论文摘要
随着世界各国经济的发展,国际贸易范围日益扩大,贸易额不断增加,交通运输业,尤其是海运事业蓬勃发展,各个港口集疏运的能力不断接受着巨大吞吐量的挑战。为了提升自身水平,全面提高国际运输服务水平,港口经营者和政府相关部门积极探索发展道路完善港口通过能力。海铁联运,作为多式联运中重要的一种,连接海运与陆地铁运,既提高运输效率又节省资源,在集疏运各方式中体现出诸多优势,因此得到了迅速发展。在此背景下,本文通过预测海铁联运发展前景和分析成本效益优势,论述海铁联运的发展必要性和重要性。本文以介绍海铁联运相关概念开始,综合国内外相关研究现状,提出研究论述的意义所在。论文第三章、第四章是主体部分,分别对海铁联运中大陆桥运输的运量进行预测分析以及针对海铁联运的换装效率和运输成本与其他联运方式进行比较分析,综合阐述海铁联运的应用范围和优势所在。并在第五章中引用新型柔性轨道解决方案,在一定假设的条件下,提高海铁联运换装环节效率。接着针对第二章和第四章所提出的存在于海铁联运发展中的问题,给出相应的对策和建议。最后总结全文的论述说明,再次强调发展海铁联运的重要性。全文的重点在于选取海铁联运中大陆桥运输运量作为预测对象进行预测,以及确定效益分析准则两个方面。在预测上,根据所采集的数据特征,选取多变量灰色系统数列预测模型预测是比较恰当的。另一方面,从换装效率和成本,以及运输费用两方面出发,与其他联运方式对比分析海铁联运的效益优势,能够比较全面的反映出海铁联运发展的重要性和必要性。
论文目录
相关论文文献
- [1].基于灰色模型的铁路分品类货运量预测[J]. 交通运输工程与信息学报 2014(03)
- [2].基于“三阶段法”的高速铁路短期运量预测[J]. 石家庄铁道大学学报(自然科学版) 2014(03)
- [3].南昌至厦门(福州)高速铁路运量预测研究[J]. 铁道勘测与设计 2019(03)
- [4].胶济客专运量预测后评价研究[J]. 科技展望 2016(11)
- [5].“一带一路”背景下郑州局集团公司货运量预测[J]. 哈尔滨铁道科技 2019(04)
- [6].中老铁路贸易货运量预测[J]. 中国铁路 2014(05)
- [7].基于小波神经网络的货运量预测[J]. 后勤工程学院学报 2013(06)
- [8].基于灰色马尔可夫链模型的航空货运量预测研究[J]. 武汉理工大学学报(交通科学与工程版) 2010(04)
- [9].汝河复航工程水运量预测研究[J]. 中国水运 2020(02)
- [10].基于Holt-Winters模型的铁路月度货运量预测研究[J]. 交通运输工程与信息学报 2017(02)
- [11].松虎航道水运量预测的探讨[J]. 智能城市 2018(20)
- [12].基于小波去噪和FG-Markov的货运量预测(英文)[J]. Journal of Measurement Science and Instrumentation 2020(03)
- [13].霸州至商丘铁路运量预测研究[J]. 铁道勘测与设计 2017(04)
- [14].基于多元回归模型预测区域货运量——以无锡市市区货运量预测为例[J]. 企业改革与管理 2014(22)
- [15].基于压缩感知的灰色理论模型及其在航空货运量预测中的应用[J]. 成都理工大学学报(自然科学版) 2014(05)
- [16].基于城市产业结构变化的货运量预测实证研究[J]. 交通与运输 2008(02)
- [17].基于KS检验的铁路车站日常货运量预测[J]. 综合运输 2018(12)
- [18].新建铁路运量预测的公路OD推算模型研究[J]. 铁道运输与经济 2019(06)
- [19].基于GA-SVM的三峡大坝过坝货运量预测[J]. 物流技术 2018(09)
- [20].基于改进的GM(1,N)货运量预测模型[J]. 铁道科学与工程学报 2017(01)
- [21].基于自适应神经模糊推理系统的货运量预测研究[J]. 中国管理信息化 2011(24)
- [22].基于随机灰色蚁群神经网络的集装箱结点站运量预测[J]. 铁道科学与工程学报 2011(02)
- [23].中国民航货运量预测规则集及其应用[J]. 中国民航大学学报 2017(03)
- [24].基于多重“分解—集成”策略的物流货运量预测[J]. 交通运输系统工程与信息 2015(01)
- [25].基于协整分析的我国货运量预测[J]. 物流科技 2010(04)
- [26].改进的灰色预测模型在过坝货运量预测中的应用[J]. 水运工程 2009(06)
- [27].灰色预测模型在过坝货运量预测中的应用[J]. 中国水运(下半月) 2008(08)
- [28].基于LIBSVM和时间序列的区域货运量预测研究[J]. 计算机工程与应用 2013(21)
- [29].基于GM(1,1)模型的公共交通运量预测[J]. 北京信息科技大学学报(自然科学版) 2018(06)
- [30].基于灰色Verhulst模型的民航远期货运量预测研究[J]. 华东交通大学学报 2013(03)