是哈萨克斯坦,再经土耳其至俄罗斯,转到英国伦敦,传向法国巴黎、美国旧金山、阿根廷布宜诺斯艾利斯、坦桑尼亚达累斯萨拉姆……     

快速公交(BRT)线路布局优化研究

快速公交（BRT）是国际上公交发展的新模式。保证系统得以推广,同时应以低成本、显著见效为原则建设快速公交系统,因此对快速公交线路布局进行优化也是不可忽视的。为了探讨现有公共交通线网结构下如何优化BRT线路的布设问题．本文时快速公交线路布设的内部条件和外部条件进行了分析,并在此基础上依据快速公交的发展特点．以乘客的总出行时耗最小和车公里成本投入最小为目标,建立快速公交布局优化的模型．并且给出了优化目标和相应约束条件的函数表达式。通过事例分析对BRT线路布设优化算法进行说明．从而得知优化模型具有较高的应用价值。     

降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.