论兰州市“无车日”活动的交通环境影响

通过对＂无车日＂由来、绿色交通以及实施＂无车日＂的必要性进行分析,并以兰州市城关区实施＂无车日＂的交通量调查数据、环境监测数据为例,探讨＂无车日＂的实施效果,以期为实施相应的交通管制和公共交通的发展提供一定的参考依据。     

基于公交智能调度系统的公交换乘算法实现

通过对城市居民公交出行选择影响因素和选择逻辑的分析,利用地理信息系统（GIS）技术构建公交换乘数据模型和公交智能调度系统数据计算出行时间,以此为基础实现以最少换乘次数为第一目标,出行时间最短为第二目标的公交换乘算法。该算法考虑了步行换乘、行驶时间、换乘时间及公交线路上、下行因素对换乘查询的影响,能够较快地提供公交换乘方案。     

复杂情况下大规模船队规划模型与求解方法

以某大型航运企业船队为例进行实证分析,利用Benders分解算法对在多航线复杂情况下,由多种类型船舶构成的大规模船队规划问题进行求解,验证所提出的模型及算法对于大规模实际问题的应用效果.结果表明,该方法实现了多航线、多型船、大规模混合整数船队规划问题的优化求解,能够为大型航运企业进行船队规划决策提供支持.     

西江水系运输船舶能耗评价体系研究

结合西江水系运输船舶能耗管理实际,归纳总结了运输船舶工作特点以及能耗主要影响因素,从技术、营运、管理三方面提出13项评价指标,构建了西江水系运输船舶能耗评价指标体系,提出各项指标的测算模型,并选取典型船舶进行了实证研究.     

基于VAR模型的南京市交通量与经济发展关系研究

在对南京市交通量与经济发展指标统计分析的基础上,运用向量自回归模型——VAR模型进行分析,通过采用协整检验模型、Granger因果关系检验模型和脉冲响应函数等分析,得到交通运输与经济发展之间的关系,并给出相应的建议.     

全国治理超载超限信息管理系统的数据存储与传输

文章针对目前全国治理公路车辆超载超限信息管理系统的现状,从全国联网的角度分析系统的需求、组网方案、数据存储与传输等关键问题,着重阐述了系统建设中的多业务大数据量的SAN数据存储和流媒体QOS控制方法,为完善全国联网治超系统的建设提供参考。     

基于SPSS主成分分析法在公路客运量预测中的应用

分析选取影响公路客运量的主要因素,基于SPSS统计软件对各因素进行主成分分析,将众多相关因素简化为少数不相关因素,消除由于变量过多导致的多重共线性影响,构建了河南省公路客运量预测模型。实例证明,该模型具有较高的精度,能够满足河南省公路客运量预测的需要。     

基于目标空间分布特征的无人机航拍车辆实时检测技术研究

针对无人机航拍视角下存在整体图像分辨率高但占比较高的小尺度车辆检测特征点稀少这一问题,从卷积网络检测器针对性优化与基于目标分布特征的航拍图像自适应切分2个角度综合考虑,提出一种基于目标空间分布特征的无人机航拍车辆检测网络DF-Net。以单阶段目标检测框架SSD为基础,引入深度可分离卷积和抗混叠低通滤波器对网络结构进行优化搭建E-SSD,为后续检测网络搭建提供高效检测器;接着基于条件生成对抗CGAN思想构建密度估计网络生成器,从而得到航拍图像中车辆的准确分布特征,生成高质量的车辆密度图;将E-SSD与车辆密度估计网络结合,对车辆密度图进行自适应切分,并将切分后的局部图像与全局图像一同输入E-SSD,最后在决策层融合检测结果,由此实现对航拍视角道路交通场景下车辆目标的精确高效检测。在试验中,一方面将设计的基于目标空间分布特征的无人机航拍车辆检测网络DF-Net与E-SSD进行对比分析,另一方面将DF-Net与航拍目标检测领域表现较为优秀的网络进行比较。研究结果表明：设计的方法对于2个试验在均值平均精度指标上均有提升,与E-SSD网络对比时提升了至少4.4%,与航拍目标检测领域优秀网络比较时也有一定提升,并保持了较好的实时性。     

基于动态时间调整的时空图卷积路网交通流量预测

为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度, 本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络 (TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征; 引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网 中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节 点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN (Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。     

基于累积前景理论的城际列车分时定价研究

城际客流具有时段分布不均衡特点,表现为高峰时段一票难求而低峰时段客座率低。为均衡客流、提高城际高铁收益,选取客运通道内不同时段车次进行差别定价。考虑旅客选择行为的差异性和有限理性,采用潜在类别分析对旅客进行分类,选取票价和时段价值两个影响因素, 建立双参照点的旅客平行车次产品效用模型,以累积前景值刻画异质旅客对平行车次的出行效用。基于累积前景值构建以铁路企业收益最大,旅客广义出行费用最小的分时定价双层规划模型,设计基于灵敏度分析的启发式算法求解。最后以南宁-北海为例对高峰、非高峰时段平行列车进行实例分析,结果表明,本文提出的分时定价方法能提升收益约2.5%,且高峰、非高峰时段的客流更加均衡。