下载排行
国际餐饮连锁企业的物流与供应链管理分析
刘昕琳;王群智;近年国内餐饮业发展迅速,然而,在门店数量规模、产品标准化和品牌塑造等方面,中国餐饮企业相较于国外发达国家仍处于落后状态。尽管我国连锁餐饮企业数量增长呈上升趋势,但是服务质量不稳定、区域布局不合理等问题仍然存在。跨国餐饮连锁企业能在全球范围快速扩张并且占领国际市场,除了先进经营理念的支撑之外,高效的物流运作与供应链管理系统为其正常高效运转提供了充分保障。本文通过分析跨国先进餐饮连锁企业的物流运作与供应链管理,研究中国餐饮业发展对策与模式,以期为中国餐饮企业转型升级提供参考。
信号交叉口非机动车及行人交通控制研究
徐良杰,王炜,俞斌本文简述了我国信号交叉口混合交通流特征和研究现状。针对我国典型四相位(双向左转)信号控制交叉口,分析了行人、非机动车以及机动车的运行特征,给出了计算行人和非机动车通行能力的公式和信号控制方法,并结合南京市太平北路—珠江路交叉口的几何尺寸和流量数据进行了计算。计算结果表明,通过设置行人、非机动车专用信号,能够有效避开混合交通流在交叉口的冲突,提高了交叉口的交通安全性及其通行能力。该研究的应用前景较为广泛。
区块链技术在航运业的应用综述
鄢然;王帅安;周煜圣;航运是国际贸易的重要桥梁,全球超过80%的货运量由海上运输完成。相比于其他运输方式，航运的主要优势体现在运输能力、运输网络和运输价格。航运是较为传统和保守的行业，数字化程度低、进程慢，尚有大量的业务场景可以通过物联网、大数据、人工智能和区块链技术进行优化，本文着重讨论区块链技术在航运中的应用。区块链作为一种典型的分布式交易账本，具有去中心化、公开透明、永久存储且不可篡改和可溯源性等特征，适合于解决航运业中信息不互通、商品信息可追溯性差、交易过程中存在大量纸质文件且相关文件被伪造、篡改和丢失的风险高等问题。本文总结了现有的航运区块链相关平台和项目，并对相关学术文献按照内容进行分类，从具体应用案例、应用现状及前景和对航运业的影响等方面进行了综述，然后讨论了区块链技术在航运中的应用情况、前景和挑战，最后提出了未来的相关研究方向。
基于新鲜度损耗的社区团购电商配送中心选址研究
易海燕;章圳琰;社区团购电商S2B2C供应链模式带来了新环境下的选址问题,进行选址决策能够有效降低社区团购平台的运营成本并保障企业利益。为了使选址决策更符合社区团购运营实际,作者调研了社区团购供应链模式并建立了考虑新鲜度损耗的混合整数选址模型,借助蚁群算法设计两阶段求解模型,用于优化选址过程中的成本求解,最后通过算例进行比较分析。结果表明选址策略能够有效降低企业的运营成本,局部最优解会在特定配送中心数量约束条件下出现。
高油价能否促进消费者购买新能源汽车
景鹏;蔡云昊;孙慧倩;王卫超;王百会;明柏旭;自2022年3月份以来，消费者购车的意向受到前所未有的新高油价、纯电动汽车价格上涨和新能源汽车补贴退坡等多重因素的共同影响。推广新能源汽车已经作为“双碳”目标下汽车行业减排的最重要措施之一，所以准确地理解和解释消费者购买新能源汽车的意向具有重要意义。本研究基于面板混合Logit模型分析了3 450个观测值，结果表明：在其他因素固定不变的前提下，油价大幅上涨将显著提升消费者购买纯电动汽车的意向，而混合动力汽车的购买意向呈先升后降的“马鞍形”趋势；油价和纯电动汽车销售价格对消费者购车意向存在相互制约的作用机理，当纯电动汽车价格上涨一定水平，油价同步持续上涨时，燃油车主能够接受的油价上涨幅度低于新能源车主，即随着油价的上涨，燃油车主将更可能购买纯电动汽车，表明燃油车主对油价更加敏感；此外，本研究发现购置税比购车补贴对消费者购买新能源汽车意向的影响更大。上述研究结果为调整燃油税、购置税相关政策的制定以及车企调整销售价格和销售策略提供了理论参考。
