面向高质量开行的中欧班列开行方案动态优化方法研究

为满足中欧班列高质量发展的目标要求,将运力优先释放给高质量货物,基于分类货物对班列开行质量的贡献程度对中欧班列开行方案的优化方法进行研究。首先,将货物按照货物价值、来源班列运营平台、时效性不同进行分类,并设置货物运输效益系数,计算出包含经济效益及社会效益在内的不同品类货物的综合货物运输效益,用于反映货物运输特性对班列开行质量的影响。其次,根据线路现状选择备选城市作为集结中心,设计出“混合轴辐式”中欧班列开行模式,并加入时间因素构建出时空网络。然后,以货流平衡、班列接续、编组限制、集结中转作业及口岸作业限制等能力为约束条件,建立了以班列开行综合运输效益最优为目标的开行方案优化模型。结合模型特点,进一步设计列生成算法对优化模型进行求解,并利用Gurobi软件对限制主问题和原整数规划问题进行了求解。算例表明,基于“混合轴辐式”网络的“直达+中转”模式,使得运输需求满足率提升了3.56%,优化后的中欧班列开行方案实现了在口岸能力有限的情况下对运营质量较好班列公司的货物以及高价值时间敏感货物进行优先运输,并使其均衡到达口岸以缓解口岸拥堵,顺应中欧班列高质量运输的发展需求。研究可以为中欧班列日常运...     

基坑开挖引起下方运营隧道位移的预测与控制技术研究

针对基坑开挖过程中对下方运营地铁隧道的保护问题,通过基于工程实测的隧道回弹隆起值的监控,对隧道回弹隆起的规律进行了分析研究。在考虑基坑开挖时空效应的基础上,分别对基坑放置时间、开挖方式、分块开挖宽度对隧道回弹变形的影响进行了分析和归纳,得出了隧道位移受基坑放置时间、开挖方式、分块开挖土体宽度的影响的规律。     

冷藏集装箱的冷消耗计算

1 冷藏集装箱类型 1.1按制冷方式分 在冷藏集装箱的发展历史上,制冷方式有水冰制冷、干冰制冷、冷冻板制冷、液氮制冷和机械制冷等5种.此外,国外还制造和使用过的冷藏集装箱有夹套冷藏集装箱、气调冷藏集装箱、低压冷藏集装箱、液体空气冷藏集装箱和液体二氧化碳冷藏集装箱等.     

西北太平洋上温带爆发性气旋与船舶避抗

此文就温带爆发性气旋爆发的时空分布规律及天气海况特点的分析,提出在航船舶遭遇温带爆发性气旋时的避抗方法。     

汉堡水池专家谈大型集装箱船节能措施

汉堡船模试验水池(HSVA)项目经理希尔马·克勒格(Hilmar Klug)和汉堡船模试验水池主任(退休)弗里德里克·缪易斯(Friedrich Mewis)一道探讨了目前水动力学的发展趋势和汉堡水池船模试验所取得的典型的试验结果,同时,对于大型集装箱船的船体线型优化,重点从舵的设计、旋涡发生鳍(VGF)和船舶营运等方面介绍了节能措施的有关建议。     

北京就业与交通时空变动及计量关系研究

文章结合北京就业的时空变动特征以及对道路交通需求的变化特征,从区域要素角度考察城市交通和就业的关系。通过构建就业交通需求与交通供给量之间的计量关系模型,进行时间序列关系研究和横截面关系研究,分析得到北京市就业与交通道路建设之间的关系。     

广州市电动公交车应用可行性研究

随着城市机动车数量的不断增加,造成了能源的大量消耗,汽车尾气已成为城市大气污染最主要的污染源。公交车是城市公共交通的重要组成部分,由于其出行次数高,在城市中心区行驶里程长,对城区大气有着重要     

考虑时空修正的轨道交通封站短时客流预测方法

为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM); 利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正; 以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性。研究结果表明: 与既有SAX相比,提出的SAX-DTW不仅能全面考虑到客流数量和客流趋势的变化,还能更准确地识别出多个车站的异常时段; 与传统DFM相比,DFM-SVM能显著降低各车站的预测残差,其中奥体中心车站的预测残差降低约60%;与基线模型霍尔特-温特(Holt-Winters)、SVM、门控循环单元(GRU)和长短期记忆(LSTM)相比,在整体客流量预测效果方面,提出的DFM-SVM在其均方根误差方面分别降低43.39%、70.00%、33.18%和70.83%,平均绝对误差分别降低43.72%、67.17%、28.98%和57.08%;在单个车站的客流量预测效果方面,提出的DFM-SVM在均方根误差和平均绝对误差方面有70%的车站均低于其他基准模型。可见,提出的DFM-SVM能够捕捉封站影响客流的非线性关系,极大提升了客流预测精度,能够为运营管理者提供可靠的客流预警信息与决策依据。      

基于CNN-BiLSTM的高速公路交通流量时空特性预测

目前,高速公路交通管控部门对准确交通数据的掌握还存在局限性,预测值也不够精确,为给出行者提供更好的交通引导,必须采用新方法预估误差较小的交通流量数据.提出一种同时考虑时间与空间因素的卷积-双向长短期记忆(CNN-BiLSTM)模型,将具有空间局部特征提取能力的卷积神经网络(CNN)和具有能同时考虑前后方向长时间信息的双向长短期记忆(BiLSTM)相结合,将其用于预测更能体现随时空变化不断波动的交通流量.以一些简单的基准方法作为对比模型,采用均方误差(MSE)等5项评估指标,在美国加州高速公路数据集上进行训练和测试,结果表明:由CNN-BiLSTM得出的预测结果更符合实际交通流量的变化趋势,在高峰期和波动较大时间段均能较好地拟合真实值,灵敏度较高.     

基于时空自相关的道路交通状态聚类方法

城市道路交通状态的识别对交通管理部门进行交通管理控制、出行诱导,以及 道路设施改造具有重要意义.本文运用时空Moran 散点图探索城市道路交通的时空关联 性,并据此构建一种基于时空自相关预分类的道路交通状态层次聚类方法.运用本文所提 出的聚类算法,以北京市二环快速路外环方向的路段为例,进行聚类研究,并分析了各类 型路段的交通状态时空特性.案例研究表明,所提出聚类算法能对道路交通状态进行有效 判断,充分反映交通需求与路网结构之间的内在匹配关系.特别是畅通异质和拥堵异质两 种交通状态的提出,为识别高峰时段路网中的瓶颈路段和能力富余路段提供了一种新的 思路和方法,进而可为完善路网、缓解拥堵及制定交通管理措施提供依据.