可持续发展交通规划之合理的交通成本模式

伴随着中国城市化进程的加快,城市交通问题日益严重,构建可持续的交通发展模式要求日益紧迫。可持续发展交通规划是全方位的,要考虑多方面因素,而建立合理的交通成本模式是其中很关键的一个环节。鉴于此,介绍当前的交通成本模式,通过分析该种模式的不足之处,提出更完善的交通成本模式,可资借鉴参考。     

危险品运输安全评价指标体系的构建及权重的确定

针对我国危险品运输安全经营的现状,在专家调研的基础上,综合车辆、人员、环境、管理四个方面的因素,构建了危险品运输三级评价模型指标体系。利用层次分析法中的1～9比例标度准则建立判别矩阵,确定各级评价指标对总目标的权重。对指标权重进行一致性检验证明,所构建的指标合理可信,完全可应用到危险品运输的安全评价中。     

《货运汽车列车（甩挂运输）推荐车型基本要求——半挂车》释义

《货运汽车列车（甩挂运输）推荐车型基本要求》明确了半挂车的推荐配置与技术要求,对贯彻落实国家节能减排的工作部署,推动货运车型的标准化进程有一定的意义。     

基于公交智能调度系统的公交换乘算法实现

通过对城市居民公交出行选择影响因素和选择逻辑的分析,利用地理信息系统（GIS）技术构建公交换乘数据模型和公交智能调度系统数据计算出行时间,以此为基础实现以最少换乘次数为第一目标,出行时间最短为第二目标的公交换乘算法。该算法考虑了步行换乘、行驶时间、换乘时间及公交线路上、下行因素对换乘查询的影响,能够较快地提供公交换乘方案。     

小件快运中的最短运输时间问题

小件快运经过多年的发展,已经成为公路客运一个新的经济增长点,越来越多的公路客运企业和汽车客运站加入到经营小件快运的行列,小件快运也逐渐由单个企业的独立运营发展到多个企业联合的网络化运营。对中转运输中多条运输线路进行分析,得到最短运输时间线路,从而提高运输效率。     

波浪作用下粉沙质底沙运动特性的试验研究

本文利用山东潍坊现场沙(d_(50)≈0.0813mm),通过水槽试验研究了波浪作用下粉沙质底沙的运动特性、床面形态、起动特点及输沙规律等,为分析研究粉沙质海岸的泥沙问题提供了基本数据和研究方法.     

公路运输统计工作存在的问题及改进措施

公路运输统计是整个社会经济统计的重要组成部分，也是道路运输管理的基础工作。公路运输统计为部门宏观调控、制定政策提供决策和依据。文章从统计指标、统计工作适应性、统计制度、协调运作、手段和技术及人员等方面论述了我国目前公路运输统计工作中存在的问题，并提出建议。     

楚雄市公共交通现状及对策研究

针对楚雄市城市交通的发展,通过实地调查、问卷调查、跟车调查等方法,在分析楚雄市公交现状概况、居民出行方式结构基本特征、公交线路网基本特征、公交客流基本特征的基础上,分析楚雄市公共交通发展存在的问题,并提出相应的对策.     

面向传染病疫情防控的公共交通运行管理决策支持研究

近年来全球新发重大传染病疫情不断出现，已成为人类社会必须防范应对的重大风险。公共交通在传染病疫情防控过程中承担着阻断病毒传播和保障复工复产的功能，疫情期间公共交通运行管理的决策需求和技术支撑体系与日常情况有显著差异。现有研究多针对公交日常运行决策需求展开，虽有少量针对突发公共事件的应急管理决策支持的研究，但多针对自然灾害和事故灾难场景，无法迁移应用于传染病疫情防控。基于此，以新型冠状病毒肺炎（COVID-19）疫情为例，综合考虑突发公共卫生事件应急管理流程和疫情防控实际情况，系统梳理疫情不同阶段的防控目标和决策需求，提出一种面向传染病疫情防控的公共交通运行管理决策支持系统框架，建立基于公共卫生事件案例库、多源数据融合库、公交数据分析技术库和公交防疫策略库的功能架构，并设计不同功能模块的算法模型。研究以厦门为例，对提出的决策支持系统的功能架构和算法模型进行验证。研究结果表明，构建公交乘客出行链的成功率为89.7%，并可应用于疫情不同阶段的关联客流分析、感染者同乘人员的追溯分析、医护人员等防疫人员的通勤出行识别、公交运行满载率监控等方面。研究成果不仅对传染病疫情防控有实用价值，而且对突发公共事件应急管理决策支持方法亦有理论贡献。     

Classification of Livebus arrivals user behavior

With the increasing use of Intelligent Transport Systems, large amounts of data are created. Innovative information services are introduced and new forms of data are available, which could be used to understand the behavior of travelers and the dynamics of people flows. This work analyzes the requests for real-time arrivals of bus routes at stops in London made by travelers using Transport for London's LiveBus Arrivals system. The available dataset consists of about one million requests for real-time arrivals for each of the 28 days under observation. These data are analyzed for different purposes. LiveBus Arrivals users are classified based on a set of features and using K-Means, Expectation Maximization, Logistic regression, One-level decision tree, Decision Tree, Random Forest, and Support Vector Machine (SVM) by Sequential Minimal Optimization (SMO). The results of the study indicate that the LiveBus Arrivals requests can be classified into six main behaviors. It was found that the classification-based approaches produce better results than the clustering-based ones. The most accurate results were obtained with the SVM-SMO methodology (Precision of 97%). Furthermore, the behavior within the six classes of users is analyzed to better understand how users take advantage of the LiveBus Arrivals service. It was found that the 37% of users can be classified as interchange users. This classification could form the basis of a more personalized LiveBus Arrivals application in future, which could support management and planning by revealing how public transport and related services are actually used or update information on commuters.