城市化速度（共7篇）
城市化速度 篇1
随着城市化和机动化水平的提高,我国许多大城市交通问题日趋严重。受土地资源、环境保护等约束条件的限制,城市路面交通面临发展的极限。车与路的矛盾几乎是困扰所有大城市交通发展的头等难题。纵观国内外交通系统较成熟的大都市区,地下道路作为新的道路规划、建设形式已经成为缓解城市交通问题的重要手段之一[1—4]。
在日本、美国等国家,出于对解决地面交通空间不足、优化环境、改善交通节点、整合交通系统以及置换地面空间的考虑,进行了大量的地下道路规划和建设。在我国,北京、上海、广州、深圳、武汉、南京等大城市建设地下道路已成为发展城市交通的必然趋势。
城市地下道路是指城市范围内地面以下的机动车车行道路和地面上穿越障碍物的道路。随着经济的发展,交通负荷的增加,对道路的需求越来越大。因此,作为城市道路系统的一部分,地下道路的规划、设计、建设提到了日益重要的位置。由于地下道路的特殊性,原有的地面和高架道路交通流理论和道路通行能力计算已不适用于城市地下道路。因此,有必要对不同交通条件下的城市地下道路交通特性进行调查分析,为今后深入研究城市地下道路交通流模型、通行能力等打下基础。
2 城市地下道路及环境特征
2.1 城市地下道路特征
与普通的城市道路相比,城市地下道路具有如下特征:
1)地下道路顶面、侧面封闭,不仅要考虑横向、纵向视距,而且要考虑竖向视距;
2)实行交通限制。主要是对车辆和车速加以限制。地下道路专供汽车使用,禁止行人和非机动车辆进入地下道路;
3)实行分隔行驶。分隔行驶包括两个方面:一是单向单洞,杜绝对向撞车。二是对于同一方向的车辆,设两个或两个以上车道,并用画线的方法分车道,快慢车分开,以减少超车和同向车车速相差过多造成的干扰;
4)严格控制出入。采用全封闭方式,规定车辆只能从规定的出入口进出;
5)事故率发生高,尤其是二次事故,事故危害性大,影响行车;
6)交通管理以及调度困难,出现事故时,诱导疏散时间长,需设置避难设施。
2.2 城市地下道路环境特征
与地面道路相比,城市地下道路在照明、噪声、污染等情况下构成的环境与常规环境有很大的区别。
2.2.1 照明
地下道路照明与地面道路一般照明不同,要能保证白天习惯于外界高亮度、广视野的驾驶员进人地下道路后仍能认清行走方向,必须解决好地下道路照明问题。
地下道路一般设有照明设施,但是整个路段照度分布不均匀,一般而言,地下道路出入段由于照度和外部的不同,有明显的明暗适应过程。同时,地下道路中段的照度远远小于地下道路外的照度。
2.2.2 噪声
城市地下道路噪声主要来源于发动机噪声、轮胎噪声、车体的振动噪声和制动噪声及空气动力性噪声等。
对特定的城市地下道路进行调查发现,许多驾驶员对地下道路有“恐惧感”,反映地下道路内巨大的噪声很容易让人精力分散,有时还感觉情绪急躁。这主要是由于地下道路内是相对封闭的环境,声音在其中难以消散,这些声音通过混响作用被“放大”,就成了人们听到的刺耳“嚎叫”。通过对城市地下道路的调查,地下道路内的噪声污染相当普遍和严重,地下道路内的噪声远高于地下道路外的噪声,地下道路内的噪声最高达到90 d B,而地下道路外的噪声一般为50 d B。
2.2.3 废气污染
城市地下道路中,运行的车辆会产生废气污染,一氧化碳和烟雾浓度大,不仅易发生火灾,同时也造成环境严重污染,影响驾驶人员的身体安全,并降低了驾驶员行车的能见度,这种污染对在地下道路内行车的驾驶员和旅客无论是身体还是心理都造成一定的影响,因此在设计特长地下道路时需要增加运营通风设施和结构。
3 城市地下道路速度分布特性分析
3.1 调查的城市地下道路分类
根据城市地下道路常见的结构形式和交通管制情况,将城市地下道路分为小汽车专用地下道路、混合通行地下道路和地下货车通道等三种类型。小汽车专用地下道路是城市中心区常见的地下道路类型,只允许小汽车通行,通常限高在2.5 m以下;混合通行地下道路是指供小汽车、中巴、大型客车、公交车行驶的地下道路,通过交通管理措施禁止货车通行,通常也是建设在城市中心区;地下货车通道是指设置有货车专用车道的地下道路或整条道路均为货车专用,通常设置在城市边缘或城市外围货车主要绕行方向上,通常限高在4.5 m以上。
选择上海复兴路隧道上层、大连路隧道和外环隧道作为这三种类型的典型代表进行交通调查。具体被调查地下道路情况如表1所示。
3.2 城市地下道路速度分布
速度是交通工程学范畴内的一项重要指标,行车速度及其变化是道路通行能力估计、交通安全管理、交通管理控制、道路规划设计等的基础,也是道路几何设计的依据和道路服务水平、交通拥挤情况判定的基础。不同的交通运行条件、不同的外界环境、不同的流量,交通流所能提供给车辆的运行条件是不一样的,其速度分布特性也是不同的。对三种不同交通组成的城市地下道路进行交通调查,观测交通流速度数据,统计分析其分布特性曲线。
为了更加全面地分析车辆在不同交通条件下的运行情况,下面对不同流量范围的车速样本采用SPSS软件中的频数分布分析和P-P概率图进行分析比较。频数分布分析对数据组进行分类,形成各变量的不同水平的频数分布表和图形,概括地认识各变量的数据特征和观测量分布状况。P-P概率图根据变量的累计比例所指定的理论累积比例绘制的图形,是一种直观的探查样本数据是否与某个概率分布的统计图形一致,如果被检验的数据符合所指定的分布,代表样本数据的点在一条直线上。