考虑韧性和调度费用的城市路网修复策略
刘欣亚;屈云超;吴建军;城市道路交通网络作为城市运行的重要基础设施，在交通系统中发挥着不可替代的作用。然而，随着全球极端天气频繁发生，城市道路交通网络往往最先受到影响，如暴雨引发的严重内涝、洪水、地震等自然灾害能够广泛地对城市内部道路交通系统施加严重的破坏，从而严重地影响城市内部正常运转，造成大量经济损失、负面社会影响等。本文以非常规事件下的城市道路交通网络为对象，针对事件后恢复阶段的路网构建韧性评估框架，综合考虑维修调度成本、路段重要度，以及路网修复过程中用户的出行行为，建立了非常规事件下路网最优修复策略双层规划模型，并设计了基于修复重要度的大邻域搜索启发式算法求解模型。最后运用Sioux Falls道路网络验证本文所提方法的可行性与有效性，通过分析各维修方案在不同资源环境下的路网性能和路段流量变化，得出在确定资源环境下的最优维修方案。结果表明，在一定数量的维修队约束下，该模型得到的路网修复策略能最大限度地提升路网韧性，在修复过程中路网性能呈阶梯式上升。调度费用权重系数影响修复策略的制定，维修队数量为3，调度费用权重系数取值为0.50时，路网的恢复效果最好，韧性最高。本文所提出的方法不仅为实际修复方案制定提供理论支撑，还为管理者在非常规事件下的决策提供建议。
低空运行安全保障技术研究综述
蔡铭;马川淇;朱华飒;钟诚;梁燕;万伟;【背景】低空经济规模化发展，低空飞行活动日益增多，对低空运行安全保障的需求也随之增长。【目标】探究低空安全保障技术的研究进展，系统化梳理和总结多方面相关的研究成果。【方法】从通信感知、空域航路、运行控制和飞行监管四个方面梳理了国内外研究现状，剖析了低空飞行在复杂和动态环境应用中所面临的挑战，并提出低空运行安全发展建议。【结果】低空运行安全保障技术的研究仍处于初步发展阶段，存在安全保障体系建设不完善,复杂场景技术适配不足，以及实际测试验证缺失等问题，未来需要更可靠、更灵敏的通信感知，更合理、更精细的空域航路，更高效、更灵活的运行控制，更全面、更实时的飞行监管，以满足低空飞行活动的安全性和可持续发展要求。【应用】本综述可为低空运行安全保障技术的进一步发展和应用提供参考和指导。
车路协同环境下道路交通安全研究进展
程泽阳;孙凌霞;丁恒;冯忠祥;张卫华;作为智慧交通发展的重要内容，车路协同技术通过人-车-路-环境之间实时通信主动感知交通安全风险，对预防道路交通事故具有重要作用。为了探究基于车路协同技术的道路交通安全研究进展，从车辆紧急碰撞与危险预警、车辆防追尾控制、不良驾驶行为分析、交叉口冲突分析及道路安全风险评估等方面概述了相关研究成果，梳理了相关研究方法、理论模型及系统架构，发现当前研究重点围绕微观驾驶行为建模和仿真评估、基于虚拟现实技术的驾驶模拟实践、多层次控制方法融合的评估与优化、安全场论视角下的道路风险评估等开展。