长江上游航运中心发展的SWOT分析及对策

重庆地处长江上游,位于"长江经济带"的西部中心,航运优势明显。加快长江上游航运中心的建设和发展是加强长江经济带建设这一国家战略的重要举措。总结航运中心应具备的5个基本要素,把航运中心分为3种发展模式和2大类,给出长江上游航运中心的发展定位;运用SWOT分析法分析重庆的优势、劣势、机遇和挑战,并提出相应的发展对策;指出重庆应充分发挥自身优势,抓住难得的政策机遇,通过逐步完善航运服务体系、稳定货源、加强合作、发展综合运输等措施,推动长江上游航运中心发展。     

智慧交通与智慧物流

智慧交通和智慧物流是智慧城市建设的重要内容.智慧交通技术的创新和发展，促进了智能交通升级.解决大规模数据计算问题是物流智能化的基础.本次论坛以“智慧交通和智慧物流”为主题，介绍了安全驾驶统一集理论、实践及成果，探讨了新一代信息技术对智能交通发展与创新的推动作用，介绍了无人驾驶技术的总体框架、发展与应用，探讨了智慧物流所面临的大规模数据计算问题及解决方案.     

交通流特征深度认知的车队运行参数优化方法

为提升车队对周围交通流环境的认知能力，获取车队周围多车的运行模式，同时通过改变车队运行参数实现车队群体对周围多车群体运行模式的诱导变化，为提升车队及交通流整体运行效率提供优化策略，提出了基于狄利克雷混和高斯过程的车队周围多车运行模式获取算法，将车队周围多车车辆的复杂运行模式视为混和高斯过程，利用狄利克雷分布作为高斯混和权重的先验分布，建立车队周围多车运行模式速度场，从而获取车队周围多车运行模式并分类；通过比较不同多车运行模式下车队的运行效率，提升车队对所处运行环境的认知能力。研究结果表明：利用非参数贝叶斯算法将复杂的多车运行状态进行分类，获取的车队周围多车运行模式可表现为对车队运行效率产生不同影响的速度场；通过将车队周围的多车运行仿真数据分成多个运行模式，可获取不同多车运行模式下车队及交通流整体运行特性；通过更改车队运行参数，观察不同多车运行模式的占比变化，可获取车队运行参数对所处运行环境改变的影响趋势；车队周围多车运行模式的获取，不仅可以提升车队对周围运行环境的认知能力，使得车队能够选取有利路径行驶，同时能够为车队运行策略的优化提供有效的信息。     

A theoretical foundation for the relationship between generalized origin–destination matrix and flow matrix based on ordinal graph trajectories

This paper shows the relationship between flow, generalized origin–destination (OD), and alternative route flow from a set of ordinal graph trajectories. In contrast to traffic assignment methods that employ OD matrix to produce flow matrix, we use ordinal trajectory on a network graph as input and produce both the generalized OD matrix and the flow matrix, with the alternative and substitute route flow matrices as additional outputs. By using linear algebra‐like operations on matrix sets, the relationship between network utilization (in terms of flow, generalized OD, alternative route flow, and desire line) and network structure (in terms of distance matrix and adjacency matrix) are derived. Copyright © 2012 John Wiley & Sons, Ltd.     

基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。     

基于“聚焦物流”理论的军事运输发展研究

＂聚焦物流＂是美军提出的一种先进物流理念,它要求在准确的地点、时间提供给联合作战各种参战人员和各类装备数量合适的后勤物资供应,它建立在以网络为基础的实时可视化信息系统之上,高效快速地连接战场指挥官和后勤供应机构,通过物流机构和程序的改革,为联合作战提供多功能的后勤保障。＂聚焦物流＂在历次局部战争中得到很好应用,取得良好...     

物流网络优化中路径问题的研究

在深入分析物流系统化和网络化的基础上,对物流网络优化中物流路径问题进行研究,通过分析物流结构模型和数学模型,提出了最短路径和关键路径物流策略的分析方法,给出了具体的计算方法,并举实例加以说明,为解决现代物流结构中存在的系统设计和运作等问题提供了理论依据和技术方法。     

Daily activity pattern recognition by using support vector machines with multiple classes

The focus of this paper is to learn the daily activity engagement patterns of travelers using Support Vector Machines (SVMs), a modeling approach that is widely used in Artificial intelligence and Machine Learning. It is postulated that an individual’s choice of activities depends not only on socio-demographic characteristics but also on previous activities of individual on the same day. In the paper, Markov Chain models are used to study the sequential choice of activities. The dependencies among activity type, activity sequence and socio-demographic data are captured by employing hidden Markov models. In order to learn model parameters, we use sequential multinomial logit models (MNL) and multiclass Support Vector Machines (K-SVM) with two different dependency structures. In the first dependency structure, it is assumed that type of activity at time ‘t’ depends on the last previous activity and socio-demographic data, whereas in the second structure we assume that activity selection at time ‘t’ depends on all of the individual’s previous activity types on the same day and socio-demographic characteristics. The models are applied to data drawn from a set of California households and a comparison of the accuracy of estimation of activity types and their sequence in the agenda, indicates the superiority of K-SVM models over MNL. Additionally, we show that accuracy in estimating activity patterns increases using different sets of explanatory variables or tuning parameters of the kernel function in K-SVM.     

混合下单模式下在线餐饮订单配送优化模型

针对在线餐饮订单量激增及订单到达非均匀分布导致的调度不合理与资源浪费等问题，提出顾客提前下单与动态实时下单相结合的下单模式，研究此模式下订单配送优化. 考虑在线餐饮订单配送优化具有的动态VRP和多回程VRP属性，以最小化配送成本为目标，建立带有软时间窗的整数规划模型. 设计基于插入算法和2-opt 邻域搜索的混合启发式算法求解模型. 通过算例，分析提前下单顾客比例、提前下单时长等因素的影响. 结果表明，单个因素的增加会降低配送成本，当两者同时增加，因系统达到饱和使配送成本不升反降，因此要调整措施使顾客下单情况与系统配送能力相适应.