对三种不同交通组成的城市地下进行速度观测,经过数据整理和统计分析,分别得到各流量范围内速度累积频率分布如图1所示。
对三种不同交通组成的城市地下道路交通速度进行统计处理,得到速度分布及其相关特征值,分别如表2—表4所示。
PCU(pachage car unit)为标准车当量数
3.3 速度分布特性分析
小汽车专用地下道路从交通流观测的速度数据来看,大部分时段均处于稳定交通流阶段,偶尔有交通量较大的情况。经统计分析得出,处于稳定交通流阶段的复兴路隧道上层速度在整个流量范围内服从正态分布,流量(0—300)pcu/h时,速度呈伽玛分布,随着流量的增加,随后的几个流量范围阶段速度均服从正态分布。这是因为在流量范围(0—300)pcu/h时处于自由流状态下,车辆的速度取决于车辆的机动性能及驾驶员的意愿,因而其车速组分的分布很不均匀,其车速分布更接近于伽玛分布。当流量继续增大,车速的分布变得均匀,因此交通流车速服从正态分布。从各流量范围速度累计频率分布图中可以看出,随着流量的增加,平均车速、85%位车速、50%位车速、15%位车速总体上呈递减趋势,且变化幅度不是很大,但在15%位车速中,其值随流量范围值的变化,先增加,后减少。这就直接体现了在地下道路中自由流阶段分布很不均匀的现象。由于自由流阶段车辆较少,完全根据司机的意愿行驶,速度幅度跨度较大,很多司机“试探”前进,速度较小,因而15%位车速相对小一些。虽然从理论上来讲,随着流量的增加速度会降低,当时地下道路中的相对封闭性,对驾驶员造成一定的生理、心理上的压力,当车流量增加到一定的程度,后面车辆有可跟随的前行车辆时,一般跟随前进,较少考虑自己的意愿,所以速度的幅度跨度减小,一定程度上造成了15%位车速的增加。当流量的增加导致的速度降低足以抵消车辆跟随性导致的15%位车速的增加时,15%位车速值步入正轨,开始随流量增加减少。
对于混合通行地下道路经统计分析得出,处于稳定交通流阶段的通行速度在整个流量范围内服从正态分布,流量(0—300)pcu/h时,速度呈伽玛分布,随着流量的增加,随后的几个流量范围阶段速度服从正态分布。从各流量范围速度累计频率分布图中可以看出,随着流量的增加,平均车速、85%位车速、50%位车速、15%位车速总体上呈递减趋势,且变化幅度不是很大。(0—300)pcu/h流量范围处于自由流阶段,速度幅度跨度较大。
在调查的货车地下通道中,由于承担了其长距离货物运输功能,货车交通流量大,经常出现交通拥挤现象。因为拥挤交通流阶段与稳定交通流阶段速度跨越较大,整体分析毫无规律,但发现拥挤交通流与稳定交通流阶段速度分布分别具有一定的规律,因此按拥挤交通流与稳定交通流阶段分别分析其分布特性。通过调查数据整理分析发现拥挤交通流阶段左中右三车道速度服从伽玛分布,稳定交通流阶段左中右三车道速度服从正态分布。拥挤交通流阶段平均速度在(15—20)km/h左右,稳定交通流阶段平均速度在(45—55)km/h左右,小车车道、大小车混合车道、大车车道的速度依次降低,大车车道、大小车混合车道的速度分布无论是在拥挤交通流阶段还是稳定交通流阶段都比较接近。从而也可以说明,大小车混合行驶车道的速度很大程度地取决于大车速度。
4 结论
根据目前城市地下道路中常见的交通组成情况,将城市地下道路分成了三种不同类型。在大量实测数据分析的基础上,分析了不同的交通运行条件、外界环境条件、流量范围条件下地下道路交通流速度分布特性:对于小汽车专用地下道路、混合通行地下道路,整个流量范围内速度接近正态分布,流量范围(0—300)pcu/h时速度分布服从伽玛分布,随后的各流量范围速度分布均服从正态分布;对于地下货运通道,在稳定交通流阶段速度服从正态分布,在拥挤交通流阶段速度服从伽玛分布。
摘要：随着城市化和机动化水平的提高,我国许多大城市交通问题日趋严重。受土地资源、环境保护等约束条件的限制,城市路面交通面临发展的极限,地下道路的规划建设得到迅速发展。将常见的地下道路分为小汽车专用道路、混合通行道路和货车地下通道等三种形式,分析了地下道路及环境特征。通过对实际交通调查数据的统计分析,得到了不同交通运行条件、外界环境条件、流量范围条件下的地下道路交通流速度分布特性。
关键词：城市地下道路,速度分布特性,交通流
参考文献
[1]李素艳,杨东援,赵娅丽.地下道路出入口交通组织研究.地下空间与工程学报,2007;3(4):781—786
[2]陈志龙,张平,郭东军,等.中国城市中心区地下道路建设探讨.地下空间与工程学报,2009;5(1):1—6,12
[3]李素艳,杨东援,俞明健.城市地下道路出入口变速车道长度设计研究.交通标准化,2006;12:22—25
[4]北京市规划委员会.北京地下空间规划.北京:清华大学出版社,2006
速度？速度！ 篇2
其后的两年里，因为人生中重要的历史时期，为了学习，我放弃了飞车生涯，离开了那我熟悉又陌生的跑车和赛场。但那激情彭湃的回忆却从来没有被淡忘过……
通过了人生中的一大考验之后，怀揣着对速度的渴望，对飞车的热爱，对朋友的怀念和对胜利的执着，我回归了!双脚再度踏上油门的时候，我思考起那个无数次缠绕我的老问题来——速度究竟是什么?
