版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
地铁大线网条件下乘客SPSL路径选择模型张永生;姚恩建;刘莎莎;李斌斌【摘要】针对现有地铁乘客路径选择模型忽视路径重复和OD对尺度效应的问题,通过分析地铁网络中OD对尺度效应,构建地铁大线网条件下乘客SPSL(ScaledPathSizedLogit潞径选择模型.首先,将乘客对路径效用感知误差的Gumbel分布的尺度系数推导为OD对间最短乘车时间的函数,以反映乘客对路径效用的感知误差随OD对尺度增大而增大的规律;其次,将除乘车时间之外的其他因素(换乘次数、换乘时间、舒适程度等)乘以尺度系数的倒数,用以表示随着乘车时间的增加,其他因素对路径效用的影响增大;最后,给出表征路径重复程度对路径效用影响的修正公式,并建立单位换乘次数与乘车时间的替代关系,实现换乘次数和乘车时间对乘客路径选择偏好影响的对比.基于广州地铁调查数据标定模型的参数,验证SPSL模型的优越性和有效性;基于SPSL模型进行换乘量的估算并与其他既有模型对比,结果显示基于SPSL模型估算换乘量的误差最小.【期刊名称】《中国铁道科学》【年(卷),期】2016(037)005【总页数】7页(P138-144)【关键词】路径选择行为;客流;路径重复;换乘量;地下铁道;大线网【作者】张永生;姚恩建;刘莎莎;李斌斌【作者单位】北京交通大学交通运输学院,北京100044;北京交通大学交通运输学院,北京100044;北京交通大学交通运输学院,北京100044;北京交通大学交通运输学院,北京100044【正文语种】中文【中图分类】U231;U239.5;U293.13我国的城市地铁网络发展迅猛,北京、上海、广州等特大城市已经形成了地铁大线网,使得地铁乘客出行可以选择的路径更多,但影响路径选择的因素也更加多样化。对地铁乘客路径选择行为进行分析,深入挖掘影响地铁乘客路径选择的因素和各影响因素之间的相关关系,并测算出地铁乘客综合考虑各因素后选择不同路径的比例,是为地铁乘客提供个性化路径导航服务的基础,也是生成断面流量、换乘量和线路流量等地铁客流量的前提,而地铁客流量可以为地铁运营管理部门确定票务清分比例、制定地铁列车开行计划、策划地铁客流组织、规划地铁新线开通方案、研究地铁新线开通对既有地铁线网的影响和评估地铁服务水平等提供数据支持[1]。因此,开展地铁乘客路径选择行为的研究具有重要的理论和现实意义。离散选择模型[2]从微观经济学角度将乘客个体的路径选择过程模型化,可以很好地揭示影响乘客个体路径选择的因素及各因素间的相互替代关系,是研究地铁乘客路径选择行为的主要工具之一。离散选择模型用乘客对路径的感知效用表示乘客感知到的各因素对路径选择的综合影响,路径选择过程就是选择乘客感知效用最大路径的过程。在众多的离散选择模型中,MNL(MultinomialLogit)模型[3]由于具有易于估算参数和拓展应用等优点,而被国内夕卜学者广泛应用。Daamen[4]、Raveau[5]分别基于MNL模型构建了轨道交通乘客路径选择模型,探讨了轨道交通服务水平、个体属性、出行目的、路网拓扑结构等因素对乘客路径选择偏好的影响;国内学者四兵锋[6]、张永生[7]以及刘莎莎[8]等分别基于该模型研究了轨道交通网络均衡、客流需求预测以及个性化路径导航等问题。但MNL模型假设其误差项服从IID(IndependentandIdenticalDistribution)Gumbel分布,从而导至攵了路径重复问题和忽视了OD(Origin-Destination)对尺度效应(即长短路)问题。路径重复问题指的是MNL模型因假设路径之间独立不相关,而忽略了不同路径之间因共享部分路段而产生的相互影响关系;OD对尺度效应问题指的是MNL模型因假设乘客在不同OD对下的路径选择行为是一致的,而忽视了OD对之间的差异性。针对MNL模型存在的路径重复问题,一些学者对MNL模型进行了改进,比如Raveau[9]基于MNL模型构建的C-Logit模型,可用于分析地铁乘客路径选择中出现的路径重复问题,但缺少对OD对尺度效应问题的讨论。