公路货运量

摘要： 为了分析我国公路运输业碳排放的影响因素,本文通过测算1988-2017年公路运输业CO_(2)排放量,运用协整关系和误差修正模型,对中国公路运输业碳排放影响因素进行了分析。结果表明:公路货运量占比、城市化率和高速公路里程对公路运输业碳排放起着正向作用。因此,为了有效控制公路运输业碳排放,需要合理控制城市化引起的公路运输业碳排放,优化调整运输结构,提升清洁能源利用率,鼓励清洁能源汽车的使用。

摘要： 合理科学的公路货运量预测是我国公路货运转型升级和后疫情时代下公路货物运输风险管理的基础。文章以2011—2020年国家公路货运量为数据样本,通过运用由灰色预测改进的新信息GM1,1模型预测了我国未来5年的公路货运量,弥补传统灰色预测没有将预测的数据作为已知数据的局限性,同时将2018—2020年的数据作为训练样本,进一步提升预测的准确性与有效性。预测数据表明后疫情时代下经济逐渐复苏,公路货运量保持稳定的正增长,然而,在“双碳”目标约束下,我国应做好交通布局的规划,大力发展新能源,降低碳排放量。

摘要： 《综合运输服务"十四五"规划》印发11月18日,交通运输部印发《综合运输服务"十四五"发展规划》(以下简称《规划》)。《规划》以加快建设交通强国为总目标,加快建设便捷顺畅、经济高效、开放共享、绿色智能、安全可靠的现代综合运输服务体系。《规划》预计2021-2025年,旅客出行量年均增速为4.3%左右,高铁、民航、小汽车出行占比不断提升,旅游出行以及城市群旅客出行需求更加旺盛;全社会货运量年均增长2.3%,快递业务量年均增长15.4%,公路货运量增速放缓,铁路、民航货运量增速加快,水路货运量稳中有升,电商快递将保持快速增长态势。《规划》明确到2025年,"全国123出行交通圈"和"全球123快货物流圈"加快构建,多层次、高品质的旅客出行服务系统和全链条、一体化的货运物流服务系统初步建立,现代国际物流供应链体系不断完善,运输结构进一步优化,运输装备水平大幅提高,绿色化、数字化发展水平明显提高,安全应急保障体系更加健全,治理能力显著提升,服务支撑经济社会发展能力进一步增强。

摘要： 新冠疫情期间,公路货运量明显下滑,公路运营状况变化复杂,亟须科学预测公路货运量.通过灰色关联分析,确定疫情期间公路货运量主要影响因素,构建了基于灰色组合(GC)-修正BP神经网络(rBPNN)模型的公路货运量预测方法.以我国2017年7月—2020年5月的公路货运量统计数据为原始数据,对BP神经网络进行训练和检验,并引入修正系数HM对预测结果进行修正.以疫情期间近5个月数据为基础,用灰色组合模型预测下月公路货运量各主要影响因素值,再运用修正BP神经网络预测我国2020年6月的公路货运量.将GC-rBPNN模型与其他预测方法进行对比分析,GC-rBPNN模型的PE和MAPE分别为0.21％和3.21％,结果表明,GC-rBPNN模型的预测精度更高,有一定的可行性和有效性.

摘要： 国际文传电讯社阿拉木图2020年1月14日电,哈工业和基础设施发展部发布消息称,2019年,哈萨克斯坦过境货运量为1940万吨,同比增长1.3%。其中,铁路货运量为1750万吨,公路货运量为193万吨。消息指出,过境哈萨克斯坦运输的主要目的地为中亚地区,货运量达1150万吨,占比75.6%。其中,运抵乌兹别克斯坦的货运量为710万吨,吉尔吉斯斯坦226万吨,塔吉克斯坦120万吨,阿富汗26万吨。其他目的地还包括中国(占比13.8%)、欧盟(7.1%)和俄罗斯(2.8%)。

摘要： 改革开放40年来,我国经济社会得到了巨大的发展,带来的是海量商品、服务和信息的加速流通,从而也带来了对于物流需求的爆炸式增长。物流业已经成为我国国民经济的支柱产业和现代服务业的重要组成部分,其市场规模在2013年首次超过美国成为世界第一。从2018年的数据看,我国铁路货物周转量、公路货运量、港口吞吐量、集装箱吞吐量、快递量均居世界第一。