我的经历从我脑海中浮现，回首当初尽情享受飙车乐趣的时光，回首和朋友奔驰沙场的过往，回首独自承受失败的苦涩，回首对飞车高手的向往。速度的含义似乎广阔了起来，它再不如从前那么简单，以至于我已经无法给出一个确切的答案。我唯一能肯定的事情是，我已经走上一条道路——一条上坡路，没有尽头。我终于立志成为一个高手，抛开杂琐的事情，以空前的热情投入到飞车世界中。
我对丰碑车队的感情一直没有淡漠过。理性告诉我，加入车队，和前辈高手们朝夕相处，不断学习，相互交流，对我的飞车发展是无可替代的步骤。于是我重拾HP2，开始反复地练习，只盼望能尽快加入FB这个大家庭。痛苦并且搞笑的一段回忆从这里展开了……
无数次地训练以后，终于，我达到了FB车队的八队标准。当我兴冲冲地到论坛发帖子要求测试的时候，却被告知FB已经不招收以HP2方式入队的队员了。完全无奈!我只有从UG2下手，白手起家。一个月以后，当我意气风发地再次准备测试时，再次被告知FB车队不再以UG2方式招收队员。晴空霹雳也不过如此!我真倒霉!当时真是欲哭无泪呀……虽然国内还有其他的强大车队可以选择，但是，对FB的感情让我无法放弃任何一个能融入它的机会。三个星期以后，我终于以MW如愿以偿了。
从此，每次联网赛车时，我都会自豪地输入我的ID：[FB]Venus。
进入车队以后，飞车生涯仿似变化了一个模样，那是我从没想象过的经历。
“不识庐山真面目，只缘身在此山中。”在我还没进入高手圈子的时候，对于高手，我总是怀着敬畏的心情仰望，总是觉得他们像神一样高深莫测，不可琢磨。而当我融入了这个圈子以后，了解了很多。高手的光环慢慢褪去，真实的飞车玩家的样子逐渐清晰。他们不是当初想象中那样不可接近，也没有与生俱来的天生神力。每一个高手，其实都是在无数的失败中摸爬滚打，从失望和苦痛中成长起来的。
和车队的前辈们交往过程中，我学到了太多以前不曾学习的东西。[FB]LIMll299、[FB]LXT、[FB]or，4C13、[FB]Utlra52等等，好多好多的前辈们以身作则，让我从更高的起点思考、理解NFS，体会那一种叫做境界的东西。
城市化速度 篇3
交通拥堵已经成为全国各大城市的一道难题,对交通拥堵治理的关键是当道路的交通状态出现拥挤现象时,能事先发出预警信号,采取预防措施。目前进行交通拥堵预测的方法主要有基于交通流参数短时预测与决策阈值的拥堵预测。例如,杨俊琪、屈健[1,2]分别应用加权改进的GM(1,1)-马尔可夫预测模型和交点预测模型进行速度预测,将预测结果与决策阈值比较判定交通拥堵状况;Ma等[3]提出时间-空间阈值向量误差修正模型进行短期交通状态预测的方法;张建旭、邱世崇等[4,5]分别采用对单个预测模型的权重进行动态计算与最小二乘动态加权融合算法的组合模型对交通流参数进行预测;沈小军等[6]利用检测器采集到的大量的交通参数数据快速建立高效的分类预测模型对拥堵状态进行判别。近几年来大数据技术开始在交通流预测领域应用,Ari等[7]为进一步挖掘大数据信息,找到一种可以自动适应数据流变化的方法来分析和预测非常大的交通数据集,并在此基础上开发了预测系统;冯青平等[8]为了解决海量交通大数据实时预测问题,引入了Hadoop云平台并结合K近邻非参数回归方法预测短时交通流,满足了交通控制和诱导的实时性和精确性需求。同时,Zhang、陆宇[9,10]运用分层模糊规则、优化遗传算法和贝叶斯网推理算法等方法对交通拥堵进行预测,对交通拥堵预测的研究具有重要借鉴意义。
目前对交通拥堵的预测更多的是定性的分析,缺少定量研究,并且在做交通流参数短时预测时较少考虑参数的时空特性,为弥补这些缺陷,笔者在分析速度时空特性的基础上建立速度预测多点模型,采用RBF神经网络模型对速度进行预测,通过与阈值相比较判定交通拥堵状态,并建立了交通拥堵模糊判断规则体系对拥堵程度进行量化,得到更清晰的预测结果。
1 速度的时空特性分析
1.1 车速基本定义
1.1.1 地点车速
地点车速是车辆通过道路某一地点的瞬时车速。通过在车道上设置微波检测器对车辆通过道路较短区间的地点车速进行监测,取得通过该地点的车速分布状况,分析车速变化时态和车速发展变化趋势,可为交通规划、交通管理、道路几何设计提供依据。
1.1.2 时间平均车速
时间平均车速是道路某断面在某一观测时段内通过车辆瞬时速度的算术平均值,即
时间平均车速是道路断面的交通运行状态的评价参数之一,交通工程学通常用道路路段上关键断面替代,因此时间平均车速通常作为道路路段的速度使用,我国城市交通管理部门常用此指标判断道路的畅通、拥挤和拥堵[11]。
1.2 速度的时空特性分析
城市道路车辆的速度具有明显的时间特性和空间特性。在时间上,同1d中未来某时段的运行速度受到上一个时段及上几个时段等多个历史时段运行速度的影响,在同一周内,工作日某一时段的运行速度受到前几个工作日该时段运行速度的影响,具体表现为速度的周相似性,已有研究表明运行速度的周相似性程度较高,具有很强的规律性;在空间上,由于路网的连通性,上游道路的运行速度会直接影响到下游道路的运行速度,下游道路交通阻塞等情况也会影响上游道路车辆的运行速度[12]。因此,路段下一时段的运行速度不仅与该路段当前时段的速度数据及历史速度数据有关,同时也与其上下游路段当前时段的速度数据及历史速度数据有关。
2 基于RBF神经网络的速度预测
2.1 RBF神经网络原理
径向基神经网络是一种前馈反向传播网络,有2 个网络层:隐层为径向基层,输出为一线性层[13],是一种可以在高维空间内插值并可以进行局部逼近的神经网络,对于每个训练样本,只需要对少量的权值和阈值进行修正,训练速度快,适合一些实时性较强的场合。
当网络输入训练样本为向量xm时,网络的实际输出为
式中:ym为网络输出层的输出;m为样本总数;xm= (x1m,x2m,…,xnm)T为第m个输入样本;wij为网络隐含层到与输出层之间的连接权值;φ(xm,ti)为隐层中的径向基函数;ti为奇函数的中心;h取1,2,…自然数。
选择高斯函数为径向基网络的基函数,则RBF神经网络的形式表示为
式中:ci为隐层节点的中心;σ为基函数的方差。
2.2 基于时空特性和RBF神经网络速度预测模型
2.2.1 RBF网络算法
为提高RBF网络泛化能力,采用梯度下降算法训练RBF网络,训练过程需要调整的参数包括:RBF网络隐含层中心的位置、扩展系数和输出单元的权值。
定义网络的瞬时误差函数e(l):
目标函数E:
基于梯度下降法的RBF网络训练算法为:
1)在输入样本中选择足够的中心,计算RBF函数的扩展参数σ
式中:dmax为所选的中心向量间最大的欧式距离;h为选取的中心的数目。
2)初始化网络输出层的权值,设置为较小的随机值,输入样本,计算网络的输出。
3)训练过程调整网络的参数,包括隐含层中心、扩展系数、输出单元的权值;隐含层中心c的调整为
扩展系数σ的调整为
输出单元的权值w调整为
式中:η为学习率。
4)若网络达到收敛则停止,否则,令l=l+1,继续调整参数直到网络收敛为止。
2.2.2 基于时空特性的速度预测模型
考虑速度的时空特性,在对速度参数进行短时预测时,不仅仅考虑当前路段当前时段及前两个时间段的运行速度,还考虑了该路段上下游、前1d和上周同1d的当前时段和前2个时段的运行速度,即在对当前时段下一时段进行速度预测时共考虑了15个速度数据[14],即某路段在(t+T)时段的速度可表示为