刘剑锋[10]、Chen[11]和赖信君[12]等针对OD对尺度效应问题进行了研究,但他们的研究在应用于多因素影响下的乘客路径选择问题时存在参数标定困难,而且只考虑了乘客对路径的感知效用的感知误差随OD对尺度效应的变化而变化的问题,忽视了地铁某些因素(如换乘次数)对路径效用的影响随乘车时间的增加而增加的现象。综上,本文根据地铁路网的特点,综合考虑路径重复问题和OD对尺度效应问题,采用构建PSL(PathSizedLogit)模型[13]的思路描述路径重复问题,进而构建地铁乘客SPSL(ScaledPathSizedLogit)路径选择模型,分析OD对尺度效应影响下地铁乘客路径选择各影响因素间的相互替代关系,并将其应用到换乘量估算中。1路径选择建模1.1地铁网络中的OD对尺度效应为更直观地分析地铁网络中的OD对尺度效应,本文只考虑旅行时间和换乘次数对路径效用的影响。如图1所示,在2个OD对R1—S1和R2—S2中,R1和R2为出发站,S1和S2为目的站,A和B为换乘站,L1,L2,L3和L4分别是这2个OD对的路径,且对应的旅行时间分别为110,100,20和10min,各路径独立且不相关。旅行时间包含乘客从进出发站到出目的站花费的包括乘车时间和换乘时间在内的所有时间,且假设乘车时间、换乘时间等各种时间对乘客路径选择的影响是相同的。图1地铁网络OD对尺度效应示意图根据MNL模型,各路径被选择的概率为P(L1)=P(L3)和P(L2)=P(L4),显然,该结果并不符合实际。为说明OD尺度效应对路径选择结果的影响,本文进行如下分析。如果当车站A和B不是换乘站而是通过站时,由于乘客在实际出行中对经由各条路径所花费的出行时间均存在感知误差,即相对于20和10min的短路径,乘客仅靠直觉无法准确区分走100与110min长路径时的真实差距。因此,按每个OD对下各条路径的选择概率之和为100%考虑,则OD对R1—S1的路径L1和L2的选择概率应该相差不大,更接近50%。比如若P(L1)=40%,则P(L2)=60%;而OD对R2—S2的路径L3和L4的选择概率则会有明显的差异,比如P(L3)<40%,则P(L4)>60%。由此可以得出各条路径实际被乘客选择的概率会满足P(L4)>P(L2)>P(L1)>P(L3),这说明OD对之间的差异性会影响路径的选择概率。虽然这2组数据的差值均为10min,但该差值在OD对R1—S1下对路径选择的影响要小于在OD对R2—S2下,即随着OD对间最短旅行时间的增加,乘客对路径的感知效用的感知误差也随之增大,这就是现有文献中常提到的OD对尺度效应。如果当车站A和B是换乘站时,那么对于乘客来说,不只是增加了换乘时间,还有体力和精神上的付出,因此换乘次数和旅行时间都会影响路径选择的结果。但因换乘次数和旅行时间是不同量纲的变量,所以无法直接对比两者对路径选择结果的影响。根据随机效用理论,通过边际替代率转换,可以得到换乘次数和旅行时间之间的相互替代关系,即换乘1次相当于增加多长旅行时间的替代关系。如果按照传统Logit路径选择模型和为解决OD对尺度效应的既有改进Logit模型[10-12],对该替代关系的变量取定值,即不会随着OD对间最短旅行时间的变化而变化。但是,本文为直观地说明该变量的取值具有变化性,现考虑换乘次数与旅行时间的替代关系,假设在OD对R2—S2下换乘1次相当于又额外增加了10min的旅行时间;由图1虽然路径L4的旅行时间比路径L3的少10min,但由于乘客走路径L4时比走路径L3多了1次换乘,因此考虑换乘次数与旅行时间的替代关系后乘客走路径L4花费的旅行时间也相当于20min,此时路径的选择概率满足P(L4)=P(L3)。若OD对间最短旅行时间增大到OD对R1—S1的规模,则根据实际经验和现有文献对OD对尺度效应的描述,相对于20和10min的路径,乘客更难准确区分100和110min路径的真实差距,即虽然2组数据的差值均为10min,但该差值在OD对R1—S1下对路径选择的影响要小于在OD对R2—S2下的;因此,从走路径L2比L1多了1次换乘考虑,并结合对路径L3和L4的选择概率,此时乘客对路径L1和L2的选择概率应满足P(L1)>P(L2)。