每周要闻

中国未来几年汽车年需求增长率10％～15％；北京奔驰项目获得批复；宝马集团成立新部门加强大中华区业务；上海宝钢阿赛洛激光拼焊公司投产；国内首家铜硬钎焊热交换器厂家在南宁落成；道康宁推出专为严酷作业环境设计的MOLYKOTE超高性能特种润滑脂；三环气门销售又创新高；甘肃最大汽车交易城投入使用。     

道路阻塞时的车辆排队长度计算法

按照阻塞程度 阻塞时间及变动的需求流量等已知条件，采用车流波动理论推算 排队上游延伸的最远距离。     

ITS与自组织理论

自组织理论是系统科学中新的理论分支。用自组织理论分析智能交通系统（ＩＴＳ）有助于探讨ＩＴＳ的某些理论问题和制定具体的ＩＴＳ开发策略。本文在分析交通流自组织现象的基础上，讨论了ＩＴＳ中交通控制、交通诱导、交通需求管理与自组织理论的关系，然后提出了一个基于自组织理论的ＩＴＳ管理控制模式。     

1998年国民经济运行分析及1999年展望

１９９８年社会消费品零售总额保持低幅增长，消费需求对经济增长的拉动作用不足，出口增幅出现较大幅度下降。国有单位固定资产投资高速增长是１９９８年经济增长的主要动力，工业增长速度前慢后快。１９９９年国民经济运行面临国际环境难以根本好转，消费增长仍将保持较低水平，市场环境难以有根本性改变，市场需求仍是经济增长的制约因素，企业经济效益低下的局面没有改变困难，而有利环境国国家宏观经济政策导向利于国民经济增长     

基于工业互联网技术的牵引供电系统智能运维平台研究

工业互联网是新一代信息通信技术与现代工业技术深度融合的产物,是工业数字化、网络化、智能化的重要载体,正在成为新一轮工业革命的战略制高点。为实现牵引供电系统运维从自动化、信息化向数字化、智能化转型,本文在对牵引供电系统智能运维系统平台建设现状分析的基础上,应用工业互联网技术理念为牵引供电系统智能运维赋能,提出一种基于工业互联网技术的牵引供电系统智能运维平台,阐述了该平台的系统架构及功能,为后续牵引供电智能运维平台的建设提供技术支撑。     

城市轨道交通初期运营客流预测技术研究

城市轨道交通新开通线路初期运营客流预测是开展初期运营安全评估和运营组织筹备的基础性工作。分析初期运营客流预测在预测期、研究对象、基础数据和预测模型方面的特点,总结该类预测工作开展的技术难点。在此基础上提出一套适用于初期运营客流预测的技术路线,阐述其中基础资料收集、交通调查、交通运行特征分析、出行需求预测、评估分析及敏感性分析的研究要点,并概括总结客流预测指标、对既有线的影响评估、需要重点关注的车站等研究内容。研究结果表明,初期运营客流预测重点在于准确把握城市及交通发展现状,而解读城市及交通发展现状资料并掌握其运行现状特点,研判其短期发展趋势是初期运营客流预测的基础性工作;针对宏观交通需求分析模型对微观客流指标预测的精度不足问题,可在城市宏观交通需求预测的基础上,通过开展各类交通调查建立城轨系统出行需求分析专题模型。本研究成果以期为初期运营客流预测的技术方法、研究内容等提供借鉴。     

品质比评比更重要

“天时人事日相催,冬至阳生春又来。”红红火火的欢乐中国年在热闹的鞭炮声中告一段落。新的一年就此拉开帷幕,新的征程又开始了。在春暖花开的日子里,我们再次迎来消费者权益日——“3·15”     

基于生成对抗网络的地铁OD需求短时预测

城市轨道交通作为一种安全、运量大、环保节能的交通工具,能有效缓解城市交通压力,逐渐成为大中城市居民最重要的出行方式之一。准确可靠的城市轨道交通短期客流预测对旅客出行与客流管控有重要意义。有鉴于此,提出一种新型的生成对抗网络(GAN)模型,即CWGAN-div模型,以实现对地铁OD需求的短期预测。CWGAN-div模型融合条件生成对抗网络(CGAN)模型以及基于Wasserstein散度的生成对抗网络(WGAN-div)模型,结合2种模型的特点,来提高原始生成对抗网络模型的稳定性和生成精度。考虑到地铁客流量变化的时间周期性,使用一种融合2类周期信息的时间标签作为条件信息,并与历史OD数据一起作为模型的输入。为了更充分、更稳定地挖掘地铁客流需求的时空相关性,采用一种改进的卷积神经网络,即残差神经网络构建CWGAN-div的内部结构。以深圳地铁1号线和4号线的44个站点为例,数值实验表明,CWGAN-div模型具有较好的稳定性和预测效果,相比传统预测方法和普通深度学习方法在预测精度上分别提高了27.97%和6.59%,相比其他组合模型提高了3.26%,相比基础CGAN模型和WGAN-div模...     

基于RBF神经网络的地铁隧道施工坍塌事故应急车辆需求预测

现有生产安全事故应急救援体系未能充分利用历史经验辅助应急决策,并多为资源总体上的预测和调度。为高效、准确地应对地铁隧道施工坍塌事故,制定应急救援方案,提高应急救援效率,以确定应急车辆需求量为例,提出一种基于RBF神经网络的应急车辆需求预测模型。在确定预测指标的基础上,整理分析历史事故案例并提取关键指标值,通过训练确定扩展速度及隐含层神经元个数,分别构建以坍塌位置、次(衍)生事故、坍塌面积和被困人数为输入,救护车及消防车需求量为输出的RBF神经网络预测模型。在预测结果的基础上,确定所需应急车辆类型及数量,推算医护人员和消防人员的配备数量,并结合事故实际特征对预测结果进行修正。以某实际地铁隧道施工坍塌事故数据进行案例分析,预测该事故所需的应急车辆、相关人员及设备等应急资源的需求量,并将其与实际数据对比分析,验证了预测模型的可行性和有效性。该预测模型可为地铁隧道施工坍塌事故应急救援方案的制定提供新的思路和方法。