基于港口吞吐量预测及剥离的船舶定线制经济效益分析

文中采用模型预测法与层次分析法相结合,综合两种方法的优势,从基础数据中成功剥离出定线制的作用。以长江江苏航段定线制为例,通过对比吞吐量预测值和实际值之间的差量,得出定线制产生的吞吐量增加值,并采用专家打分法进一步剥离出船舶定线制贡献,定量的分析定线制实施后产生的经济效益。     

进口汽车市场将进一步回归理性增长——中进汽贸发布2013年进口汽车市场年度报告及2014年策略报告

《2013中国进口汽车市场年度报告》认为,2013年中国进口汽车市场格局已步入深度结构调整时期。作为中国汽车市场的重要组成部分,2013年中国进口汽车市场需求（上牌量）进一步放缓,市场供给（进口量）虽进行了结构性调整,但进口量仍然过大;整个行业呈现库存过高、需求放缓、价格优惠加大等“以价换量”的市场趋势。     

我国报废汽车回收利用行业利润预测研究

首先观察历史数据变化规律,运用回归分析法对2012-2020年我国的报废汽车量进行了预测,然后根据报废量预测结果,预测了2012-2020年我国报废汽车行业销售收入和利润率,最后据销售收入和利润率的预测结果计算出2012-2020年我国报废汽车回收行业的利润。预测旨在从宏观上把握未来报废汽车行业的发展趋势,为我国汽车产品全生命周期节能减排评价提供数据支持。     

基于AFC数据挖掘的轨道交通站点分类研究

轨道交通站点的分类对于研究不同类别站点的客流规律、周边土地利用情况以及发展趋势都有着重要影响。基于AFC数据,综合多种有效性指标确定分类数,采用主成分分析、k-means聚类、多元线性回归等方法,定性分析与定量分析相结合对站点进行类别划分。将苏州轨道交通1、2号线共58个站点分为4类,为站点分类别后续研究以及轨道交通发展研究奠定基础。     

大型货运车辆生态驾驶及节油潜力评估

改善驾驶行为、推广生态驾驶是未来降低机动车辆燃油消耗和污染排放的重要潜在方式.分析由车辆远程在线监控技术(OBD)获取的199辆大型货车在观测的4 d内的位置、速度、油耗等微观运行状态的逐秒数据，提出判定急加速、过急加速、急减速、过急减速和超长怠速等5种不良驾驶行为的统计方法，并建立面板数据固定效应回归模型分析5种不良驾驶行为对大型货车油耗的影响，进而定量评估改善不良驾驶行为的节油潜力.研究结果表明，超长怠速和过急减速行为会显著增加大型货车的油耗，减少超长怠速时间和过急减速行为的节油潜力分别可达2.6%和3.8%.     

基于票务数据的团体旅客出行目的推断

为推进城际交通大数据的应用，需要补全出行目的信息，将团体旅客出行目的决策与文本主题生成类比，开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型，以及团体旅客重建和语义化特征设计方法，并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现，模型对一般私务辨识性能提升7.7%；基于票务数据的案例研究发现，模型对出发时间预测精度达到90.9%，间接验证了模型的可靠性.主题标注表明，模型不仅推断出4种与典型模式相符的出行目的，还辨识出既有认识外的非常规模式.对道路客运分析表明，出行目的构成呈现地区差异，高铁开通对不同出行目的出行量的负向影响程度不一.     

轨道清污车吸污效率影响参数正交试验研究

通过正交试验研究,探讨了轨道清污车辆的吸风口与道床距离、吹风口偏角、走行速度三个关键因素对吸污效率的影响规律,并得到了优化运行参数。根据正交试验结果,采用多元非线性回归方法建立了除净率和可吸最大粒径的回归模型,经验证可知:该模型具有良好的精度,可为车辆的调试、运行参数提供预测和参考。     

中央空调系统的数据分析模型

根据某热带城市一套中央空调系统采集的数据,分析系统耗电量与可控变量、不可控变量的线性相关性。利用Spss软件分别建立系统耗电量和系统效率与冷却负载等可控变量之间的线性回归分析模型。     

城市道路场景下驾驶注意力需求的影响因素研究

为探索城市道路场景下影响驾驶注意力需求的交通因素,搭建包含多种交通变量的城市道路交通场景,对30位被试进行驾驶模拟器视线遮挡实验。以视线遮挡概率表示驾驶注意力需求等级,采用逐步逻辑回归方法建立各交通变量对驾驶注意力需求等级模型,并分析其影响方式。结果显示,遮挡概率沿驾驶路线波动较大,不同交通变量对驾驶注意力的需求不同。十字路口、公交车站、路边停放车辆、跟车距离、会车距离和弯道曲率等对驾驶注意力需求影响显著。越接近十字路口遮挡概率越小,到达十字路口时几乎没有遮挡。说明被试会主动适应外界交通环境对注意力的需求,有选择的获取与驾驶有关的交通变量信息,并预测各个交通变量的发展趋势。研究结果有助于提高驾驶分心预警系统的环境敏感性。     

基于大数据计算模型的CBTC软件智能测试系统技术研究

为解决国产基于通信的列车控制(CBTC,Communication Based Train Control)系统软件测试质量不高和效率低等问题,设计了基于大数据计算模型的CBTC软件智能测试系统。该系统构建一种多元线性回归软件度量模型,制定合理的软件度量标准,对软件质量进行评估,在此基础上,提出高效的基于Hadoop开源框架的分布式度量方法,用以解决大数据计算任务,并提出一种智能软件测试系统整体解决方案,实现软件测试的智能化运行。通过实验分析,该系统能够合理生成软件度量模型,对测试任务进行分布式并行处理,减少测试人员重复性劳动,提高测试人员的工作质量与效率。