该结果说明在OD对R1—S1下换乘1次对乘客对路径的感知效用的影响要大于考虑换乘次数与旅行时间的替代关系后所增加的10min旅行时间对路径效用的影响,即在OD对R1—S1下换乘1次等价的旅行时间大于10min。上述现象表明,随着OD对间最短旅行时间的增加,换乘次数对路径效用的影响越来越大,这就是现有文献所忽视的另一种OD对尺度效应。为反映OD对尺度效应的上述2种表现,同时考虑路径重复问题,本文构建了地铁乘客SPSL路径选择模型,并对其进行应用检验和分析。1.2地铁乘客SPSL路径选择模型影响地铁乘客路径选择行为的因素有很多,主要有乘车时间(包括进站时间、列车行驶时间和列车站停时间等)、换乘次数及换乘时间(包括换乘走行时间和换乘候车时间等)、舒适程度等。其中,路径的长度因与旅行时间(乘车时间与换乘时间之和)具有很大的相关性而不被本文考虑。为综合考虑各因素对地铁乘客路径选择行为的影响,通常利用随机效用理论将各影响因素统一为乘客对路径的感知效用,即乘客n对从车站r到s的路径k的感知效用可以表示为(1)式中:为感知效用函数为感知效用函数的确定项为感知效用函数的随机项,也就是乘客n对路径k的路径效用的感知误差。针对OD对r—s间的各条路径,假设乘客对路径的感知效用的感知误差均服从于独立且不相关的同一Gumbel分布其尺度系数为则乘客n对路径k的路径效用的感知误差的方差为(2)根据Gumbel分布的性质[2],乘客n选择路径k的概率为⑶式中:为OD对r—s间备选路径集合。集合中的路径k需满足以下条件:⑷⑸式中:和分别为乘客走路径k时花费的乘车时间和换乘次数和分别表示OD对r一s间的最短乘车时间和最少换乘次数;d,b和c均为参数。在MNL模型中,一般将不同OD对下的尺度系数取为相同值,即乘客对不同OD对下各条路径的路径效用的感知误差是一样的,忽略了OD对之间的差异性。这就是导致OD对尺度效应问题的原因之所在。实际情况是,在不同的OD对下,乘客对路径效用的感知误差应该是不一样的。乘客对路径效用的感知误差不仅受感知效用函数中各因素的影响,还受一些不可观测因素(如对路径的熟悉程度等)的影响,因此,在理论上是无法获得感知误差精确取值的,也即式(2)中的尺度系数无法准确确定。但地铁网络中不同OD对尺度系数之间的差异(即感知误差的方差的差异)在一定程度上因为主要受最短乘车时间变化的影响,所以,某OD对的尺度系数可以近似表示为该OD对间最短乘车时间的函数,描述如下。假设单位乘车时间的感知误差服从于参数为(0H)的Gumbel分布,则根据Gumbel分布特性,倍的乘车时间的感知误差服从于参数为的Gumbel分布,即(6)式中,考虑到参数『和感知效用函数确定项中的参数在标定时的可识别性,参数『一般取为1。根据前文对地铁网络中OD对尺度效应的分析可知,随着OD对尺度(r—s间最短乘车时间的增大(即如式(6)所示OD对尺度系数的减小),其他因素(如换乘次数、换乘时间、舒适程度等)对路径效用的影响也逐渐增大,这些其他因素的系数可以表示为OD对尺度系数倒数的函数,则感知效用函数中的确定项为⑺其中,(8)式中:针对OD对r—s间的路径为除乘车时间之外的其他因素;H为包括乘车时间在内的影响因素个数;伽,1为乘车时间的待定系数;en,h为其他因素h的待定系数为表征路径重复程度对路径效用影响的修正项[13];la为路段a的长度;Lk为路径k的长度;rk为组成路径k的路段集合;若路段a在路径k上,则8a,j=1,否则,&,j=0。最后,将上述各式联立即构成地铁乘客SPSL路径选择模型,即乘客n选择路径k的概率为⑼另外,如果假定乘客是同质的,则模型参数en,1,en2...,en,H可以等价为参数01,…,0H,这些参数可以利用极大似然估计算法以及现有的成熟软件如Gauss,NLogit等很容易进行估计,具体过程限于篇幅不再螯述。1.3影响因素间的替代关系分析在感知效用函数中,乘车时间和换乘次数是具有不同量纲的变量,由于变量间量纲的不同而无法直接对比它们对路径效用影响的差异。