考虑拥堵空间排队与溢出的道路网静态交通流分配

为刻画拥堵空间排队与溢出现象对交通流分配的影响，提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题，并构建相关的求解算法，用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先，丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设，提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论，来刻画拥堵交通瓶颈、拥堵空间排队等交通现象；其次，建立网络瓶颈识别算法和空间排队回溯算法，基于此构建考虑拥堵空间排队和溢出的增量分配算法，用于求解交通流分配的结果；最后，通过使用一个具有说明型的算例进行对比分析。研究结果表明：建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域，并可计算得到各路段上的分段分配流量；与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比，可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象；不同于“时间片”的伪动态交通流分配模型，新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态，包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况；一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态，故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。     

确定瓶颈资源的仿真方法研究

分析了瓶颈资源、缓冲、生产周期之间的关系，以及目前各种用于确定约束资源的方法。针对生产过程中的不确定性因素，提出了一种利用Q-GERT(Queue-Graphic Evaluation and Review Technology)和仿真技术来确定瓶颈资源的方法，这样既能真实体现生产中的实际情况，也能准确确定系统中的瓶颈资源。从而使企业在保证较短的生产周期的同时，大大节省了人力、物力。     

广州港营销术初探

八十年代，为解决交通基础行业在国民经济中的“瓶颈”难题，我国沿江沿海地区大力兴建码头，造成了港口总体通过能力大于货物流通量的局面，导致港口行业竞争激烈，形成了买方市场。这时，组货——港口营销手段之一。就成了港口的头等大事，市场营销观念和市场营销哲学悄然融入了港口的各项决策中。     

制约电子商务发展的因素及应对措施

随着计算机网络技术的快速发展,通过Internet进行交易即电子商务的浪潮席卷全球,方兴未艾,但目前我国还有存在着很多因素制约着电子商务的发展。本文从电子商务的发展,深入分析了制约我国电子商务发展中的主要因素,并提出了应对措施。     

让中国造船真正红火起来

融资环境是发展瓶颈 记者从部分造船企业了解到，资金不足已成为相当一部分船厂发展的“难言之隐”。这些船厂虽手持大量主订单，船台也排得满满的，可是由于流动资金紧张、融资方案少、可选择空间狭窄等突出问题使得造船生产难以为继。     

观点

交通运输紧张状况有所缓解,瓶颈制约基本消除。但与当前扩大内需、发展实体经济、不断改善民生的需求相比,与经济社会发展的要求还有差距。——交通运输部党组书记、部长李盛霖在《做客中央台》表示。     

打造一流的综合立体交通网络体系

古有“阡陌交通,鸡犬相闻”,隧得见陶渊明笔下的桃花源,后有“要致富先修路”“路路通百业兴”,便利交通之于人类社会发展的重要性不言而喻。交通运输是经济社会发展的先行官,也是国家现代化程度的重要标志。如今,我国交通运输发展实现了由“瓶颈制约”到“初步缓解”再到“基本适应”的阶段性转变,中国交通运输实体线网建设以惊人的速度,描摹出一个大写的中华,更为经济社会发展、人民群众安全便捷出行作出了重要贡献。     

基于神经网络的复合避碰专家系统研究

此文在对神经网络避碰决策和专家系统避碰决策的优缺点进行分析、研究的基础上,基于神经网络规则抽取技术,提出了“基于神经网络的复合避碰专家系统”,将神经网络的自适应学习能力和避碰专家系统的解释说明能力集成在一个统一的体系结构中,不仅解决了避碰专家系统构建过程中的知识获取“瓶颈”问题,而且还解决了神经网络避碰决策过程的“黑箱”现象,提高了系统决策结果的可信度。     

交通瓶颈影响下两路口联动控制策略研究

针对路口相关路段发生交通瓶颈现象时原有的路口控制策略很可能会产生溢流现象这一问题,在对周期内路段车流组成进行分析的基础上,应用集散波理论,分析了不同交通瓶颈通行能力对上游路口到交通瓶颈间路段溢流现象产生的影响,针对该影响,分析了交通瓶颈下游路口为消除该影响在控制策略方面应进行的调整,分析结果表明,下游路口某车道排队长度延伸至交通瓶颈可能会使上游路口在同样信号控制策略下从非溢流状态变为溢流状态;一方面可通过延长下游路口相关相位的绿灯时间来避免上游路口到交通瓶颈间路段的溢流现象;另一方面可以通过改变上下游路口间的相位差来消除交通瓶颈通行能力改变对溢流现象产生的影响.     

手动-自动驾驶混合交通流元胞传输模型

为了分析自动驾驶车辆对交通流宏观特性的影响, 以手动驾驶车辆与自动驾驶车辆构成的混合交通流为研究对象, 提出了不同自动驾驶车辆比例下的混合交通流元胞传输模型(CTM); 应用Newell跟驰模型作为手动驾驶车辆跟驰模型, 应用PATH实验室真车测试标定的模型作为自动驾驶车辆跟驰模型; 计算了手动驾驶与自动驾驶车辆跟驰模型在均衡态的车头间距-速度函数关系式, 推导了不同自动驾驶车辆比例下的混合交通流基本图模型, 计算了混合交通流在不同自动驾驶车辆比例下的最大通行能力、最大拥挤密度以及反向波速等特征量, 依据同质交通流CTM理论建立了不同自动驾驶车辆比例下的混合交通流CTM; 选取移动瓶颈问题进行算例分析, 应用混合交通流CTM计算了不同自动驾驶车辆比例下的移动瓶颈影响时间, 应用跟驰模型对移动瓶颈问题进行微观数值仿真, 分析了混合交通流CTM计算结果与跟驰模型微观仿真结果之间的误差, 验证了混合交通流CTM的准确性。研究结果表明: 混合交通流CTM能够有效计算移动瓶颈的影响时间, 在不同自动驾驶车辆比例下, 混合交通流CTM计算结果与跟驰模型微观仿真结果的误差均在52 s以下, 相对误差均小于10%, 表明了混合交通流CTM在实际应用中的准确性; 混合交通流CTM体现了从微观到宏观的研究思路, 基于微观跟驰模型与目前逐步开展的小规模自动驾驶真车试验之间的关联性, 混合交通流CTM能够较真实地反映未来不同自动驾驶车辆比例下单车道混合交通流演化过程, 增加了模型研究的应用价值。