Determining the optimal number of seasonal adjustment factor groupings when estimating annual average daily traffic and investigating their characteristics

Although cluster analysis is recommended by the US Traffic Monitoring Guide (TMG) to supplement the development of seasonal adjustment factor groupings (SAFGs), the relationships among SAFGs' characteristics remain undiscovered, while the determination of the optimal number of clusters is an ambiguous task exposed to great subjectivity. Statistical indicators provide a mathematical solution by removing engineering judgment without taking into consideration any guidelines or other criteria, necessary for transportation planners to generate ‘practical and sensible’ groupings. The method examined in this study aims to overcome the above weaknesses incorporating into the methodology a series of statistics, recommendations, and previous research findings. The investigation of the relationships among (1) the within-group variation, (2) the total number of sites, (3) the minimum number of stations within a cluster, (4) the optimal number of clusters, and (5) the geographical size of the groups constitutes the main objectives of this research. According to the results, the cluster variability declines as the available number of stations increases. When the minimum number of stations within a cluster increases, the weighted coefficient of variation inflates as well, with the rate of increase depending on sample size. The average number of automatic traffic recorders per cluster is analogous to the sample size, while the optimal number of clusters varies conversely with the minimum number of stations within a cluster. The application developed for the conduct of the analysis minimizes the computational time needed, while it can be easily implemented by engineers to automate the process recommended by the TMG, enhancing the current state of practice.     

我国东部沿海平均潮差分布特征及变化规律

我国沿海地区面积广阔,受多种因素的影响,平均潮差的分布及变化特征相当复杂。由此,利用我国东部沿海地区21个验潮站连续1 a的逐时实测潮位资料,统计其年平均潮差及月平均潮差,并由此分析了年平均潮差在我国东部沿海的分布特征及月平均潮差变化规律。结果显示我国东部沿海平均潮差的分布及变化除受天文因素的影响,径流以及海湾形态亦是重要的影响因素。沿海地区,在天文因子作用下,月平均潮差呈现明显的规律性变化,但在河口内及受非周期性因素影响严重海域,月平均潮差变化规律则比较复杂。     

岛状多年冻土路基年周期性侧向位移试验研究

在岛状多年冻土区,冻土路基的自适应侧向变形季节性特征较明显,当变形过大时,极易诱发纵裂、滑坡等严重的路基病害,因此准确掌握该类路基侧向位移的规律特征,是提高公路设计质量、保障公路安全通行的关键。因此,以实际工程为依托,选取代表性路基试验断面,通过对工后一年内路基土体侧向位移的试验观测,发现岛状多年冻土路基年周期性侧向位移具有明显的阶段性特点。其中,由于水分迁移导致的位移累积曲线近似呈S状,年周期内路基侧向变形最大位置一般位于路基活动层附近;根据试验结果的对比分析,揭示了冻土上限覆土厚度、含水率对路基侧向位移的影响作用。     

船期可安排时货物的在港成本

根据货物在港成本的主要组成内容,说明对于给定的年运量,不同的船期安排规则将产生不同在港成本的原因,进而提出船期可以均匀安排的情况下,大型专业化泊位的货物在港成本随年运量的变化曲线。该曲线可为此类泊位的建设和运营决策提供参考。     

基于灰色理论的高速公路小修保养维修量预测模型

在仅有通车5 a以下维修量的小样本数据条件下,为了合理、科学地预测高速公路小修保养维修量,量化年平均日交通量、年均降雨量、年均温度和通车年限4个因素对维修量的影响程度。提出了基于Matlab的灰色系统预测模型,以实际调研路段5 a的统计数据为样本,运用灰色关联度模型对4个因素的影响程度进行量化评估;分别建立均值GM(1,1)单变量预测模型与GM(1,N)多变量预测模型对维修量进行预测分析。研究结果表明:上述4个影响因素与维修量的灰色关联度均大于0.5,说明上述4个自变量对维修量均具有较大影响;GM(1,1)模型70%的预测结果误差小于15%,GM(1,N)模型75%的预测结果误差大于30%,从而得出GM(1,1)预测模型比GM(1,N)预测模型的预测结果更加准确。因此,对通车5 a以下维修量的小样本数据预测,选用单变量预测模型更加合理、有效。     

混凝土桥梁温度变化与伸缩装置

混凝土桥梁的温度变化受环境影响,其伸缩变形主要是年气温变化的结果,太阳辐射热的影响也应予以考虑。而且伸缩装置的选型、安装等均与气温变化有密切关系。     

高职院校人才培养质量年度报告的作用与框架研究

高职院校建立人才培养质量年度报告发布制度,是不断完善人才培养质量监测体系的一种表现。阐述了高职院校质量年报的目标和作用,分析了高职院校质量年报应处理好的几种关系,提出了高职院校质量年报框架结构。     

����С�������ݼ��㳵����ƽ����ʻ��̵��о�

车辆年平均行驶里程（AVKT）是交通和环保领域研究工作的基础,其主要影响因素包括车辆种类、区域交通运输能力和车辆的技术状况等。由于目前的技术条件下难以得到AVKT的真实值, AVKT只能根据其他信息估测获得。在分析AVKT影响因素的基础上,提出一种利用小样本数据计算AVKT的算法。该算法根据车辆种类、上牌日期、累积里程和保有量等数据建立计算公式,提出了由累积里程计算里程分布这一关键过程的计算方法。研究表明,车辆的种类分布、车龄分布、里程分布和累积里程决定了AVKT的多少。该算法综合多种影响因素,适合多种分类标准,具有较好的适用性,并通过实例应用证明该算法的可行性。     

基于果蝇优化灰色神经网络的年电力负荷预测

年电力负荷预测的准确性对电力系统的经济效益和社会效益具有重要作用。灰色神经网络(GNN)是一种创新的智能计算方法,在实际中广泛应用。尤其在预测问题方面具有极大的潜力。作为一种新型的启发式和进化算法,果蝇优化算法(FOA)具有易理解和快速收敛到全局最优解的优点。为提高预测性能,提出一种以GNN为基础的年电力负荷预测模型,使用FOA自动确定GNN模型的相应参数值,提高模型的稳定性和预测精度。通过利用中国的年用电量为实例,计算结果表明,GNN结合FOA(GNN-FOA)优于GNN,广义回归神经网络(GRNN),最小二乘支持向量机(LSSVM)和回归模型等其他替代方法。