摘要： 近年以来,广西交通运输部门深入学习贯彻习近平新时代中国特色社会主义思想,聚焦重点领域做好改革发展稳定各项工作,服务全区经济社会发展。交通基础设施建设取得新突破。2018年高铁动车营运里程达到1771公里,位居全国前列。高速公路通车里程突破5500公里,县县通高速率达91%,结束了东巴凤3个革命老区县、国家级贫困县不通高速公路的历史。农村公路里程突破10万公里,基本实现所有具备条件建制村通硬化路,具备条件建制村通客车率达97.5%。新增沿海和内河货物年综合通过能力850万吨,全区机场年旅客保障能力提升至3500万人次,全区铁路客货发送量双双破亿。2018年公路货运量突破15亿吨,水路货运量突破3亿吨,规模以上港口货物吞吐量增长9.9%,其中北部湾港集装箱吞吐量增速位居全国前列,内河港口集装箱吞吐量突破百万标箱;长洲枢纽船闸货物通过量突破1.3亿吨,与长江三峡船闸过闸货运量持平。民航实现欧洲航线零突破,2018年东盟航线旅客吞吐量突破110万人次。全年邮政行业业务总量、业务收入完成量增速分列全国第1、第2位。

摘要： 运用部分线性模型对贵州省公路货运量进行预测研究.首先运用灰色关联度分析法确定影响贵州省公路货运量的主要影响因子;然后运用主成分分析法将选取的影响因子指标数据进行降维处理,通过分析处理后的数据得到部分线性模型;最后,以2010-2012年的公路货运量作为验证值,将部分线性模型、多元线性回归模型及灰色预测模型的预测结果进行比较.研究结果表明:部分线性模型能较好地拟合贵州省1990-2009年公路货运量;三种模型的预测结果显示,部分线性模型预测结果优于多元线性回归模型和灰色预测模型的预测结果.

摘要： 本发明还公开了一种基于时空关联的港口短期货运量在线预测方法，包含如下步骤：首先获取目标港口和其他港口的过去预设时间段内的货运量数据，并对数据进行均值处理；接着目标港口和其他港口的货运量数据进行灰度关联分析，计算各港口关联度，选取相关度高于关联度阈值的其他港口划分数据并构建货运量时空预测模型；然后将划分好的训练数据输入模型中进行模型训练，训练后的模型用于预测目标港口的短期货运量。所述方法考虑相关港口的时空相关性，可以提高短期货运量预测的准确性，同时采用的GBDT在预测模型中具有最高的预测精度。

摘要： 本发明基于多属性增强图卷积‑Informer模型的长时序货运量预测方法，属于长时序货运量预测方法技术领域；所要解决的技术问题为：提供基于多属性增强图卷积‑Informer模型的长时序货运量预测方法的改进；解决上述技术问题采用的技术方案为：建立交通流量时序信息数据集；建立货运车辆载货重量时序信息数据集；建立客观动态、静态外部影响因素数据集；构建时序属性增强特征矩阵；构建站点网络结构拓扑图，将计算得到的邻接矩阵的对称归一化拉普拉斯矩阵与时序属性增强特征矩阵同时作为图卷积神经网络模型的输入；将图神经网络模型输出的已编码长时序属性增强特征作为Informer框架的输入，进行训练并学习，最终实现对未来长时序货运量的预测；本发明应用于货运流量预测。

摘要： 本发明公开了一种用于提高货运量的船用运输设备，属于船用设备技术领域。包括传动支承结构、基础承载结构、延伸承载结构、浮体承载结构。该装置能够通过浮体承载结构借助自身受到的浮力作用，同时基于传动支承结构形成杠杆结构；通过杠杆结构中的动力臂一端设置预定重量，同时通过阻力臂一端用于承载装运货箱，由此实现利用浮体承载结构来平衡杠杆结构及其承载装运货箱的重力；此外在后一个杠杆结构的阻力臂一端承载有装运货箱时，通过前一个杠杆结构及其承载装运货箱的重力能够经传动支承结构限制后一个杠杆结构动力臂上移，从而在该浮体承载结构达到最大浮力前，其对应的杠杆结构能够承载更大的装运货箱重力，有效提升了船体结构货运总量。

摘要： 本发明公开了一种用于提高货运量的船用运输方法，属于船用设备技术领域。包括步骤S1‑S5中通过杠杆结构中的动力臂一端设置预定重量，同时通过阻力臂一端用于承载装运货箱，由此实现利用浮体承载结构来平衡杠杆结构及其承载装运货箱的重力；此外在后一个杠杆结构的阻力臂一端承载有装运货箱时，通过前一个杠杆结构及其承载装运货箱的重力能够经传动支承结构限制后一个杠杆结构动力臂上移，从而在该浮体承载结构达到最大浮力前，其对应的杠杆结构能够承载更大的装运货箱重力，有效提升了船体结构货运总量。

