城市道路交通面面观

国内的一些城市有很多叫"大街"的主干路,这些"大街"单向有四五条车道,十分可观,而新西兰的城际高速路也不过如此,在某些路段甚至双向共有四车道.在过内地这些"大街"的时候,你要确保自己像刘翔一样,因为机动车会高速向你狂奔过来,要一口气穿过10条车道,少点勇气加脚力真的不行.     

中国城市交通问题剖析及改善对策

针对目前我国城市交通发展过程中面临的典型问题,从城市规划、交通结构、供需关系、交通系统结构、基础设施建设、信息化建设、区域一体化交通等方面深入分析总结了城市交通根本症结所在,并针对这些问题提出了城市空间结构布局与产业布局和配套功能设施布局同步调整、把握我国交通结构高弹性调整时机、合理制定公共交通发展目标和政策、差别化供给方式、挖掘既有交通基础设施、注重城市交通体系功能级配和资源配置、建立区域交通网络等对策建议。     

城市轨道交通的基本属性对投融资的启示

从城市轨道交通的基本属性入手,从产品分类、项目区分、可销售性评估、外部效应等角度分析其内在的本质特征:城市轨道交通的准公共性、准经营性、可销售性和外部性.形成了投融资工作的认识基础.提出了通过有条件的商业化运作方式建立起政府财力与社会资本互补的投融资机制的建议.     

快速道路公交和城市轨道交通关键参数比较及相关问题探讨

对快速道路公交和城市轨道交通系统的规划和建设时间、基建费用和运营成本、票费收支比、补贴和投融资、载客量、速度和灵活性、能源消耗等关键参数进行了分析比较.指出快速道路公交在费用、灵活性和建设周期上具有较大优势,轨道交通系统在载客能力、环境景观和服务水平上更有优势,还可以充分利用地下空间.在层次分析法框架下讨论了发展快速公共交通的决策准则.提出了快速道路公交和轨道交通的两种组合模式:快速道路公交作为轨道交通的补充和延伸,提高公共交通的覆盖率和服务水平;快速道路公交作为轨道交通发展的过渡阶段,先发展快速道路公交,培育客流,待轨道交通建成后再将快速道路公交路权返还给社会车辆.     

城市轨道交通中无线局域网的应用

信息技术已经成为当今社会的主流技术.及时、准确地得到需要的信息是很多客户的要求.无线局域网(WLAN)是相当便利的数据民用通信传输系统.随着WLAN技术的普及,如何将其融合到城市轨道交通环境中去,更好地为乘客信息系统、乘客个人终端服务,已经成为一个新的课题.车地通信的实现是WLAN能够在城市轨道交通中成功应用的关键.针对不同的模式对WLAN的应用进行了阐述,以寻找最适合上海轨道交通系统的应用方案.     

台北公共交通月及无车日活动回顾与展望

台北国际无车日自2002年起举办了5次,由最早的骑自行车活动扩大至包含“走路上学日”与“公共交通月”丰富多彩的系列活动,渐渐获得民众认同。无车日活动的目标是通过活动的倡导和社会参与来改变民众使用交通工具的行为,潜移默化的效应可促使形成可持续交通政策,当可持续交通政策与基础设施建设落实后又可具体改变交通环境,形成良性的循环机制。首先说明了“无车日”的由来,并回顾台北都会区过去5年来举行无车日系列活动的内容与经验,同时基于活动的发展与成果归纳出无车日活动的成功要素,最后提出未来活动将扩大举办的内容、方式与展望,以期能为其他城市作参考。     

中国城市快速公交系统建设专家点评

快速公交系统发展的相关问题 全永燊,北京交通发展研究中心主任 在优先发展城市公共交通这样一个大的政策背景下,这几年公共交通发展的形势比任何时候都好,这是客观的.     

城市轨道交通列车关键子系统的安全完整性等级分析

合理确定城市轨道交通各专业设备系统的SIL(安全完整性等级)、避免刻意追求安全功能造成资源浪费是非常必要的.针对列车客室侧门、网络控制、空气制动等关键子系统发生故障可能会导致乘客碰撞、夹伤、摔伤甚至死亡的安全事故,对影响乘客安全的列车安全功能进行评估.从列车各关键子系统的安全功能角度出发,在介绍HAZOP(危险与可操作...     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...