Integrated models of land use and transportation for the autonomous vehicle revolution

ABSTRACT

The advent of the autonomous vehicle (AV) will affect not only the transportation system, but also future patterns of land development. Integrated land use and transportation models will be critical tools in assessing the path forward with this technology. Key questions with respect to land use impacts of AVs arise from potential changes in sensitivity to travel and reduced demand for parking. It is an open question whether AVs will induce urban sprawl, or whether spatial economies of agglomeration will mitigate any reductions in travel time sensitivity. The deployment of shared fleets of AVs would likely reduce parking demand, producing yet to be explored impacts on property development within existing urban footprints. We perform a critical assessment of currently operational models and their ability to represent the adoption of AVs. We identify the representation of time in such models as a vital component requiring additional development to model this new technology. Existing model applications have focused on the discrete addition of new infrastructure or policy at a fixed point in time, whereas AV adoption will occur incrementally through time. Stated adaptation surveys are recommended as tools to quantify preferences and develop relevant model inputs. It is argued that existing models that assume comparatively static equilibrium have been convenient in the past, but are insufficient to model technology adoption. In contrast, dynamic model frameworks lack sufficient structure to maintain reasonability under large perturbations from base conditions. The ongoing advancement of computing has allowed models to move away from being mechanistic aggregate tools, towards behaviourally rich depictions of individual persons and firms. However, much work remains to move from projections of existing conditions into the future, to the evolution of the spatial economy as it evolves through time in response to new technologies and exogenous stresses. Principles from complex and evolutionary systems theory will be important in the development of models with the capacity to consider such dynamics.     

基于层次灰色模型的铁路技术创新绩效综合评价

运用技术创新基本理论,结合铁路技术创新实际,从效益(经济、社会)增长、市场状态(市场份额、市场营销)改善和创新主体素质(技术装备水平、管理水平)提高3个方面建立了评价铁路技术创新绩效的多级指标体系。将层次分析法(AHP)和灰色系统理论结合起来建立了层次灰色评价模型(HGM),运用该模型对铁路技术创新绩效分别从整体和分项进行了综合评价,得出:铁路技术创新绩效绩优度为“一般”,其主要原因在于铁路运输市场状态改善中市场份额扩大程度较低。实证分析结果表明:改进层次灰色评价法(层次灰色评价模型)为一种评价铁路技术创新绩效的有效方法。     

全国水运货运量预测的灰色系统模型

介绍灰色控制系统的基本理论，并给出了全国水运货运量预测的GM（1，1）模型，可供水运部门制定规划时参考。     

基于马尔可夫链的极值波高预测

本文研究了由日最大波高系列估算设计极值波高时，相邻日最大波高间的相关性对极值预测的影响，从日最大波高系列遵从马尔可夫链的假定出发，考虑到国内外经常采用对数一正态分布的韦布尔分布拟合波高长期分布的现实，本文用解析法求解了对数一正态分布情况下的极值预测。同时，对解析法难以求解的非正态随机变量情况（如韦布尔分布），用计算机随机模拟方法求解其极值预测，用上述两种方法对北大西洋和北海有关日最大波高系列的预测     

GM(1,1)-Logistic路基沉降组合预测模型研究与应用

路基沉降预测是指导正确施工及运营期路基养护的一个重要因素.GM(1,1)模型及Logistic模型被广泛应用于路基最终沉降量的预测.基于组合预测的基本理论,结合GM(1,1)模型及Logistic模型的特点,提出了GM(1,1)-Logistic组合路基沉降预测模型,采用线性组合预测方法,以过去一段时间内组合预测误差平方和最小为原则来求2个预测模型的加权系数.结合工程实际监测数据的计算结果和分析表明,GM(1,1)-Logistic组合预测模型在预测精度上比单个模型具有更好的适用性.     

超大面积深厚软土桩网复合地基沉降变形观测技术

结合厦深铁路(广东段)4标潮汕站场超大面积深厚软土桩网复合地基沉降控制施工及沉降变形观测施工实践,详细介绍了沉降变形观测技术,包括观测断面的选取及布置原则、测试内容、测试元器件的布设、沉降预测方法及预测计算、地基固结度的计算及分析,通过预测数据和实测数据的对比,证明了潮汕站场超大面积深厚软土桩网复合地基沉降控制施工方案的正确性,对指导同类型施工有借鉴作用。     

高速公路路线方案优选模型及其应用

利用灰色物元分析法,建立高速公路路线方案的优劣排序模型,对各路线方案进行多因素综合评价,为择优选择路线方案提供一种科学的评价方法。     

高速公路浓雾监测预警系统

为研究浓雾对高速公路运营的影响,通过建设高速公路环境气象监测站以获取与浓雾发生密切相关的气象要素和能见度实测值,并结合高速公路沿线历史浓雾个例研究形成浓雾的环流形势特征和局地监测站气象要素演变与能见度值变化规律和特征,由此建成了高速公路浓雾监测预警系统。系统通过多种通讯传输和显示手段,将自动监测站的实况和预报中心制作的浓雾预警、预报结论传送至公路运营指挥中心,供采取决策措施时应用。该系统目前已由无锡段扩展到常州至苏州段,在试验应用期,沪宁高速公路在试验路段未发生因浓雾而造成的重大交通事故。     

交通流预测方法综述

实时交通流预测是智能运输系统研究的一个重要问题。为此,建立了许多预测模型,有历史平均模型、时间序列模型、卡尔曼滤波模型、非参数回归模型、神经网络模型和组合模型等。总结评述现存的各类模型,提出交通流预测研究领域今后可能的发展趋势。     

MGM（1,n）模型在软土路基沉降预测中的应用

为提高高等级公路路基沉降预测的准确性,提出了一种由灰色相似关联度分析优选各个相关预测变量,构建灰色MGM（1,n）模型进行沉降预测的方法,可以更全面有效地利用工程监测数据.实例分析对比表明,这种方法比其他常用沉降预测法具有更高的准确性和可靠性.