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H_(M)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：运用大数据技术对公路货运量进行科学预测,能帮助各地区进行智慧交通管理。从浙江省统计局官方网站采集十年的数据,经过清洗和预处理,利用有监督的机器学习算法中常用的岭回归算法、朴素贝叶斯算法和KNN算法获得误差曲线,比较三种算法在相同测试集数据条件下获得的准确度和误差结果,寻找较准确的公路货运量预测手段。结果表明,岭回归算法对浙江省公路货运量的预测准确度较高。

摘要：针对传统公路货运量预测中不考虑货运供给特征和货运需求量结构性变化的不足,提出了通过分轮轴类型的交通量调查和轴载谱调查,获取基年车辆装载量概率密度分布函数,使用主流车型的短期平均运输成本拟合得到车辆长期平均运输成本函数,根据运力均衡的思想和货运需求价格弹性模型对计划年分批量的公路货运需求量进行修正,在此基础上建立外部环境变化时计划年公路货运量的预测模型。

摘要：面对越来越高的燃油费及人工成本压力,公路货运企业普遍采用轻量化、低行驶阻力及节能环保货运车辆等措施来降低运营成本,但这些措施都无法满足公路货运量急剧增长的需要,无法有效遏制车辆密度快速增长的趋势。较长组合车辆可以有效提高甩挂运输效率,减少燃油消耗,提高公路、铁路和海洋联运效率。由此,本文详细介绍了北美洲、澳洲和欧洲较长组合车辆的使用情况,并着重介绍了欧洲采用模块化理念研发的较长组合车辆的原理、技术及优点等,为我国货运车辆设计制造、标准法规制定、交通及公路管理等提供了一定的借鉴之处。本文分2期发表,本期主要介绍北美洲、澳洲和欧洲较长组合车辆的使用情况。

摘要：面对越来越高的燃油费及人工成本压力,公路货运企业普遍采用轻量化、低行驶阻力及节能环保的货运车辆等措施来降低运营成本,但这些措施都无法满足公路货运量急剧增长的需要,无法有效遏制车辆密度快速增长的趋势。较长组合车辆可以有效提高甩挂运输效率,减少燃油消耗,提高公路、铁路和海洋联运效率。由此,本文详细介绍了北美洲、澳洲和欧洲较长组合车辆的使用情况,并着重介绍了欧洲采用模块化理念研发的较长组合车辆的原理、技术及优点等,为我国货运车辆设计制造、标准法规制定、交通及公路管理等提供了一定的借鉴之处。本文分2期发表,本期主要介绍欧洲模块化较长组合车辆的历史沿革、组合方式、技术突破、优点及前景展望。

摘要：实践证明,利用各产业比例结构与单位GDP产生的公路货运量进行回归分析,得到规划年单位GDP产生公路货运量,以及利用规划人口、人均GDP等规划数据计算规划年公路货运量,所得预测结果比较理想。