新《海安法》下集装箱检验和监管对策研究

介绍了新修订的《海上交通安全法》以及国际公约和其他国内法律法规对集装箱检验和监管的要求,分析了外贸和内贸集装箱检验现状以及监管方面存在的问题,提出了相关对策和建议。     

气象信息在船舶管理中的应用

从船舶航行安全、可靠性角度考虑，一个重要的影响因素是航行船舶所在海域的气象状况，因此气象信息对于船舶调度管理起到非常积极重要的作用。如何获取气象信息，并把获取的气象信息融合到电子海图显示平台中，对于航行船舶的监控和管理显得十分有意义。针对如何获取气象信息及如何与电子海图叠加显示两方面的内容进行了论述。     

从国际海运企业购并效益谈对我国的启示

购并是企业实施外部发展战略的常规策略，在进入和退出壁垒均较高的国际海运业，购并成为形成国际性经营联合体及市场领导企业的重要途径。通过购并，国际海运市场的集中度越来越高，呈现出多寡头垄断的市场格局。购并带给海运企业的最大效益是实现了规模经济，同时还提高了购并企业的融资能力，为企业提供了获取先进技术和优秀人才的渠道，并使企业可以享受税收上的优惠。国际海运业的购并历程为正处于高速发展阶段的国内海运业提供了良好的经验借鉴。     

原油运输市场分析

分别概述了世界与中国的石油资源储量分布、可持续开采年数、不同地区的生产量与消耗量、以及产销平衡状况,由此派生的全球不同地区原油、成品油的进出口量、海运量与主要的海运航线,我国石油进口的主要来源和途径;分析了油轮的船型和船龄的分布,进而预测了世界上几种主要原油轮运力的供应、需求、船价与运价的发展趋势。这些分析和预测可以作为制定油轮发展的技术政策、战略、规划等宏观决策时的参考。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

模糊数据库技术在航海避碰决策支持系统中的应用

将航海避碰案例规范化 ,并根据案例中部分信息的不精确性 ,在数据库系统的数据表示和查询中引入模糊技术 ,从而形成了一个模糊关系型的避碰案例数据库系统 ,并将其嵌入到航海避碰决策支持系统当中 ,为安全航行提供了更丰富的决策信息。     

大准铁路TDCS系统升级方案研究

结合大准铁路复线改造工程的进展,对列车调度指挥系统由TDCS升级到CTC的必要性、工程实施模式、具体实施方案、后续的维护管理等进行了深入细致地研究,提出了实现运输生产秩序不受影响,工程实施平稳、无缝过渡的具体实施方案。     

铁路参与铁水联运无水港建设的思考

在阐述铁水联运集疏运系统的构成和建立条件的基础上,分析了铁路参与无水港建设的可行性和模式。铁路应通过全面参与无水港建设,加快融入综合运输体系的步伐,可采取改造现有场站设备与设施和新建物流中心两种方式参与无水港建设,同时应注意以下4个问题:采取多种途径解决资金问题;重视信息管理系统建设;提供优质运输服务;注重开发主业副产品。     

交通渠化理论及应用研究

交通渠化作为一种从空间分离交通流的手段 ,是一种投资少、工期短、效果好的交通组织方式。从交通渠化的原则出发 ,系统研究各种具体的渠化方法 ,并结合其在广州市中心区的实际应用 ,对交通渠化理论及其应用进行研究和分析 ,并指出交通渠化的发展趋势     

Time windows in workers' activity patterns: Empirical evidence from the Netherlands

This paper assumes that activities at the home and work location are important determinants of individuals' paths through time and space. Fixed activities at these locations determine to a large extent the duration and timing of time windows – blocks of time available for participation in travel and out-of-home non-work activities. Taking the time spent at home and at the workplace as a starting point, this paper classifies activity patterns on workdays into six groups with distinct home- and work-stay patterns. For this, data are used from the 1998 Netherlands National Travel Survey. The six clusters vary in terms of the duration and timing of time windows and some of the differences can be explained by commute characteristics, types of non-work activities performed, workers' sociodemographic attributes, and their spatiotemporal environment. However, the impact of sociodemographic and spatiotemporal variables on cluster membership is shown to be weak.