本文通过计算换乘1次等效的乘车时间(以下称单位换乘次数等效乘车时间),以解决此难题,实现换乘次数和乘车时间对乘客路径选择偏好影响的对比,即可以更直观地反映乘客在选择路径时对换乘次数和乘车时间的权衡,也可以量化换乘次数和乘车时间对路径效用的影响程度。单位换乘次数等效乘车时间可以用效用的边际替代率表示,即(10)由式(10)可知,随着OD对尺度系数的减小(即OD对r—s间最短乘车时间的增大),单位换乘次数等效乘车时间在增加,换乘次数对路径效用的影响程度也相应增大。该结果印证了本文“1.1地铁网络中的OD对尺度效应”所做的分析。2应用分析如图2所示,截止2014年7月份,不含自动运输系统(APM线),广州地铁共有运营线路8条,车站136座(其中换乘站19座),运营里程达250km以上。广州地铁网络比较复杂,乘客出行的可选路径较多,适合用文本地铁乘客路径选择模型进行分析。图2广州地铁线网示意图2014年7月份对广州地铁乘客出行特征进行调查,共收回有效问卷14142份。通过对调查数据的分析,获得了乘客真实的出行路径和乘客的出行特性(如进站时间段等)。本文假定乘客是同质的,并选用乘车时间换乘次数换乘时间和舒适程度等影响因素作为模型变量,则对应的参数分别为01,02,03,04.其中的舒适程度为0—1变量,是对路径平均满载率的描述,若路径的平均满载率小于20%,该变量取值为1,表示路径的舒适程度高,否则为0。各模型变量的值从广州地铁公司的路网拓扑数据和运营数据中获得,而对应的参数值则根据调查数据通过极大似然估计法得到。考虑到城市轨道交通乘客路径选择行为的既有研究以MNL模型为主,因此本文通过对比MNL模型和SPSL模型的参数估计值以及分别应用于换乘量预测的预测效果,以说明本文所建模型的优越性。构造备选路径集合时,对于式(4)和式(5),本文取d=3,b=30min,c=2。基于调查数据中的RP(RevealedPreference)数据(即乘客真实的出行路径),利用极大似然估计法对式(9)中的参数进行估计。考虑到高峰时段出行的乘客大都以通勤出行为主,与平峰时段出行的乘客成分相比差别很大,因此分别按高峰时段(7:00—9:00和17:00—19:00)和平峰时段2种情况对地铁乘客出行路径选择模型的参数进行估计,结果见表1。由表1可知,各参数t-值的绝对值均大于1.96,表明有95%的可信度认为各参数的估计值可信,可以用于各参数的标定。此外,乘车时间、换乘次数和换乘时间的系数均为负值,表明随着路径乘车时间、换乘次数和换乘时间的增加,乘客选择该路径的概率越小,即乘客倾向于选择乘车时间短、换乘次数少和换乘时间短的路径;舒适程度的系数04为正值,表明在相同的情况下,乘客更愿意选择满载率比较较小的路径。两模型的拟合优度p2均大于0.2,说明模型可以很好地解释数据的变化规律,模型的整体拟合效果比较理想。对比两模型的拟合优度,不论是在高峰时段出行还是平峰时段出行,SPSL模型的均大于MNL模型的,说明SPSL模型对调查数据的解释性优于MNL模型。表1模型各参数的估计值参数高峰时段出行平峰时段出行MNL模型参数值(t-值)SPSL模型参数值(t-值)MNL模型参数值(t-值)SPSL模型参数值(t-值)01-12142(-30674)-6179(-28787)-13314(-32667)-6342(-25316)02-2009(-10277)-1455(-15199)-2117(-16239)-1657(-15380)03-13723(-15574)-6217(-4408)-13928(-16774)-6355(-1962)040015(4014)0023(15523)0017(6511)0027(14459)p20401053503890526样本量6874687472687268根据对SPSL模型各参数的标定结果,利用公式(10)即可得到每个OD对下广州地铁乘客在高峰时段和平峰时段出行时的单位换乘次数等效乘车时间。