式中:F为一种非线性函数关系;t为当前时刻;T为时间间隔,T =2min;vs,vx分别为上下游路段的平均运行速度值,vt为预测路段前1d同时段的平均运行速度;vw为预测路段上周同1d同时段的平均运行速度。
根据以上分析,RBF网络的输入向量为上式中的15个历史速度,(t+T)时段的速度作为输出,即采用具有15个输入、1个输出的RBF神经网络进行速度预测,预测过程可以分以下4步。
1)将作为训练样本和将要做预测的具有时空特性的速度数据归一化预处理。
2)利用训练样本训练RBF神经网络。
3)利用训练好的神经网络对速度进行预测。
4)对预测出的速度数据进行反归一化处理。
2.3 仿真结果分析
实验数据来源于2013年4月16日(周二)至2013年4月18日(周四)西直门桥至官园桥路段06:00~22:00时,时间间隔为2min的实时数据和历史数据,考虑速度的时空特性,取预测路段上下游路段、前1d和上周同一工作日的同时段速度数据,得到1 443组数据。为使训练的神经网络具有普遍性,同时节约网络的训练时间,任取其中500组数据作为输入的学习样本,训练RBF神经网络。
取4月24日06:00~09:30时早高峰时段的实时速度数据及其历史数据共106组速度数据作为预测样本进行速度预测,对数据进行归一化处理后,用梯度下降算法训练RBF网络,采用动态滚动预测方法,运用RBF神经网络进行仿真评价。在网络输出结果后,对网络输出的预测值进行反归一化处理。
为了比较分析,进行基于单时间序列的RBF神经网络的预测,采用的神经网络结构与之前基于时空特性的速度预测模型类似,不同的是模型输入采用的是当前时段和前9个时段时间间隔为2min的10个历史数据,2种速度预测方法的仿真结果见图1~2。
由预测结果可见,基于时间序列的预测结果能够很好地体现速度总体的变化趋势,在速度序列平稳时预测结果较为精确,在速度变化较大时预测精度下降;基于时空特性预测得到的速度曲线和实际测得的速度曲线拟合程度更好,在实际速度波动较大的情况下,预测曲线收敛速度和准确度都较高。
为方便分析预测精度,取10 min为时间尺度,计算实测和预测所得到的时间间隔为2 min的5个速度数据的时间平均速度,这样将106个时间间隔为2min的时间点简化为21个时间点,2种预测方法的相对误差如图3、图4。计算得2种预测模型的平均绝对相对误差分别为0.074 5和0.036 1,最大相对误差分别为0.175 7和0.074 2,这2种预测方法的各项预测误差指标比较见表1,显然基于时空特性的预测精度明显优于仅基于时间序列的预测精度。
3 基于速度的交通拥堵预测方法
3.1 速度阈值的确定
基于速度的交通拥堵预测的关键是拥堵速度阈值的选取,速度阈值的确定需要大量的交通调查和统计,本文选取北京市地方标准《城市道路交通拥堵评价指标体系》确定速度阈值,北京市地方标准由北京交通发展研究中心定期进行阈值更新,使阈值能够反映北京市交通运行状况。依据《城市道路交通拥堵评价指标体系》将路段的速度划分为5个等级,1级表示最畅通,5级表示最拥堵,分别定义为畅通、基本畅通、轻度拥堵、中度拥堵、严重拥堵,拥堵等级及相应的速度阈值见表2。
3.2 基于速度阈值的拥堵预测
依据该拥堵等级指标,基于速度参数与拥堵程度判断阈值对二环快速路交通拥堵状态进行预测,比较基于径向基神经网络各个时刻的速度预测结果与各拥堵等级的速度阈值之间的大小关系,判定各个时刻的拥堵等级。对该路段4月24日06:00~09:30时早高峰时段时间间隔10min进行交通拥堵预测,结果见表3。将拥堵预测结果与实际情况比较可以看到,基于速度阈值的拥堵预测模型对拥堵状态预测的结果与实际情况基本一致,仅有速度值在决策阈值附近波动时,拥堵等级的判定与实际情况才会出现误差。
4 基于模糊算法的拥堵程度评价
交通拥堵程度是客观事实和主观感受综合作用的结果,具有很大的不确定性。模糊推理提供了把主观与客观、模糊与清晰、定性与定量相结合的方法[14],是一种近似推理方法,是由已知的模糊命题推出新的模糊命题作为结论的过程,因此本文选取模糊推理来评判交通拥堵程度,应用模糊算法对速度和拥堵程度进行量化,建立相应的隶属度函数与模糊判断规则体系,进而得出定量的拥堵度指标。
4.1 模糊推理系统建立
利用Matlab提供的模糊工具箱方便地实现了模糊推理系统,时间平均速度与拥堵度分别作为输入量和输出量,建立模糊推理系统见图5。
隶属度函数选择Matlab提供的梯形隶属度函数,根据北京市地方标准与日常经验,把速度分为5个级别。为使分级更加客观,在速度比较小时,在各速度等级间取5km/h为过渡范围,由于速度比较大时,分布离散,在速度最大的2个速度等级间取10km/h为过渡范围,即小于17.5km/h为“小”,22.5~32.5km/h为 “较小”,37.5~47.5km/h为“中”,52.5~60km/h为“较大”,70km/h以上为“大”;拥堵度分为5 个级别,小于0.2 为“畅通”,0.35~0.45为“基本畅通”,0.55~0.65为“轻度拥堵”,0.75~0.85为“中度拥堵”,0.9以上为“严重拥堵”。分别做出时间平均速度与拥堵度的隶属函数图见图6、图7。
设计简单的模糊规则见表4,其中速度的5个等级分别对应拥堵度的5个等级。模糊规则的表达式为:if x is A ,then y is B,例如,如果速度为“小”,则拥堵度为“拥堵”,依据模糊规则,按照相应的模糊推理算法完成计算,选取重心法作为反模糊化方法判决出一个确切的输出量。
4.2 定量拥堵度评价
将4月24日06:00~09:30时早高峰时段的每10min为一组预测得到的21个数据作为输入量,通过建立的模糊规则得到量化的拥堵度指标见表5,可以看到基于模糊算法得到的量化的拥堵度指标表示清晰,使人一目了然,且与实际拥堵状态相符。
5 结束语
基于对交通拥堵反映最敏感的速度参数建立交通拥堵预测模型,进行速度预测时,在考虑速度时空特性的基础上采用基于径向基神经网络的速度预测多点模型,预测结果表明基于时空特性的速度预测模型的预测结果比传统的单纯使用时间序列的神经网络预测的准确性高;进行拥堵判别时,在比较速度预测值与决策阈值判定拥堵等级的基础上,进一步应用模糊逻辑推理来评判交通拥堵程度,设计了更为精确的城市道路拥堵程度的定量评判方法,使交通拥堵预测的结果一目了然。运用该模型对北京二环快速路早高峰时段进行拥堵预测分析并取得较好的预测效果。
平均速度不是速度的平均 篇4
关键词：平均速度 速度 平均值
学生在学习物理的过程中，就是要不断地建立物理概念，如果概念不清，就不可能真正掌握物理基础知识.因此，在中学物理教学中，概念教学是一个重点，也是一个难点.下面我就初中二年级中的平均速度不等于速度的平均的教学做了以下尝试。
作变速直线运动的物体，它通过的路程与通过这段路程所用时间之比，叫做它在这段路程（或这段时间）内的平均速度。公式是v=□，也就是说要求平均速度一定是用这段时间内的路程来除该段时间。
例：小李在一百米跑时，越跑越快，最终成绩是10秒，则他的平均速度是多少？
这样的问题我们容易解决，直接就用100米除10秒就可以了。但有很多同学遇到这样的题就容易出错。
例如：一物体作直线运动，在前2s 内的平均速度是6m/s，后4s内的平均速度是3m/s，求该物体在全程中的平均速度。
错解：该物体在全程中的平均速度是v=（v1+ v2）/2=（6m/s+3m/s）=4.5 m/s.
