“十四五”我国港口货物吞吐量结构化预测*

为更好分析港口运输需求发展趋势,将港口吞吐量影响因素进行结构拆解,建立吞吐量与国内生产总值、工业增加值、一二三产业增加值、投资、消费、外贸额的关系方程。同时,将吞吐量拆分为主要货类,建立煤炭吞吐量与火电发电量、原油吞吐量与原油加工量、铁矿石吞吐量与生铁产量、集装箱吞吐量与第二产业增加值等关系方程。组合应用回归分析、弹性系数等预测模型,预测2025年我国港口货物吞吐量、煤炭、原油、铁矿石和集装箱吞吐量分别为172亿、29亿、8.3亿、22亿t和3.2亿TEU。预测结论为全国水运“十四五”发展规划等提供参考。     

塑料排水板堆载预压法处理软基的固结效果

结合某填海造地道路地基处理工程实例,探讨塑料排水板堆载预压法的加固机理;基于现场软基沉降监测实测数据,采用双曲线法对加固后的软土地基沉降进行预测,并分析地基的最终沉降量及固结度。研究结果表明:塑料排水板堆载预压法在软基处理中的加固效果较好,堆载预压结束后,软基固结度可达到80%～95%,满足设计要求。     

道路交通安全水平预测的统计模型

为了评价和预测不同国家的道路交通安全水平,建立通用的统计模型,作者首先分析道路交通事故死亡率与人口规模、机动车保有量、道路里程以及人均GNP之间的相关关系,根据相关性选择影响道路交通事故的因素,并建立万车死亡率与人均GNP之间的函数关系.模型计算结果与校核数据对比分析表明,所提出的模型能够较好地评价和预测一个国家或地区的道路交通安全水平.模型对交通管理者提高交通安全性的科学决策具有重要指导意义.     

公路客运运力结构配置

运力配置合适与否不仅关系到客运企业经济效益的好坏,而且也是评价客运方式服务质量和服务水平的一项重要指标,并将直接影响其市场占有率。研究运力配置对公路客运企业、对客运消费者及区域经济都有很大意义。在对高速公路客运运力影响因素充分分析基础上,通过对公路客运量预测影响因素进行分析,建立了公路客运量预测模型,对未来目标年的客运需求量进行了预测、计算,确定运力结构配置方案。     

基于GIS的公交乘客信息系统的研究

考虑到乘客出行的心理特征差异,利用公交乘客信息系统的关键技术和GIS的特性,建立基于公交乘客出行路径优化模型的城市公交乘客信息系统,可为进一步开发适合我国的城市公交乘客信息系统提供重要的参考.     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

水胶比对混凝土抗硫酸盐腐蚀性能的影响

为探究不同水胶比的混凝土在硫酸盐溶液中的腐蚀寿命,从相对抗压强度和相对动弹性模量的角度出发,采用对比试验的方法对W/B=0.26,0.32和0.38的3种混凝土试块进行硫酸盐腐蚀干湿循环实验,同时对所得数据利用最小二乘法进行拟合和分析.研究结果表明:混凝土抗腐蚀能力与水胶比呈反比,水胶比越大,混凝土的抗腐蚀能力越差;混...     

区域经济分析与地方公路交通量预测分析

论述区域经济分析过程中的注意要点,介绍经济发展的预测方法,阐述交通量与区域经济之间的相关性及几种模型的应用。     

智能汽车对无信号交叉口行人的避撞控制

针对智能汽车在无信号交叉口对横穿行人的避撞问题,研究了主动转向避撞控制策略。基于多层模型预测控制方法,采用分层控制策略设计局部规划层控制器与全局跟踪层控制器,在此基础上根据交叉口处汽车与行人的轨迹特征计算人车碰撞剩余时间,改进传统人工势场法构造避撞函数,规划出既能规避交叉口内存在碰撞风险的行人又能使偏差最小的局部避撞路径,并使智能汽车在满足多项动力学约束时准确跟踪参考路径,通过搭建CarSim/Simulink联合仿真平台,结合广东省2006—2018年交通事故数据库选取对交叉口人车碰撞有显著影响的因素,设计仿真场景进行仿真分析。结果表明：智能汽车能在多个初始点完成对参考路径的跟踪,控制器对不同速度和附着条件有较高的鲁棒性,高速低附着场景中,智能汽车横向加速度小于0.4 g、质心侧偏角小于2°、前轮侧偏角小于2.5°,各约束量满足舒适性和平稳性条件;4个典型交叉口场景中,智能汽车以不同速度直行或转弯通过交叉口,均能识别横穿行人中存在碰撞风险的行人实现主动转向避撞。     

基于多步LSTM模型融合的铁路客票订单量预测方法

根据铁路客票订单量的周期性特征,提出一种基于多步LSTM模型融合的铁路客票订单量预测方法.首先构造多个LSTM模型作为第一层预测模型,并采用贝叶斯优化方法训练LSTM模型,得到候选超参数集合;对验证集以候选最优超参数集合代入LSTM模型进行预测,可得到LSTM模型的最优参数集合,再分别以加权求和、线性回归和LightG...