Integrated models of land use and transportation for the autonomous vehicle revolution

ABSTRACT

The advent of the autonomous vehicle (AV) will affect not only the transportation system, but also future patterns of land development. Integrated land use and transportation models will be critical tools in assessing the path forward with this technology. Key questions with respect to land use impacts of AVs arise from potential changes in sensitivity to travel and reduced demand for parking. It is an open question whether AVs will induce urban sprawl, or whether spatial economies of agglomeration will mitigate any reductions in travel time sensitivity. The deployment of shared fleets of AVs would likely reduce parking demand, producing yet to be explored impacts on property development within existing urban footprints. We perform a critical assessment of currently operational models and their ability to represent the adoption of AVs. We identify the representation of time in such models as a vital component requiring additional development to model this new technology. Existing model applications have focused on the discrete addition of new infrastructure or policy at a fixed point in time, whereas AV adoption will occur incrementally through time. Stated adaptation surveys are recommended as tools to quantify preferences and develop relevant model inputs. It is argued that existing models that assume comparatively static equilibrium have been convenient in the past, but are insufficient to model technology adoption. In contrast, dynamic model frameworks lack sufficient structure to maintain reasonability under large perturbations from base conditions. The ongoing advancement of computing has allowed models to move away from being mechanistic aggregate tools, towards behaviourally rich depictions of individual persons and firms. However, much work remains to move from projections of existing conditions into the future, to the evolution of the spatial economy as it evolves through time in response to new technologies and exogenous stresses. Principles from complex and evolutionary systems theory will be important in the development of models with the capacity to consider such dynamics.     

基于层次灰色模型的铁路技术创新绩效综合评价

运用技术创新基本理论,结合铁路技术创新实际,从效益(经济、社会)增长、市场状态(市场份额、市场营销)改善和创新主体素质(技术装备水平、管理水平)提高3个方面建立了评价铁路技术创新绩效的多级指标体系。将层次分析法(AHP)和灰色系统理论结合起来建立了层次灰色评价模型(HGM),运用该模型对铁路技术创新绩效分别从整体和分项进行了综合评价,得出:铁路技术创新绩效绩优度为“一般”,其主要原因在于铁路运输市场状态改善中市场份额扩大程度较低。实证分析结果表明:改进层次灰色评价法(层次灰色评价模型)为一种评价铁路技术创新绩效的有效方法。     

全国水运货运量预测的灰色系统模型

介绍灰色控制系统的基本理论，并给出了全国水运货运量预测的GM（1，1）模型，可供水运部门制定规划时参考。     

GM(1,1)-Logistic路基沉降组合预测模型研究与应用

路基沉降预测是指导正确施工及运营期路基养护的一个重要因素.GM(1,1)模型及Logistic模型被广泛应用于路基最终沉降量的预测.基于组合预测的基本理论,结合GM(1,1)模型及Logistic模型的特点,提出了GM(1,1)-Logistic组合路基沉降预测模型,采用线性组合预测方法,以过去一段时间内组合预测误差平方和最小为原则来求2个预测模型的加权系数.结合工程实际监测数据的计算结果和分析表明,GM(1,1)-Logistic组合预测模型在预测精度上比单个模型具有更好的适用性.     

基于LSTM模型的船舶材料成本滚动预测

船舶建造周期长、材料成本占比大,易受大宗商品价格指数和汇率等多个因素的影响,造成实际完工成本与报价估算存在较大误差的情况。采用灰色关联分析（Grey Correlation Analysis,GCA）方法识别材料成本的影响因素,基于长短期记忆网络（Long Short-Term Memory,LSTM）模型构建船舶材料成本滚动预测模型,并使用某造船企业53艘64 000 t散货船63个月的材料成本数据和对应的影响因素数据进行试验分析。结果表明,预测数据与实际数据误差在可接受范围内,可证明所选择方法和构建模型的有效性。研究结果对船舶建造过程的成本实时预测和控制具有现实意义。     

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。     

波罗的海干散货指数的简单预测方法

波罗的海干散货指数(BDI)被公认为国际干散货市场的晴雨表,预测BDI十分困难,也十分重要。着重介绍几种简单实用的数值拟合方法,并建立BDI预测模型,为航运管理人员提供参考。     

基于灰关联度理论的重大危险源风险评价技术的研究

为了提高重大危险源风险评估的有效性,采用灰色系统关联度原理,将灰关联分析方法应用于重大危险源风险评估.根据系统安全工程理论,建立了重大危险源评价指标体系,并计算评价指标中的各子系统相对于各个标准评价等级的关联度,然后对各子系统进行较高层次上的综合,以综合结果排序,按隶属度最大原则,确定了重大危险源的风险等级,并开发了原型系统.实例分析表明,本方法简便易行,且结果与实际较为吻合,对重大危险源评估具有较好的适用性.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

灰色层次分析法在舰船中水回用方案优选中的应用

[目的]为解决舰船中水回用方案优选过程中决策影响因素多,且因素无法完全被量化和排序的问题,有必要建立科学合理的方案优选评估模型.[方法]基于灰色层次分析法及德尔菲法构建舰船中水回用方案评价指标体系的层次化结构,采用白化权函数的灰色评估方法对各评估要素进行量化,开展不同方案的综合评估.[结果]分析及计算结果表明,采用灰色...