通过统计,以OD对间最短乘车时间为横轴,以OD对的数量为纵轴,得到OD对数量分布情况,如图3所示。图3OD对数量分布由图3可知,单位换乘次数等效乘车时间在不同OD对下的取值不同,印证了前文关于换乘次数对路径效用的影响随着OD对路径上最短旅行时间的变化而变化的分析。乘客在高峰和平峰时段出行对应的单位换乘次数等效乘车时间的平均值分别为7.105和7.883min-次-1,高峰时段出行时的单位换乘次数等效乘车时间小于平峰时的,说明相对于平峰时段,乘客在高峰时段出行时换乘次数对路径效用的影响较小,乘客更加偏好旅行时间短的路径;同时,也说明乘客在平峰时段出行时对换乘次数更加敏感,更喜欢选择换乘次数少的路径。换乘量是换乘通道客流组织、各条线路协同运行计划制定、换乘效率评估和换乘站设计等的依据,也是微观的个体路径选择概率在宏观的客流数据中的体现。本文通过估算换乘量,一方面可以说明路径选择模型的应用场景,另一方面也可以间接验证路径选择模型参数的标定结果。换乘量的估算方法是:分别基于高峰和平峰时段的路径选择模型以及式(9),可以获得乘客在高峰和平峰时段从路径集合中选择各条路径的概率,然后乘以不同时间窗下的OD客流量即可获得在该时间窗下选择各条路径出行的客流量,进而基于列车时刻表便可统计得到各换乘站在各时间窗下的换乘量,最终将各时间窗下的换乘量累加即可得到全天换乘量。本文选用广州地铁2014年8月份的平均OD客流量、路网拓扑数据、运营基础数据等作为输入数据,获得路径选择模型中对应不同路径的各个变量值和每15min时间窗下的OD客流量,并以广州地铁目前所用清分算法得到的换乘量为验证数据。考虑到广州地铁统计的每15min时间窗下的OD客流量数据是以乘客出站时刻所处的时间窗为判断依据的,因此基于路径流量进行客流统计时需从路径的终点站倒推至路径的起始站。最终,得到了各换乘站在各换乘方向上全天的换乘量,共138组数据,其中,全天换乘量以45度线图形式列于在图4中,该图中的横轴为验证值,纵轴为估算值,数据点越接近45度线,表明估算值越接近验证值;图4(a)用于验证MNL模型,图4(b)用于验证SPSL模型。对比图4(a)和图4(b)可知,图4(b)中的数据点相对更集中于45度线附近,表明基于SPSL模型得到的各换乘站在各换乘方向上全天换乘量估算值更接近于验证值,而且基于MNL模型的估算值的平均相对误差为9.34%,基于SPSL模型的估算值的平均相对误差为6.98%,由此结果表明SPSL模型优于MNL模型。另外,基于SPSL模型估算的换乘量精度也能满足运营管理部门对数据精度的需求,而且,随着乘客出行个性化需求的增加和运营管理部门对数据精准化需求的提高,该模型有很好的应用前景。图4换乘量估算效果验证3结论在地铁大线网条件下乘客的路径选择规律更加复杂,OD对尺度效应对乘客路径选择结果的影响更加明显。现有的地铁乘客路径选择建模普遍对OD对尺度效应考虑不足,针对OD对尺度效应带来的乘客对路径效用感知误差随OD对尺度的增大而增大和换乘次数等对路径效用的影响随着乘车时间的增加而增大等问题,同时考虑重复路径问题,本文构建了地铁乘客SPSL路径选择模型。通过利用广州地铁调查数据对该模型的参数进行标定和基于标定的模型对换乘量进行估算,证实了本文所建SPSL模型优于MNL模型,说明本文所建模型可以很好地反映OD对尺度交攵应对乘客路径选择偏好的影响。同时,文中分析了不同出行时间段下乘客的路径选择偏好,发现高峰时段出行时单位换乘次数等效乘车时间的平均值小于平峰时段出行,说明相对于高峰时段,乘客在平峰时段出行时更加不喜欢换乘次数多的路径;相对于平峰时段出行,乘客在高峰时段出行时更愿意选择旅行时间短的路径。参考文献吴小萍,陈秀方.城市轨道交通网络规划理论方法研究进展[J].中国铁道科学,2003,24(6):111-117.