上面的解法错在没有理解平均速度的含义，误把速度的平均值当成了平均速度。要求全程的平均速度应该是总的路程除总时间。
正解：由v=□知，
s1=v1t1=6m/s×2s=12m
s2=v2t2=3m/s×4s=12m
v=（s1+ s2）/（ t1+ t2）=24/6=4m/s
答：物体在全程中的平均速度是4m/s。
再如：汽车在平直公路上行驶，在前20s内通过的路程为240m，，后40s内通过的路程为640m，汽車在前20s，后20s以及全程的平均速度各为多少？
解：由v=□知
前20s的平均速度，v1= s1/ t1 = 240m /20s =12 m/s
后40s平均速度，v2= s2/ t1 =640m /40s =16m/s
全程的平均速度，v = s/ t =（s1+ s2）/（ t1+ t2）=（240m+640m）/（20s+40s）=14.7 m/s
答：前20s，后40s以及全程的平均速度分别是12 m/s，16m/s
14.7 m/s
这里速度的平均为（12 m/s+16m/s）/2=14 m/s。
城市化速度 篇5
目前关于城市道路交通运行状态的研究多以路段的行程速度、区间速度、平均速度为指标,用以分析交通流状态和衡量拥堵水平。由于平直路段条件下,速度特性往往取决于交通量和信号配时,因此鲜有行驶速度特性与城市道路几何线形相关性的研究报道。相比之下,在公路领域国内外研究者开展了大量的关于纵坡路段汽车运行速度的实测和仿真分析,并建立了众多的预测模型,包括小客车、中型货车和大型货车等代表性车型[1,2,3,4,5,6,7,8]。还有不少学者以山区高速公路为对象,研究了公路最大纵坡及坡长限制与汽车性能之间的关系,明确了爬坡车道的设置条件[9,10,11,12]。徐进等[13]分析了地形环境、车道数量、驾驶行为、车型等因素对汽车连续行驶速度的影响,分析了行驶速度与公路设计速度之间的偏差及其致因,以及导致行驶速度波动的干扰因素;基于速度实测结果,还建立了面向山区复杂线形公路的多车型三维运行速度预测模型和解算方法。
综上,现有关于汽车行驶速度特性的研究主要针对平原城市道路和山区公路,而山地城市道路具有较强的特殊性,既具有山区公路的线形特征比如急弯、陡坡和危险的路侧环境,以重庆市为例,一些道路的坡度比山区公路还要大,行驶条件比山区公路还要困难;与此同时,又兼备平原城市道路的一些特点,比如一些主干路密集的交通流,以及交叉口。由于这种特殊性,现有关于山区公路和平原城市道路车辆行驶特性的研究成果,对于山区城市道路都不再适用。
小客车是城市道路上比例最大的一种车型,之前由于缺乏实测数据支撑,关于小客车在山地城市道路上坡路段的速度特性存在不同的推测,有的认为小客车比功率高,速度不会受到坡度阻力影响;有的则认为小客车速度也会像大型车一样出现衰减,但衰减多少,怎么衰减,又有不同的看法,而本文将试图明确这一问题。基于此,在重庆主城区内选择有代表性的道路,通过现场调查小客车在不同观测断面上的速度值,得到了其沿坡向长度的变化趋势。同时,还采集了大型车的行驶速度值,用于和小客车进行对比。以找出山地城市长上坡道路段小客车行驶速度的变化特征及其影响因素,为山地城市道路设计、安全性评价、车辆结构和动力系统设计提供科学的数据支撑。
1 实验方案
1.1 实验道路
在重庆市城区内共选择了9条具有代表性的长上坡路段,选择实验道路考虑的主要因素有道路类型、车道数、坡度、坡长、交通量、以及平面线形组合等,如表1所示,图1是道路的平面线位以及观测位置(横断面)。基本涵盖了重庆市的主要道路类型,并能充分反映出山地城市道路的特点。
1.2 实验车型
为照顾城市道路的典型车型,实验所调查的车辆类型主要是小客车,包括三厢和两厢轿车、面包车、SUV(含一部分四驱越野车)。为了与大型车的速度特性进行对比分析,同时还测量大型车的速度数据,包括大货车、大客车、公交车和一部分中型货车。
1.3 实验仪器和观测方法
实验用到了5种仪器,分别为雷达测速仪、红外测距仪、数显水平尺、对讲机和照相机。其中雷达测速仪用于记录通过各个观测断面的汽车行驶速度;对讲机用于不同观测断面记录人员之间的语音通讯;照相机用于记录实验道路情况;数显水平尺用于测量各个观测断面的坡度值;红外测距仪用于测量各观测断面之间的距离。
观测方法:(1)不计车牌,只区分车型,该方法主要针对小客车,由于小客车的比例大、速度快,实测时在短时间内难以准确描述其外观特征,难以实现不同观测断面的跟踪观测;(2)连续跟踪单个车辆,即第一观测断面的实验员在记录速度的同时,报告观测车辆的外形和结构特征,后续观测断面等待该车辆驶进观测区域时进行速度记录,该方法也用于大型车的速度观测。
1.4 观测断面和观测时间
依据道路实际情况,每条实验路段设置3~4个观测断面,坡顶和坡底设置一个,中间设置1或2个,断面序号按沿着上坡方向依次编号,如图2所示。本次实验的测量时间为四月中下旬开始到五月中旬结束,测量时避开了暴雨、雷电等极端天气,测速人员在测量时应隐蔽在驾驶员不易发现的位置,减少对行车造成的影响。
由于本文是以探寻道路参数与行驶速度之间的关系为目的,为了排除交通拥堵对行驶速度的干扰,开展行驶速度数据采集的时间段避开了7:00~9:00和17:00~19:00这两个上下班高峰时段。具体的观测时间为日间10:00~16:00,夜间21:00~24:00。其中大货车的速度采集是在夜间完成,因为日间大货车不允许进入重庆主城。
2 小客车行驶速度的模式特征
图3为夜间小客车在上坡路段的行驶速度测试结果,能看到在南区公园路的4个观测断面的速度分布比较集中,且幅值较低,这是由于观测断面的前方具有小半径弯道,急弯就成了影响小客车行驶速度的主要因素,动力性再好的车辆,由于弯道的限制,动力性能将没法完全发挥。相比之下,其余5个上坡路段的测试结果在每个断面上的分布均比较离散。根据小客车速度均值在各个测试断面上的变化,可以明确夜间行驶时小客车速度变化的基本模式。
模式一:速度随着坡长的延伸逐渐降低,但临近坡顶时(最后两个断面之间的区段),速度提高,即加速驶出上坡路段,如图3(a)所示。
