朔黄重载铁路局部区段扩能改造方案研究

随着朔黄铁路运量的逐年攀升,下行线谭家庄线路所—肃宁北站区间通过能力不足的问题日益凸显,亟待进行扩能改造.本文基于既有线路的实际运行情况,对改建王佐下联线、改建朔黄铁路下行线两种线路走向方案进行了对比分析,确定采用改建王佐下联线方案,并对该方案控制性工程特大桥上跨京九铁路、肃宁上联线的4种桥型方案进行了比选,选定采用主...     

粗集料压碎值对多孔沥青混合料体积特征与路用性能的影响

为了明确粗集料压碎值对多孔沥青混合料性能的影响,选取玄武岩、破碎砾石和石灰岩3种不同压碎值的粗集料.首先采用击实试验模拟分析了粗集料和多孔沥青混合料受荷后的级配变化规律,其次探究了粗集料压碎值对多孔沥青混合料体积指标和路用性能的影响.研究结果表明:粗集料和沥青混合料受荷后9.5 mm筛孔集料的质量通过率变化最大,4.7...     

运输通道新建高速铁路客运量预测MD模型

为了准确分析运输通道新建高速铁路未来客运需求,应用经济学效用原理和数学分析方法,对MD（Minimum Drain）预测模型的概念、假设、原理进行了定义和分析,讨论了需求潜在化实现率、旅行总支付及运输方式选择的机理,并与传统客运量预测方法对通道总的铁路客运需求量预测结果进行了对比。结果表明,该模型预测运输通道新建高速铁路未来的市场份额为70％以上,预测潜在需求年增长率比其他方法低1％,符合近年来交通量的增长规律,这说明MD模型与传统运量预测模型结合进行通道运量预测能充分反应通道中各种运输方式的服务水平对其市场份额划分的影响。     

临港新片区中运量 T2 线工程总体设计

作为国内首条应用氢能源动力的中运量公共交通线路,需要从客流、道路、运营、线网和车辆五方面综合考量确保其成功实施。首先,通过对公交客流的梳理,确定临港中运量的线路走向及车站布置。其次,经过对现状道路条件的分析,提出车道断面布置方案和交叉口节点优化方案;根据建设进度及运营要求,提出切实可行的运营组织方案。再次,对常规公交线网进行优化,进一步提升专用道的使用效率。最后,使用新型数字轨道胶轮电车,构建了临港多模式公共交通准点出行网络。     

城市土地利用与路段交通量关系模型的研究

分析了城市土地利用与交通间的相互关系,使用引力模型建立了土地利用与路段交通量关系模型,从而了简化交通规划中交通需求预测的过程,并为寻找土地利用和交通规划的最佳结合提供了一种新思路。     

城市轨道交通客流时空分布特性研究

利用城轨自动售票系统(AFC)数据分析西安地铁1、2、3号线客流,得到不同类型车站客流特征,将典型车站不同时间的站间OD可视化处理,通过映射方式对OD矩阵时空分布情况进行可视化.结果表明:(1)由于西安是一个旅游城市,工作日只有早、晚高峰时段客流高于节假日,其他时段客流低于节假日;(2)早、晚高峰出行具有明显潮汐特性,...     

公路运输统计指标数据质量评估方法研究

面对政府统计工作改革和行业决策管理的双重要求,针对公路货物运输量统计数据受外部 因素干扰,存在较严重准确性的问题,从控制省级上报统计数据质量角度入手,在研究不同评估方法对公路货运量的适用性基础上,提出了一种基于相关性和正态分布的异常值检验方法。从行 业数据内部协调性和外部数据匹配性的角度,选取了高度相关的判别指标作为评估依据,构造了判别指标与货运量的发展速率比服从正态分布的检验统计量。在给定的显著性水平下计算该统计 量并进行异常值诊断,检验各省货运量增长速度的截面数据是否偏离正态分布成为异常值,以此建立公路运输量统计评估模型,为开展公路货物运输量数据质量评估工作提供指导。结果表明,在实际工作中,该方法可以有效诊断出数据异常省份并指导其进行数据核实和修正,有助于建立长期质量评估机制,从而反映公路运输业真实发展情况,为行业提供更有效、更可靠的统计信息 服务。     

基于神经网络的交叉口交通流量预测方法研究

主要介绍利用BP神经网络模型来预测交叉口交通流量的方法。在概述了神经网络的工作原理和BP网络模型的设计之后,通过举例更进一步说明此方法的可行性和预测效果。     

基于数据预处理的铁路客运量灰色预测模型

铁路是国家的基础设施,对铁路的客运量进行准确地预测具有重要的理论意义和实际应用价值。首先对传统预测方法进行了分析,指出它们在运量预测中的不足,进而提出应用灰预测进行运量预测的优势。结合滑动平均法对灰预测方法进行了改进,同时考虑初始条件的改变。在预测2006-2010年全社会客运总量的基础上,根据铁路客运在各种运输方式中所占的份额预测2006-2010年的铁路客运总量。     

Estimating historical hourly traffic volumes via machine learning and vehicle probe data: A Maryland case study

This paper focuses on the problem of estimating historical traffic volumes between sparsely-located traffic sensors, which transportation agencies need to accurately compute statewide performance measures. To this end, the paper examines applications of vehicle probe data, automatic traffic recorder counts, and neural network models to estimate hourly volumes in the Maryland highway network, and proposes a novel approach that combines neural networks with an existing profiling method. On average, the proposed approach yields 24% more accurate estimates than volume profiles, which are currently used by transportation agencies across the US to compute statewide performance measures. The paper also quantifies the value of using vehicle probe data in estimating hourly traffic volumes, which provides important managerial insights to transportation agencies interested in acquiring this type of data. For example, results show that volumes can be estimated with a mean absolute percent error of about 21% at locations where average number of observed probes is between 30 and 47 vehicles/h, which provides a useful guideline for assessing the value of probe vehicle data from different vendors.