摘要： 本发明提供的一种货运信息可视化的货运量预测系统，包括表现层、业务逻辑层和数据库访问层，以及数据库。其中，业务逻辑层采用灰色关联分析计算各个影响因素与铁路货运需求的关联度，探究铁路货运需求存在密切关联的指标，从而初步把握铁路货运量演变的主要原因；还通过弹性分析计量经济学的模型计算一定时期内铁路货运需求对于各个影响因素的弹性，据此确认该时期影响铁路货运需求发展的关键因素。本发明提供的系统通过将系统划分为三层，可以大大提高系统的稳定性、运行效率、可维护性和可扩展性。各层之间相互独立，有利于后期功能的增删和修改，便于扩展和维护。

摘要： 本发明属于港口货运量数据识别技术领域，公开了基于立体卫星影像的港口货运量预测方法、系统及应用。以光学立体卫星影像和地理参考数据为数据源，以包括集装箱堆场和散货堆场的港口货运堆场为对象，在卫星影像上进行区域网平差处理；基于区域网平差处理后的卫星影像，生成数字表面模型和数字正射影像；利用生成的数字表面模型和数字正射影像，进行典型港口区域集装箱堆场和港口散货堆场的三维建模，以建立的三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，获取货运量信息。经过与真实体积进行比较，本发明高景1号和高分七号港口集装箱堆场的三维体积计算精度均优于75%。

摘要： 本发明公开了一种基于CNN‑LSTM的铁路区域货运量短期预测方法，包括如下步骤：步骤一、建立影响因素数据仓库；步骤二、确定关键影响因素；步骤三、对关键影响因素数据与货运量数据进行预处理，并将预处理后的数据进行训练集和测试集的划分；步骤四、构建基于CNN‑LSTM的铁路区域货运量近短期预测模型，设置模型初始参数值，使用训练集对模型进行超参数优化，得到最优模型；步骤五、将测试集导入训练好的最优模型，输出预测结果并评估模型质量。与现有技术相比，本发明的积极效果是：本发明的多变量CNN‑LSTM组合预测模型充分考虑了区域货运量与影响因素的相关性，从而能有效提高铁路区域货运量近短期预测精度。

摘要： 本发明公开了一种基于深度学习网络的高速公路货运量预测方法及系统，其中方法包括：获取模型的输入数据；构建高速公路网络图，计算Dijkstra矩阵，计算入口货车流量与出口货车流量的皮尔逊系数矩阵，将Dijkstra矩阵与皮尔逊系数矩阵组合形成复合邻接矩阵；将输入数据及复合邻接矩阵输入到模型的图卷积层，将拉普拉斯矩阵与空间注意力权重矩阵融合后，采用图卷积神经网络聚合空间信息；将输入的数据与时间注意力权重矩阵融合后，采用长短时记忆网络学习时间特征；连接层的输出进行逆归一化后生成最终预测结果。本发明充分考虑图卷积神经网络聚合空间信息的能力和长短时记忆网络对时间序列的学习能力，可获得较高的预测结果，可广泛应用于智能交通领域。

摘要： 本发明公开了一种基于深度学习网络的高速公路货运量预测方法及系统，其中方法包括：获取模型的输入数据；构建高速公路网络图，计算Dijkstra矩阵，计算入口货车流量与出口货车流量的皮尔逊系数矩阵，将Dijkstra矩阵与皮尔逊系数矩阵组合形成复合邻接矩阵；将输入数据及复合邻接矩阵输入到模型的图卷积层，将拉普拉斯矩阵与空间注意力权重矩阵融合后，采用图卷积神经网络聚合空间信息；将输入的数据与时间注意力权重矩阵融合后，采用长短时记忆网络学习时间特征；连接层的输出进行逆归一化后生成最终预测结果。本发明充分考虑图卷积神经网络聚合空间信息的能力和长短时记忆网络对时间序列的学习能力，可获得较高的预测结果，可广泛应用于智能交通领域。

摘要： 本发明涉及交通运输统计领域，更具体地，涉及一种用于预估高速公路货运量的方法，包括以下步骤：步骤S1：收集高速公路流水信息；所述高速公路流水信息为第一时段内高速公路采集的车辆信息；步骤S2：根据高速公路流水信息计算最小抽样率；步骤S3：根据最小抽样率对第二时段内高速公路采集的车辆信息进行抽样，并且根据抽取的样本预估第二时段内高速公路的货运量；所述第一时段和第二时段的时长相同。本发明使高速公路货运量的预估更为准确。