模式二:速度沿上坡方向一直衰减,但衰减的幅度和趋势比较轻微,如图3(b)、图3(c)所示。并且发现,这种持续下降趋势同时存在于两种速度环境,比如海峡路的均值速度很高,是60 km/h左右;而广黔路的均值速度很低,25 km/h左右。
模式三:速度保持恒定,即小客车上坡行驶时速度并不发生衰减,如图3(d)~图3(f)所示。
综合比较图中的6个路段,除了南区公园路(弯坡组合路段)之外,发现其他5个测试路段的小客车速度均发生不同程度的衰减,由于夜间行驶时路侧干扰程度低、车流量小,驾驶行为主要受道路条件影响,因此,可以认为夜间行驶条件下山地城市道路上坡路段会导致小客车的速度出现不同程度的衰减。
图4为日间小客车行驶速度的实测结果,能看到小客车在各路段观测断面4(坡顶位置)的速度值比前几个断面要更加分散,其原因主要是此断面位置临近坡顶,驾驶员不同的驾驶习惯(比如某些驾驶员在坡顶时换档,有的则在坡顶前就换挡,还有一些驾驶员偏爱冲坡)导致了不同的速度幅值。根据图中6个测试路段的小客车速度均值在不同观测断面上的变化特征,可以对速度模式进行定义和划分。
模式四:速度先逐渐升高,再逐渐降低,最后再升高,即速度波动呈N形变化,如图4(a)、图4(b)中的情况。
模式五:速度先下降,然后持平,最后再升高。即坡低时下降,坡中时恒定,临近坡顶时加速。如图4(e)。
模式六:速度持续升高,如图4(f)。另外,图4(c)、图4(d)中的速度变化特征则属于本节前面定义的模式二。
将同一路段日间和夜间的数据进行对比,能看到日间和夜间是两种不同的变化趋势,如广黔路,夜间是单调下降(即模式二),而日间是N形变化(模式四);再如兰花路,夜间行驶速度也是单调衰减,即模式二,而日间是模式五。日间和夜间速度变化趋势不一致的原因为,夜间汽车行驶时的路侧干扰更小,且行人过街信号灯在夜间是黄灯闪烁,汽车在没有行人是可直接通过,而日间汽车在临近人行横道且红灯启亮时需减速,因此夜间行驶速度的影响因素更单一。
与夜间相比,日间小客车的速度变化类型要更丰富,根据对现场情况的分析,发现除了道路坡度之外,路口复杂的行驶环境对小客车速度也有明显影响,由于有路口存在,就会出现行人横穿和交通信号控制等复杂行驶因素,导致驾驶员在路口前方采取减速措施。同时,日间的路侧干扰也比夜间更大。
综上,小客车在山地城市上坡路段的速度变化趋势呈典型的多样性特征,囊括了之前我们所猜测的各种变化模式,比如持续递减、维持不变、持续升高、以及3类型的波动模式。
3 不同类型小客车的行驶速度差异性
根据试验道路上的交通结构组成,对小客车(小客车)进行细分,分别为三厢/两厢小轿车、面包车和SUV三个车型。图5是兰花路、建新南路和学府大道等3个试验路段的分车型速度均值变化,从中可以看到:
(1)三种不同车型的平均速度之间存在比较明显的差异,其中面包车的平均速度相比其他两种车型在各断面上都要低,这是由于面包车的比功率在三种车型中最低。
(2)相同路段,SUV的速度在3种车型中最高,这是由于SUV车型比其他两种车型具有更优良的爬坡性能和加速性能。其他试验路段比如建新南路和学府大道小客车的速度特性与所列举的3个路段相似,不再详述。
(3)总的来看,速度最低的面包车与速度最高的SUV,均值速度相差5 km/h左右,是非常显著的差异。
4 昼夜环境以及车型对速度的影响
在图6中可以观察到昼夜和车型对汽车行驶速度的影响,箱型图的从上至下分别表示最大值、75百分位值、50百分位值、25百分位值和最小值。其中图6(a)是不区分车型的结果显示,能看到学府大道和兰花路的夜间行驶速度的各个特征值均大于日间,但南区公园的汽车行驶状况却和前3条道路相反,不管是速度分布区间还是均值都是夜间小于日间,这是由于该道路是典型的弯坡组合路段,技术标准比较低,弯道半径小角度大,且是双车道,对撞、驶离路面和侧翻的风险均比较大,夜间行驶由于光照和视距不好,驾驶员出于安全的考虑会选择一个较低的行驶速度,并且存在行为上的趋同性。
图6(b)是小客车的结果显示,从中能看到,广黔路与南区公园路类似,也是夜间的行驶速度低于日间,但行驶速度的分布范围与日间差别不大,原因是广黔路的道路等级也比较低,并且与南区公园路一样同是属于弯坡组合路段,夜间行驶时驾驶员由于视线不足不得不选择较低速度。由此可知,在山地城市长上坡路段,直线路段(直坡)的夜间汽车的行驶速度普遍高于日间,但弯坡组合路段则正相反。对于弯坡组合路段,影响夜间驾驶员速度选择行为的主要因素是道路线形、道路等级以及道路照明。
图7(a)和图7(b)分别日间和夜间给出了小客车和公交车(含少量大客车)的行驶速度均值对比,每个柱状体的高度表示该车型在全部观测断面上的速度均值。从中能看到,在山地城市长上坡路段,无论是在夜间还是日间,小客车的速度均大于公交车/大客车,这是由于小客车具有较高的比功率值,并且小客车的行驶阻力远远小于公交车,因而造成小客车的上坡行驶速度明显大于大型车。小客车和大型车的速度差均值维持在12 km/h,并且,夜间大型车和小客车的速度差与日间比并未见明显不同。
5 结论
山地城市道路由于弯道多、坡度值大、坡道长等特点,对汽车行驶速度以及驾驶人的速度选择行为产生了明显的影响。为了明确上坡路段的小客车速度变化特征和影响因素,本文在重庆市主城区选择了多条不同类型的长大上坡路段,分别在日间和夜间采集了多个测试断面的行驶速度值,得到了如下结论。
(1)小客车在山地城市上坡路段的速度变化趋势呈典型的多样性特征,囊括了之前我们所猜测的各种变化模式,比如持续递减、维持不变、持续升高、以及不同类型的波动,通过进行归类,确定了6种变化模式。
(2)在SUV、面包车和三厢/两厢轿车这3种车型中,面包车在上坡路段的速度均值最低、三厢/两厢轿车居中,SUV速度最高,并且,SUV与面包车的平均速度相差约5 km/h。
(3)在日间,山地城市道路的坡度对小客车速度没有明显的影响,而受路侧、交通量、和信号灯影响较大;而在夜间,小客车在上坡路段的行驶速度会出现不同程度的衰减。
(4)在直坡路段,小客车的夜间行驶速度观测值高于日间,并且速度在各观测断面的分布比较离散;而对于弯坡组合路段,由于夜间视距较差,驾驶员为了保证车辆横向稳定性,速度在各断面的分布比较集中,且速度幅值较低(比日间更低)。
城市化速度 篇6
