动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

TSP及TEM结合法在隧道超前地质预报中的应用

隧道超前地质预报的方法有多种,但每种方法都有一定的不足,单一的预报方法难以得到满意的结果.为提高预报精度,基于开挖面揭示围岩情况,在紫云隧道地质超前预报中采用TSP与瞬变电磁法相结合的方法准确预报了开挖面前方富水地质体的存在.工程实践表明,采用多种手段相互印证的方法,可以有效提高预报结果的准确性,从而指导隧道安全施工.     

新环保形势下绍兴港诸暨港区水运运量预测

通过对绍兴港诸暨港区水运货源相关行业进行调研, 结合诸暨市经济产业发展情况, 将实际情况与货物吞吐发展趋势相结合, 对诸暨港区未来的港口吞吐量进行综合分析预测。 为之后诸暨港区的总体规划提供相应的支持。