俄罗斯铁路解决机车不足的问题

至2010年前俄罗斯将淘汰大部分旧机车,但据估计其货运量到2010年将增加26%,客运量增加6%～7%.为满足运输量增长的要求,俄罗斯铁路需要约6 800台电力机车和6 500台内燃机车.文章介绍了俄罗斯制定的机车战略决策.     

2000年公路货运量103亿t 客运量134．7亿人

随着我国公路建设的加速和公路条件的改善，公路运输的优势日益突出，已成为重要的运输方式。按全社会完成总量计，2000年公路货运量占总货运量的76.5%，是铁路运输的6倍；公路货物周转量占总量的13.8%；公路客运量占总客运量的91.1%，是铁路客运量的12.8倍；公路旅客周转量占总量的54.3%。     

基于春节因素的中国铁路月度客运量季节调整模型研究

春节是我国移动假日之一,对运输、经济和旅游影响显著,特别是对铁路客运量影响巨大.使用移动假日效应和Genhol程序思想,改进前人“移动假日对客运量的影响是均匀变化”的认识,设计移动假日对客运量影响是μ型双峰变化过程,基于X-12-ARIMA模型,建立适合中国铁路客运量的三时段春节季节调整模型.结果显示:春节效应显著,节前、节中和节后影响程度不同.模型调整曲线光滑程度高,调整质量Q统计量值为0.340.运用该模型对2012年月度客运量估算分析,相对误差为4.2％.     

一体化程度对轨道交通客运量的影响

随着轨道网络的逐步成型,轨道与其他方式之间的换乘方便程度成为影响轨道客运量规模的关键因素.为了充分发挥轨道疏解城市交通拥堵的作用,在解析广州市轨道交通一体化现状的基础上,运用分层罗吉特模型的方法,建立针对性的交通分析模型,重点对公交车、自行车和停车三种交通方式的换乘距离对换乘的敏感性进行了定量研究,并提出相应的开发次序,同时对换乘收费进行研究,并总结研究结果.     

基于粒子群优化最小二乘支持向量机的铁路客运量预测

对于铁路客运量预测的准确度问题,本研究提出了基于粒子群(PSO)优化最小二乘支持向量机(LS-SVM)重要参数的方法。以1995—2013年的铁路客运量历史数据作为训练集,2014—2018年的客运量作为测试集,用LS-SVM进行建模和预测。针对模型中参数难以选择问题,采用PSO全局搜索方法,与神经网络和LS-SVM的预测效果作比较,仿真表明,采用PSO优化LS-SVM对铁路客运量建模与预测效果更好,精度更高。     

2010年北京地铁年客运量达到15.95亿人次,上海地铁年客运量达到19亿人次

从北京地铁公司获悉,2010年北京地铁最高日客运量达到了571万人次,创历史新高。2010年1月,北京地铁客运量突破1亿人次,全年客运量达到15.95亿人次。而上海至2010年末,已形成11条运营线路、280座车站、运营     

基于双层次正交神经网络模型的铁路客运量预测

针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进,在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型。该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果。模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效。     

巴西改造繁忙的地铁

巴西圣保罗的地铁网是南美洲最繁忙的地铁之一,虽然长度只有61km,每天的客运量却高达350万人,大部分列车都人满为患,然而乘客人数还在不断增加。为此,圣保罗州政府公布了一项巨大的投资计划,将对地铁网进行现代化改造,增加地铁运能,     

国外发展快速公交的经验

国外大城市的交通状况与中国一样，同样存在严重的拥堵问题。城市的决策和工程技术人员努力寻求各种方法改善城市公交系统，以解决人们的出行问题。除修建大客运量的地铁和轻轨外，还希望能找到一种投资和运营成本比轨道交通低、运营效果比常规公交好的交通模式。正是基于这样一种思路的启发，产生了大容量快速公共汽车运营系统(简称快速公交系统，BRT)。     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.