一、城市商业银行规模与经营效率的对比分析
为了清晰的分析目前城市商业银行发展所面临的发展速度、规模与经营效率之间匹配的问题, 本文选取了一些指标, 通过对这些指标的对比分析, 探讨城市商业银行发展速度、规模与经营效率之间的匹配程度。
首先, 选取了有关城市商业银行经营绩效和发展速度方面的指标数据。本文主要考虑城市商业银行的盈利性和成长性, 盈利作为商业银行的根本目的, 对城市商业银行而言也是至关重要的, 一个城市商业银行的盈利能力可以很好的反映出其经营的成果, 而成长性一方面代表了城市商业银行的发展潜力, 另一方面也可以反映出城市商业银行的发展速度。在盈利性方面, 本文选取了总资产收益率和成本收入比两个指标, 其中, 总资产收益率可以反映银行盈利水平, 成本收入比可以显示出银行的收益与其投入成本之间的关系;在成长性方面, 选取了总资产增长率和净利润增长率两个指标, 其中, 总资产增长率可以反映银行资产规模的发展速度, 而净利润增长率则可以代表银行盈利能力的增长。然后, 选取了代表城市商业银行规模的指标, 本文用资产总额和分支机构数分别代表其资产规模和组织结构方面的规模大小, 另外用资产费用率作为对成本效率的考核。
本文选取了15家城市商业银行2012年的数据进行对比分析, 这些银行在总资产规模、机构数量、分布区域和发展阶段等方面各不相同, 可以基本涵盖我国大部分城市商业银行的基本特征。所有数据均来自各城市商业银行网站公布的年报公告。这15家银行2012年的各指标数据见表1。
分析表1可以得出以下结论:
第一, 城市商业银行发展较快, 规模差距较大。这15家银行在2008年时仅有北京银行、上海银行和宁波银行3家的总资产超过了千亿, 而到2012年, 除了齐鲁银行, 其他14家银行的总资产均已过千亿, 可以看出城市商业银行发展之快。但是, 银行的规模差距也比较大。其中, 北京银行的总资产已经超过了1万亿元人民币, 而最小的齐鲁银行仅仅800多亿元人民币。
第二, 由总资产收益率和成本收入比可以看出, 规模较大的城市商业银行和规模较小的城市商业银行之间相差无几, 较大的资产投入和经营规模并没有为银行带来收益上明显的优势, 甚至有的银行虽然总资产规模较大, 但是收益率却相对较低。例如, 大连银行的总资产2, 568亿元, 在15家银行中属于中等, 但是其总资产收益率却仅为0.79%, 是15家银行中最低的, 成本收入比37.51%也是比较高的, 说明规模与经营效率并不匹配。
第三, 观察总资产增长率和净利润增长率可以看出, 总体上, 城市商业银行的发展速度就快, 成长性也较好。这15家银行不管是规模还是盈利能力都是正增长, 而且增长率较高, 其中很多银行总资产的增长能带动净利润更高地增长, 比如北京银行总资产增长率是17.00%, 净利润增长率是30.50%;哈尔滨银行总资产增长率是32.64%, 净利润增长率是66.44%, 净利润的增长率均高于总资产增长率。也有一些银行净利润的增长率小于总资产的增长率, 如宁波银行、大连银行、锦州银行等。尤其是大连银行总资产增长率是37.00%, 而净利润增长率是1.59%, 相差较大, 说明其盈利能力的增长与其资产规模的发展速度并不一致。
第四, 由资产费用率这一列可以看出, 大规模的城市商业银行并没有形成很好的规模优势, 在成本效率方面的表现与规模较小的银行基本一致, 倒是有些规模中等的银行的成本效率较好, 比如哈尔滨银行0.98%, 西安银行1.92%。
综上, 城市商业银行根据其发展速度、规模与经营效率之间的匹配程度可以大体分为以下几类:第一, 规模较大, 发展速度较快并且其发展能带动经营效率的同步提高, 如北京银行;第二, 规模较大、发展速度较快, 但是与其经营效率并不相称, 如大连银行;第三, 规模较小, 发展速度适当并且具有很好的经营效率, 如西安银行;第四, 规模较小、发展速度适当, 但是经营效率一般, 如锦州银行。
二、提高城市商业银行规模与绩效匹配性的相关建议
针对城市商业银行在发展速度、规模和经营效率之间匹配度的不同, 各类城市商业银行应当根据自身特点, 选择不同的发展战略。
第一, 对于规模较大, 发展速度较快并且与其经营效率相匹配的城市商业银行, 由于其规模大并且具有很好的经营模式, 应该在继续保持发展的同时努力利用自身的规模优势提高成本效率, 降低成本进而提高盈利能力, 寻求达到规模经济。另外, 由于其拥有强大资金作后盾, 应考虑利用其资产规模以及分支机构数量和分布的优势来扩展业务范围, 开发新业务和新产品、逐步实现跨区域经营, 并且根据不同地区的经济和发展情况开展特色服务, 以获得更多的机会和更多的优质客户。
第二, 对于规模较大、发展速度较快, 但是与其经营效率并不相称的城市商业银行, 其首要问题是提高经营效率。这类银行的发展速度快, 但是在发展的同时忽略了经营效率, 或者其经营效率一直处于较低的水平。这时, 银行管理层应该分析现有业务的盈利水平和成本的使用效率, 分析各个分支机构的绩效水平, 对于不盈利或者盈利水平低的业务找出原因、实施改进, 对盈利状况不好的分支机构进行整合或者关闭。由于这类银行规模较大, 应考虑是否应该缩减规模, 集中主要力量在优势区域发展, 待经营效率提高后在发展规模。
第三, 对于规模较小、发展速度适当并且具有很好的经营效率的城市商业银行, 应该考虑在现有基础上继续发展。这类银行管理层应该考虑发展业务规模, 将优势业务做大;或者在不削减现有业务盈利水平的情况下开展其他业务, 或者尝试跨区域发展, 毕竟只有发展才不会落后。
第四, 对于规模较小、发展速度适当, 但是经营效率一般的城市商业银行。这类银行与第二类银行相似, 其首要任务依然是提高经营效率, 但是由于这类银行多集中在当地区域发展, 对当地经济的依赖很大, 业务和金融产品的种类也相对较少, 没办法显示规模经济, 所以这类银行应该考虑对现有业务进行改进和创新, 利用当地的经济发展特点和政府支持, 开展适合于当地企业和居民的业务, 以特色取胜。
参考文献
[1]迟国泰, 芦丹, 孙秀峰.基于城市差异系数的城市商业银行效率评价模型及实证研究[J].管理工程学报, 2007, (3) :29-34.
