多点知识,就多点机会

北京7.21暴雨共造成79条生命逝去,其中一位丁先生的离去让人备感惋惜,人们谈起此事至今仍唏嘘不已。在抱怨和叹惜之后我们除了购买铁榔头之外,更应从中吸取很多教训,总结出更多的安全行车原则。至少,我从中得出安全行车三原则,在此愿与读者朋友分享。     

浅谈衡德高速公路建设期施工索赔机会

在承包工程市场上,一般称工程承包方提出的索赔为施工索赔,即由于业主或其他方面的原因,致使承包者在项目施工中付出了额外的费用或造成了损失,承包方通过合法途径和程序,通过谈判、诉讼或仲裁,要求业主偿还其在施工中的费用损失。     

传统汽配做终端还是有机会的

汽配经营首先需要注意一下我们的外部环境,2011年中国的银行盈利非常好,我们在座的有没有今年能够赚到25%的盈利?如果哪一天到银行去贷款,贷款会低于15%,或者是10%,甚至更低,那么这时候就可以搞大你的渠道,搞大你的经营,会有利润。如果还是在这么高的利率情况下,确实宏观经济并不支撑你来搞大,也不支撑你们搞连锁。这是我从资本层面来说。     

罗尔斯与约翰·罗默的公平分配观

罗尔斯的两个正义原则是他的正义论的灵魂,集中体现了罗尔斯正义论的核心思想.但是在罗尔斯的公平分配观中,却没有能够在选择的不平等和非选择的不平等进行区分,无法实现"敏于志向,钝于禀赋",因此也就无法实现真正的公平;罗默通过对市场社会主义的引入,设计出公有制与市场经济相结合的证券的市场社会主义模式,通过这种途径力图达到"敏于志向,钝于禀赋"的目标.     

物流专用车的市场机会

毫无疑问,我国物流行业的快速发展,给专用车行业带来了空前的发展机遇,成为专用车的一个全新的市场"落脚点"。不同行业对专用运输车辆个性化的需求,给专用车企业展开了丰富的想象空间。运输瓶装可乐的车与运输易拉罐装可乐的车完全不一样,这种情况在我国目前还无法想象,但是相信在不久的将来,随着我国物流运输市场的细分,功能各异的物流专用车会让你大开眼界。     

3PLS物流网络设计的模糊机会约束规划模型

以第三方物流企业的角度研究了在不确定环境下物流网络的建模和求解算法。首先,考虑运输成本及客户各市场需求量的模糊性,建立了多产品、多阶段的物流网络模糊机会约束规划模型;其次,先通过将模糊规划模型转化为确定性模型,然后设计出混合遗传算法求解对应的确定性模型。最后给出了算例,不同置信水平下用遗传算法求得的结果与分枝界定法求得的结果非常接近,误差率在10%以内,表明模型和算法具有较高的有效性。     

不确定网络路径优化模型及算法研究

道路事故、道路施工等突发因素干扰了道路正常运营状态,严重时将造成交通网络的局部阻塞;同时道路使用者感知交通网络环境的变化具有多样性和滞后性.正是因为这些不确定因素的存在,交通网络也呈现出不确定性特征.针对出行时耗需要保障的出行决策优化问题,引入可信性理论体系的测度标准;将路段出行时耗变量模糊处理;构建了在一定显著度水平条件以出行总时耗为优化目标,以出行路径为决策变量的模糊机会约束模型,给出基于模糊模拟的组合优化算法,计算示例表明,模型构建合理,算法有效.     

潜龙勿用FUORE DESIGN XF10

在5月举行的巴塞罗那车展上，一辆挂着捷豹标志的概念跑车XF10备受关注，它是来自巴塞罗那设计室FUORE DESIGN的作品。这款优雅而强劲的超级跑车，足可与法拉利恩佐和保时捷卡雷拉GT一决高下。可惜XF10的投产机会十分渺茫，即使XF10有惊世骇俗的本领，也如龙潜于水．无用武之地。     

基于基尼系数分解的城乡公共交通不平等测度:以浙江省海宁市为例

探明城乡公共交通不平等来源及其变化特征对缩小城乡差距有重要意义,以浙江省海宁市为例,将站点可达性作为公共交通服务指标,以交通小区作为分析单元计算公共交通可达性,分别计算2011—2020年研究区域总体、城区、农村及城乡间的基尼系数,将总体基尼系数按城区和农村两个子群进行分解,分析城乡公共交通不平等来源及其演变特征。结果发现：总体基尼系数为0.7204～0.7736,城区基尼系数为0.5718～0.6058,农村基尼系数为0.5955～0.6390,城乡间基尼系数为0.8131～0.8710,研究区域公共交通严重不平等,城乡间不平等程度最大;2011—2020年间总体、城区、农村和城乡间的基尼系数分别下降了5.62%、6.88%、5.21%和6.65%,公共交通不平等不断改善;城乡间不平等对总体不平等的贡献率为63.03%～67.58%,是总体不平等的主要来源。研究表明,基尼系数分解能有效测度城乡公共交通不平等来源,缩小城乡间不平等是城乡客运均等化发展的重要任务。     

印度港口前景看好

印度港口的供需情况为投资者创造了良好的中、长期投资机会。尽管有体制弊端和官僚作风导致的项目延误，港口货物吞吐量仍有明显增长。