道路交通安全管理与经济、社会发展关系研究

道路交通安全与国家经济、社会发展存在密不可分的关系。该文采用了上海市、广东省、吉林省处于不同发展阶段的三个地区的数据,通过对比可以衡量经济发展水平的GDP、人均GDP和公路通车里程、公路运输量等经济指标来建立它们与道路交通安全管理水平的联系。     

航空货代装箱优化模型及算法

为了提高航空货代的盈利水平和装箱能力, 通过分析航空货物运价体系的特点, 将航空货代装箱问题划分为装箱货物优选和优选货物配装2个阶段, 建立一种基于航空货代利润最大化的装箱货物优选模型。在考虑同票货物邻近装载的约束条件下, 采用空间分割、合并和整体充填策略, 设计了一种基于评级规则的优选货物装载优化算法。计算结果表明: 货物优选模型能够合理选择装箱的货物, 货物装载优化算法能使集装箱容积平均利用率高达83%, 能够有效地满足航空货代增加利润和装箱的实际要求。     

因子分析法在公路客运弹性系数计算上的应用

为全面、有效地分析众多指标因子对客运需求的影响并揭示它们之间的联系,将公路客运影响因子划分为公路客运经济因子和公路客运弹性因子两种,给出了公路客运弹性系数的因子分析法,并对江西省1980年—2005年公路客运指标采用因子分析法进行计算,通过经济因子和弹性因子的关系来获取该省公路客运的弹性系数。结果表明采用因子分析法进行公路客运需求分析,既能大大减少参与数据建模的变量个数,有效降低变量维数、同时也不会造成信息的大量丢失;各年客运弹性系数总体变化不大,能够较好地反映公路客运与社会经济发展的关系,但利用几何平均法得到的运输弹性系数的发展趋势比较平缓,其波动范围也小于利用算术平均法得到的弹性系数。     

疫情后国际邮轮公司直销渠道定价策略

对比了邮轮游产品在国外的分销模式和在国内的旅行社包船模式之间的差异,分析了旅行社包船模式成为制约中国邮轮游市场进一步发展瓶颈的原因;基于斯塔尔伯格博弈和古诺博弈理论,构建了考虑消费者选择行为的直销和代销价格博弈模型;设计了以1个邮轮公司和多个旅行社为对象的数值分析试验,分析了在邮轮公司垄断市场、旅行社竞争市场和邮轮公司与旅行社竞争市场中,邮轮公司直销与旅行社代销的价格博弈行为与市场需求特征之间关系。研究结果表明：旅行社包船模式在中国邮轮市场发展初期符合国际邮轮公司快速渗透市场的需求,国际邮轮公司对代销渠道价格的间接影响力微弱,需通过旅行社使其邮轮游产品获得合理的价格;在市场较为成熟时期,邮轮游产品的代理数量为4~6个时,可以保证直销渠道和代销渠道价格处于合理区间;随着中国邮轮游市场的逐渐成熟,国际邮轮公司应加大发展直销渠道的力度,通过调控代理旅行社订购舱位时单位舱位的成本价与控制代理旅行社的数量,间接控制代销渠道的销售价格;邮轮疫情的负面报道将可能创造广告效果,在疫情后为提高邮轮产品知名度产生积极效用。     

港口对地区经济贡献度研究

阐述了港口相关经济活动的构成、界定了港口经济贡献的内涵和组成，介绍了港口经济贡献度的研究方法及指标体系．以华南地区某港为例，分析和计算了该港口对当地经济的直接、间接和波及贡献，并得出该港口对当地经济的总贡献度及其贡献度在当地经济发展中所占的比重．     

轨道交通“捆绑式”开发的新模式

在分析地铁项目亏损的原因后,认为“捆绑式”开发已成为解决地铁可持续发展的必由之路。通过分析香港“地铁＋地产”的开发模式,提出香港模式有其成功所必须依赖的政策、法规、规划、地域等条件,这些条件是内地暂时无法具备也不能克隆的。根据广佛地铁的特点,尝试探索一条符合国情特征的捆绑式开发的新模式：“地铁＋地产＋产业园”。     

改性沥青与SMA的技术经济分析

先对掺入相同百分比但不同组合方式的SBS及PE改性剂的改性沥青进行技术分析,然后对SMA采用普通沥青和不同组合的改性沥青之间的成本进行估算,最后在几种组合当中得出使用PE SBS的混合改性剂优于同剂量的PE、次于SBS,但就技术性和经济性而言,综合指标好。     

公路运输行业的转型发展及其理论依据

在我国,公路运输企业一般不拥有基础路网的所有权和经营权,通常由网络特性决定的自然垄断行业的特点并不显著。我国的公路运输业更多地体现规模经济和范围经济的特点。本文认为,要提高作为经济发展基础产业的公路运输业的运行效率,必须弄清楚公路运输业的重要经济特性,以使国家对行业的发展进行有效的规制,促进行业的发展并实现向现代物流业的成功转型。     

美国港口对经济影响分析

介绍了美国对港口发展与区域经济关系的研究比较成熟，通常应用量化方法分析港口对区域经济的影响，着重叙述了美国华盛顿州的温哥华港以及加利福尼亚州的奥克兰港的相关分析结果。     

Customizing driving cycles to support vehicle purchase and use decisions: Fuel economy estimation for alternative fuel vehicle users

Wider deployment of alternative fuel vehicles (AFVs) can help with increasing energy security and transitioning to clean vehicles. Ideally, adopters of AFVs are able to maintain the same level of mobility as users of conventional vehicles while reducing energy use and emissions. Greater knowledge of AFV benefits can support consumers’ vehicle purchase and use choices. The Environmental Protection Agency’s fuel economy ratings are a key source of potential benefits of using AFVs. However, the ratings are based on pre-designed and fixed driving cycles applied in laboratory conditions, neglecting the attributes of drivers and vehicle types. While the EPA ratings using pre-designed and fixed driving cycles may be unbiased they are not necessarily precise, owning to large variations in real-life driving. Thus, to better predict fuel economy for individual consumers targeting specific types of vehicles, it is important to find driving cycles that can better represent consumers’ real-world driving practices instead of using pre-designed standard driving cycles. This paper presents a methodology for customizing driving cycles to provide convincing fuel economy predictions that are based on drivers’ characteristics and contemporary real-world driving, along with validation efforts. The methodology takes into account current micro-driving practices in terms of maintaining speed, acceleration, braking, idling, etc., on trips. Specifically, using a large-scale driving data collected by in-vehicle Global Positioning System as part of a travel survey, a micro-trips (building block) library for California drivers is created using 54 million seconds of vehicle trajectories on more than 60,000 trips, made by 3000 drivers. To generate customized driving cycles, a new tool, known as Case Based System for Driving Cycle Design, is developed. These customized cycles can predict fuel economy more precisely for conventional vehicles vis-à-vis AFVs. This is based on a consumer’s similarity in terms of their own and geographical characteristics, with a sample of micro-trips from the case library. The AFV driving cycles, created from real-world driving data, show significant differences from conventional driving cycles currently in use. This further highlights the need to enhance current fuel economy estimations by using customized driving cycles, helping consumers make more informed vehicle purchase and use decisions.