通过梳理发现以下不足：首先，当前的碰撞模型构建过程存在一定限制，未综合考虑人-车-路-环境等关键特征要素，尤其基于驾驶人多维特征要素（如生理、心理、行为等）的碰撞风险建模不足，因此所建模型往往夸大或者低估实际风险水平，与此同时，多源信息获取与融合研究未充分考虑各种传感器和数据源的多样性，忽略了数据关联和权重分配的误差问题，尤其基于车载和路侧传感器融合的大范围道路交通信息感知研究亟待加强；其次，由于车路协同环境下驾驶人容易对自动驾驶系统产生过度依赖，从而丧失危险判断能力，目前研究缺乏对驾驶人判断决策变化机制、自动驾驶系统与驾驶人多模态交互机理、驾驶人安全接管可靠性评价的深入探讨；接着，对不良驾驶行为的研究尚缺少密集交通流条件下车辆集群间危险驾驶行为的量化分析，对车辆集群之间的交互作用和协同行为的研究亟待关注；最后，在交通冲突分析与安全风险评估方面，现有研究未探索一定时空范围多类型交通风险诱发与转化机理，基于多源交通风险叠加的道路交通安全量化评估仍是亟待解决的研究难题。综上，从感知融合、效能评价、集群分析、叠加量化等角度进行了未来展望，为车路协同环境下道路交通安全研究及技术应用提供参考。
基于深度强化学习的车辆路径问题求解方法
黄琰;张锦;车辆路径问题作为交通运输与物流领域最为经典的组合运筹优化问题，历经几十年的研究和讨论经久不衰，智慧物流呈现出的数据规模大、不确定性强、时效性高等特点，给高效、智能地解决车辆路径问题提出了新的挑战，推动了利用人工智能方法解决车辆路径问题研究的发展。目前，有部分国内外学者对深度强化学习在车辆路径问题中的应用进行了研究，但所得结果尚有一定的优化空间。基于此，本文提出了一种基于上置信区间算法改进动作选择的深度Q网络方法。该深度强化学习方法通过定义智能体与环境交互过程，逐一选取节点构造解的方式“端到端”地解决车辆路径问题。首先，针对考虑车辆装载约束的车辆路径问题建立了深度强化学习框架，设计了该场景下的深度强化学习优化目标和马尔可夫决策过程，通过状态-动作空间、奖励函数等要素的设置完善了该过程；并基于Transformer框架的注意力机制、修正线性单元的神经元激活函数和自适应动量估计梯度下降算法的反向传播机制设计了一个状态-动作价值网络。其次，针对DQN方法的值函数过估计和探索局限问题，运用UCT算法改进了动作选择方式，以提高该方法的性能和收敛性。实验结果表明：改进后的DQN方法在实验中表现良好，所提方法应用在考虑装载能力约束的车辆路径问题中，相比传统DQN方法，在20、50、100的问题规模中实验结果分别提升了1.89%、1.10%和2.17%，证明该方法具有较好的性能和泛化能力。
机器学习在铁路列车调度调整中的应用综述
文超;李津;李忠灿;智利军;田锐;宋邵杰;随着铁路信息化进程的加快,铁路大数据与人工智能技术有力地支撑了我国铁路的高质量发展。本文回顾了近10年机器学习方法在铁路列车调度调整领域的主要研究成果,将列车调度调整问题分为列车晚点状态分析与评估、列车晚点传播预测和列车运行调整智能化决策三个方面,分别总结和分析了机器学习方法在上述三方面的应用情况。在列车晚点状态分析与评估方面,既有研究主要集中于传统统计分析,其描述和预测性能往往有限。在列车晚点传播预测方面,传统机器学习和深度学习方法被应用于晚点致因、晚点持续时长、列车晚点状态演化及晚点恢复预测问题的建模。在列车运行调整智能化决策方面,既有研究主要侧重于运用强化学习、模糊神经网络方法建模,机器学习方法应用于列车调度辅助决策系统仍是研究的主要难点和关键。在归纳了既有研究特征的基础上,展望了机器学习方法在铁路调度调整研究方面的最新动向。以深度学习为代表的高级机器学习应用于列车调度调整智能决策将是未来的发展重点。