[2]张吉光.城市商业银行实现差异化发展面临的问题及对策建议[J].海南金融, 2010, (8) :62-65.
城市化速度 篇7
再过10年时间将无建设用地
重庆商报:钱老您好, 什么是“地下物流客运系统”?
钱七虎:地下物流客运系统其实就是指在地下建设一套基于高科技的物流运输系统和客运系统。物流运输采用专用管道搭配无人驾驶的自动导向车, 将货物运到指定的地方。客运则是指建设地下磁悬浮列车和地下快速路, 高效快捷地运输乘客。
重庆商报:目前, 国内很多城市都在发展轨道交通、高速公路和高速铁路, 是什么原因让您如此关注地下空间?
钱七虎:有数据表明, 未来15年, 城市发展还需要用地520万亩, 而目前的耕地只有18.26亿亩, 无限制发展就会突破18亿亩耕地红线。
“城市病”频发交通入地是关键
重庆商报:有专家称, 中国目前已经面临“城市病”高发期危险, 应如何治疗?
钱七虎:5年前, 有人预测北京到2010年底, 汽车保有量为300万辆, 实际上, 目前已有500万辆。预计到2020年, 中国汽车保有量就将达到惊人的1.5亿辆, 如果现在不加以应对, 将是一场大考验。因此, 交通入地是突破口。
目前, 国际上已有很多实例证明, 地下空间开发利用是提高城市土地利用效率、缓解城市中心密度、减少环境污染最有效的途径。
城市建设不能再只盯着地面了, 应当充分利用地下空间, 把交通、污水处理、商场等都向地下转移, 其中, 交通是突破口。
重庆商报:北京、上海地铁线长度已超过500公里, 但堵车依然严重, 这是为什么?
钱七虎:地铁交通便捷、容量大、速度快, 是解决城市拥堵的出路。但因路网不完善, 所以未能明显改变城市拥堵现状。
因此, 除了建地铁外, 还应建设城市地下快速路、地下磁悬浮和地下物流运输系统, 以形成完善的地下物流客运系统。现在, 已有很多城市在建设地下快速路, 如东京的环线, 已建成了第一条11公里长的地下路。
如果一层不够, 可建两层、三层……现在科学研究已证明, 地下100米都是可以利用的, 比如东京的地下商场已建到6层。
磁悬浮列车入地速度可快过飞机
重庆商报:地下管道物流运输, 犹如是在讲科幻, 请问钱老, 它是怎样的一种具体运行方式?
钱七虎:这属于比较前沿的技术, 目前全球还没有实际投用的类似设置。简单来说, 地下物流分为三部分, 一是垃圾和废物管道, 二是原料如钢材、水泥等管道, 三是供普通货物和集装箱运输的管道。三个管道各自独立运作, 垃圾废物管道直接连到垃圾处理场, 原料管道连到建设工地和各种工厂。以后, 城外货物通过火车或货车, 运输到城市边缘的物流园区, 分类编组后, 由无人驾驶、设定有地址的自动导向车, 运送到城市各个终端。
重庆商报:地下管道物流运输好处在哪里, 实现有难度吗?
钱七虎:好处很多, 首先可减少城市中的卡车和货车, 减少城市污染;同时, 能提高物流效率, 你想想, 在城市地下, 有一个四通八达的网络, 能够快速将各种原材料和货物送到目的地, 将是怎么样一个高效的社会。
重庆商报:地下磁悬浮列车又是怎么运作的, 有哪些好处?
钱七虎:磁悬浮列车是地铁的升级换代。列车以电力驱动, 在封闭良好、几乎真空的环境中运行, 阻力很小, 没有摩擦, 不需要滑行, 也不需爬升, 速度惊人, 甚至比飞机还快。地下磁悬浮列车不占用地面土地;电力驱动, 不产生温室气体;不受气候影响, 不会晚点。
重庆商报:采用地下磁悬浮列车, 造价高吗?
钱七虎:物流和磁悬浮造价相对较高, 但随着科技发展, 也会降到一个可以接受的水平。至于地下快速路, 我测算过, 目前地铁的造价每公里5亿~6亿元计算, 由于修建地下快速路不需要像地铁那样建车站和复杂的信号系统、设备系统, 其造价应约为地铁线的一半, 充其量为每公里3亿元。何况地下快速路省去了拆迁费和土地费, 计入这个因素后, 地下路的造价应该比地面路和高架路都低。
地下空间合理规划有序分流避免打架
重庆商报:这么多项目集中到地下, 会不会导致“打架”?
钱七虎:地下空间很大, 可分浅层、次浅层、次深层、深层开发。浅层建商场、娱乐场所;地铁交通放在次浅层;物流运输管道和磁悬浮可以放在最下面。
记者:地下空间在规划时特别需要注意什么?