(WUXiaoping,CHENXiufang.ProgressofStudyonUrbanMassTransitNetworkPlanningTheoryandMethodology[J].ChinaRailwayScience,2003,24(6):111-117.inChinese)BEN-AKIVAM,LERMANSR.DiscreteChoiceAnalysis:TheoryandApplicationtoTravelDemand[M].7thed.London:MITPress,1985.MCFADDEND.TheRevealedPreferencesofGovernmentBureaucracy[J].BellJournalofEconomicsManagementScience,1968(6):401-416.DAAMENW,BOVYPHL,HOOGENDOORNSP,etal.PassengerRouteChoiceConcerningLevelChangesinRailwayStations[C]//The84thTransportationResearchBoardAnnualMeeting.WashingtonDC,US:2005.RAVEAUS,MUNOZJC,GRANGELD.ATopologicalRouteChoiceModelforMetro[J].TransportationResearchPartA:PolicyandPractice,2011,45(2):138-147.四兵锋,毛保华,刘智丽.无缝换乘条件下城市轨道交通网络客流分配模型及算法[J].铁道学报,2007,29(6):12-18.(SIBingfeng,MAOBaohua,LIUZhili.PassengerFlowAssignmentModelforUrbanRailwayTrafficNetworkundertheConditionofSeamlessExchange[J].JournaloftheChinaRailwaySociety,2007,29(6):12-18.inChinese)张永生,姚恩建,代洪娜.成网条件下地铁换乘量预测方法研究[J].铁道学报,2013,23(11):1-6.(ZHANGYongsheng,YAOEnjian,DAIHongna.TransferVolumeForecastingMethodfortheMetroinNetworkingConditions[J].JournaloftheChinaRailwaySociety,2013,23(11):1-6.inChinese)刘莎莎,姚恩建,张永生.轨道交通乘客个性化出行路径规划算法[J].交通运输系统工程与信息,2014,14(5):100-104.(LIUShasha,YAOEnjian,ZHANGYongsheng.PersonalizedRoutePlanningAlgorithmforUrbanRailTransitPassengers[J].JournalofTransportationSystemsEngineeringan
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 初中音乐七年级下册《伏尔塔瓦河》审美体验与创意实践教学设计
- 八年级数学下册《函数的表示方法》教学设计
- 陕西省榆林市2027届高三10月第一次检测训练语文试题及参考答案
- 山东省2027年春季高考英语英汉互译专项模拟试题100题
- 通知合作供应商2026年原材料采购计划变更7篇
- 采购业务供应链绩效考核表
- 环保排放标准升级通知2026(5篇范文)
- 关于项目报告提交时间的回复函(7篇范文)
- 智能制造生产物料归档管理指引
- 幼儿园团队管理绩效评估表
- AQ6201-2024《煤矿安全监控系统技术要求》
- 河南省煤矿瓦斯地质图图集
- 睡眠健康讲课课件图片
- 供电公司消防培训课件
- DBJ04-T271-2025 《城镇道路工程施工技术标准》
- T/CHES 54-2021取水权交易可行性报告编制导则
- 五金车间承包合同范本
- 超声产前筛查试题及答案
- 供应商准入的12道流程
- 教职员工违法犯罪信息动态筛查工作制度
- 卫生间重新装修协议书范文范本
评论
0/150
提交评论