浅析城市轨道交通与其他交通方式的有效衔接

上海现有轨道交通线路(含磁浮线)12条,运营总里程450公里。"十二五"期间,上海将再建成轨道交通约200公里。届时,50%的市民将选择公共交通方式出行,较目前提     

深圳市将建设首个地下火车站

近日，铁道部决定广深港客运专线将在深圳市中心增设一个地下车站——福田站。福田站位于深圳市中心，主要承担广深港之间高频、高端城际商务客流，不到发停靠长途列车。同时，福田站还将与深圳市中心城市轨道交通系统构成综合换乘枢纽，与城市交通无缝接驳。     

轨道交通规划工作的几点建议

在城市轨道建设高潮来临之际，结合国际经验和国内实际情况．提出四点建议。     

沙坪坝车站城市综合体改造的探讨

文章通过对成渝客运专线沙坪坝火车站地区既有现状分析,结合高速铁路站场改造、城市道路规划、城市轨道交通规划及地形、地质条件,探讨如何有效利用铁路站场改造及铁路空间,实现铁路站场整体上盖,延展广场空间,整合区域交通资源,明确功能定位,打造集高速铁路站场、城市轨道交通、公交车、出租车、社会车于一体的便捷换乘枢纽综合体,完善城...     

上海城市轨道交通网络化建设的实践和对策

随着上海城市轨道交通网络化建设的迅速推进，如何进行统筹规划和资源共享已经成为网络化过程中的关键问题。通过上海城市轨道交通建设的实践，提出了网络换乘车站的解决方案及网络控制中心、主变电站和车辆基地等网络资源共享的设计方案，以及网络中传输与交换系统、票务系统、无线通信系统和网络信号系统等机电设备系统的解决对策。指出了网络化运营管理的总体目标和思想，论述了网络化运营管理构架、安全保障机制和维修保障方式。     

交通运输大事记

国家重点工程、上海重要的对外交通和市内换乘枢纽——上海铁路南站工程基本建成。     

铁道部资讯

进一步提高铁路科技创新能力推进铁路科学发展1据《人民铁道》报道,铁道部党组日前出台《关于进一步提高铁路科技创新能力,推进铁路科学发展的决定》,明确"十二五"期间铁路科技创新的总体思路、总体目标、重点工作和基本要求。"十二五"期间,铁路科技创新的总体思路是:以科技创新作为铁路现代化发展的根本动力,以科技发展作为保障铁路安全的重要手段,按照实现科学发展和加快转变发展方式的要求,深入贯彻国家"自主创新、重点跨越、支撑发展、引领未来"的科技工作指导方针,紧密围绕运输安全、工程建设、装备制造、运营管理等需求,     

聚焦春运:中国铁路的春运攻坚战

本期策划 春节，是中国最隆重的传统节日，是阖家团圆，寄托新年希望的佳节。当自处异地他乡的人们在春节前后乘上列车，踏上返乡途时，春节前后往返客流已经成为世界上最大的人口流动。     

公共交通与小汽车出行时耗比影响因素分析

为了给公共交通改善指标及公交优先对策制定提供参考,以深圳市晚高峰出行数据为样本,对公共交通与小汽车的出行时耗比构成特征及影响因素进行了分析。根据公共交通车外时耗和车内时耗在出行时耗中所占的比例,将样本划分为出行时耗比由车外时耗占主导影响和车内时耗占主导影响两类,并计算每一类中各相关因素对出行时耗比的影响程度。结果表明:超过90%的样本出行时耗比受公共交通车内时耗主导影响;在车外时耗相关因素中,两端步行距离对出行时耗比影响程度较大;公共交通路径绕行及出行速度低对出行时耗比造成的影响中,后者影响程度更加明显。     

基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型

为降低样本噪声对客流预测模型的干扰, 结合深度学习理论, 提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型; 将预测过程分为3个阶段, 第1阶段预处理原始地铁刷卡数据, 构建进(出)站客流时间序列, 运用经验模态分解法将时间序列转化为一系列本征模函数及残差, 第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量, 第3阶段基于深度学习库Keras, 完成长短时记忆神经网络的搭建、训练及预测; 以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明: 与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比, 经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%), 将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%), 说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型; 当预测步长由5 min逐渐增加至30 min时, 工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%), 说明该方法预测误差与预测步长呈负相关。