��װ���·�����г�����ģ�ͼ�Ӧ���о�

综合考虑托运人面对集卡运输服务和货运代理报价两大顾客选择因素,构建由多个竞争性集卡运营商和一个货运代理商组成的集装箱道路运输市场竞争模型,通过逆向归纳法求解博弈均衡并以上海港进行算例分析.研究发现:若集卡运营商采取提供增值服务策略,则一方面由于承担了增值服务所需成本而导致集卡运营商利润下降;另一方面,集装箱道路运输市场需求的满足程度不断提高,集卡运营商和货运代理商的整体利润也呈现增加趋势.因此,通过对集装箱运输链建立合理的利益分配机制,就能激励集卡运营商主动提供增值服务,从而改变当前集装箱道路运输市场在基本运输服务方面进行恶性价格竞争的局面,实现集卡运营商和集装箱运输链的健康发展.     

交通运输行业环境监测网络建设的必要性和可行性探讨

全面介绍了交通运输行业部、省两级的环境监测发展现状,分析了存在的问题,在此基础上论述了建设交通运输行业环境监测网络的必要性和可行性。     

城市轨道交通网络化客流特征及成长规律——基于京沪穗深城市轨道交通网络客流数据分析

中国各大城市轨道交通将陆续进入网络化运营阶段,然而对于网络化进程中客流特征及成长规律尚缺乏深入细致的分析与研究。对北京、上海、广州、深圳4个城市轨道交通网络化进程中的客流特征及成长规律进行系统总结,涉及客运量及客运强度、断面客流量分布、线网换乘系数、乘距与运距、客流时间分布等。同时,针对轨道交通沿线土地利用、线网规模、服务水平、票制票价等影响客流特征变化的主要因素进行分析。在此基础上,对当前中国城市轨道交通规划、建设、运营组织的若干关键问题提出建议。     

轨道交通乘客个性化出行路径规划算法

随着城市轨道交通网络的不断完善,可供乘客选择的轨道交通出行路径日益 增加,乘客出行路径决策愈加复杂.本文在分析轨道交通服务水平变量对不同属性乘客出 行路径选择行为影响的基础上,提出轨道交通乘客个性化出行路径规划算法.首先,基于 非集计理论构建针对不同类别乘客的路径选择模型,该模型综合考虑乘车时间、换乘时 间、换乘次数、车内拥挤度及个人属性等因素对乘客路径选择行为的影响.其次,基于不同 类别乘客的路径选择行为差异,构建考虑车内拥挤度变化的乘客个性化出行路径动态规 划算法,为不同属性乘客规划广义出行时间最小的路径.最后,基于广州地铁数据对算法 进行验证.结果表明,该算法针对乘客个人属性规划的最优出行路径,更加贴合乘客的出 行心理.     

设计以人为本的街道——以东莞市东城世博商业圈道路设计为例

中国很多城市道路往往以机动车交通为主要设计对象,而忽视步行和自行车交通.阐述当前世界各大城市和地区以人为本的街道设计理念和趋势,总结国外街道设计基本原则,并辅以国际经验示例.以东莞市东城世博商业圈道路设计为例,阐述商业区、住宅区等人流量较大的区域进行人性化道路设计的要点.通过压缩机动车道数、设计中间分隔带、设置非机动车道、统筹布置设施带等方法,设计更加人性化的道路横断面;通过抬升交叉口、采用较小路缘石半径、交通稳静化措施等方法,设计更加人性化的交叉口.指出以人为本的街道设计有利于创建富有活力、可持续发展的宜居城市.     

考虑动态定价的煤炭调运方案优化研究

煤炭坑口价格的变化与市场供求有重要联系.本文在煤炭坑口价格动态定价的基础上,以煤炭产地和消费地间的煤炭调运量为决策变量,以煤炭流通过程中的总费用最小化为目标,分别构建了煤炭调运系统优化模型和考虑消费者竞争的煤炭调运优化模型,设计了遗传算法和Floyd算法相结合的求解算法.以我国内地煤炭调运问题为案例,分析了价格变化特性、可调出量与消费量比例等因素对煤炭调运方案的影响.结果表明,考虑消费者竞争时煤炭流通广义费用更低;随着煤炭可调出量与消费量比的增加,动态价格较固定价格的煤炭流通广义费用下降更快.     

带有最优流量记忆时间差的一类新格子模型

为了分析最优流量记忆时间差对交通流稳定性的影响,本文基于考虑驾驶员估计得到的最优流量信息,同时考虑驾驶员在驾车过程中受到记忆时间的影响,给出了一类新的格子流体动力学模型.首先,基于线性稳定性理论,获得了新模型的稳定性条件;随后,通过非线性分析方法,给出该模型的mKdV方程;然后,基于求解上述方程所得到的扭结-反扭结孤立波可用于描述交通拥挤的转化和传播过程.最后,通过仿真算例验证了上述理论分析的结论,即驾驶员的记忆时间和最优流量记忆时间差能够显著影响交通流的稳定性,同时增大记忆时间步长和强度系数可以有效地增强交通流的稳定性.     

基于拉格朗日松弛的高速铁路列车运行图新增运行线局部调整模型

给定新增列车理想始发时刻及初始利润,考虑始发时刻调整及全程停时延长造成的罚数,基于时空网络构建以全图运行线总利润最大为目标的整数规划模型,进行拉格朗日松弛,根据松弛解对偶信息设计启发式算法求解各运行线可行解,并通过更新拉格朗日乘子进行迭代优化.以京沪高铁为例进行了验证,结果表明：在算例条件下,相较以理想始发时刻推线求解,该方法能够多增铺6条运行线;随着始发时刻可调整度由10min增加至60min,CPLEX的求解时间快速增长,而拉格朗日松弛启发式算法能快速求得高质量的解,除始发时刻可调整度10min情景,求解效率均高于CPLEX;延长始发时刻可调整度至4h,最多增铺18条运行线,说明现有框架下京沪高铁能力已接近饱和.     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

基于多维数据的高速公路服务水平实时判别方法

随着高速公路的不断发展,交通信息逐渐呈现多元化,而将这些信息进行整合并对高速公路服务水平进行实时判别,对于后期的交通控制管理及实时高效提供道路信息至关重要.本文考虑了时间、天气、出行日期等多因素的影响,选用车速、密度作为高速公路服务水平评价指标,结合最小二乘支持向量机与聚类分析相关算法,提出了一种基于多维数据的高速公路服务水平实时判别模型,以实现对高速公路服务水平的参数预测及实时判别.选用河北省237 360组训练样本数据和6 048组预测样本数据验证了该模型的有效性.结果显示,该模型获得了较高的判别精度和较好的预测效果,是一种有效的高速公路服务水平实时判别方法.