本报告所含建议不会产生任何财务影响。本报告包含省政府提议的在布鲁尔街、央街和大学大道或部分路段安装和可能拆除自行车道的成本估计财务影响的初步摘要。报告承认市政府投资约 2700 万美元在这些街道上安装现有自行车道基础设施。此外,报告估计拆除布鲁尔街、央街和大学大道的自行车道并代之以机动车道的成本约为 4800 万美元。鉴于正在考虑的拟议立法变更是近期的,本报告所含的估计只是初步的(数量级),有待进一步审查和完善。首席财务官和财务主管已审查了本报告并同意财务影响部分中提供的信息。
•1级T&R研究:也称为“草图”或“筛选”水平研究。1级研究利用现有的数据源和模型来筛选项目并提供概念流量和收入预测。•2级T&R研究:使用现有的旅行需求模型,但结合了新的交通计数以及速度和延迟研究。A级研究还包含了一项社会经济审查和人口普查统计的时间价值。这项研究导致了初步的流量和收入预测。•3级 /投资级T&R研究:使用完整的旅行需求模型和预测。A级研究纳入了新的交通计数,速度和延迟研究,Toll政策,来源和目的地调查,陈述了偏好调查,并纳入了独立的经济审查。3级研究会导致“认证”或“投资等级”的流量和收入预测,可用于满足贷方,投资者或评级机构的要求。
b" 物业的地址和法定描述 显示所有者和留置权人的所有权证明(如果有) 拟议用途的简要描述,包括以叙述形式表示的与第 7.131 节中规定的审查和评估标准相关的信息。PDF 副本通过电子邮件发送至 scollier@fbgtx.org 场地平面图应按比例绘制,并具有足够的尺寸以显示以下内容: 日期、比例、北角、标题、所有者姓名和编制场地平面图的人员姓名。 所有现有和拟议建筑物和土地改良的边界线、地役权和所需院子和后退距离的位置和尺寸。 场地上现有和拟议建筑物的位置、高度和预期用途,以及 50' 范围内毗连场地上建筑物的大致位置 现有和拟议改良的位置,包括停车和装卸区、行人和车辆通道以及公用设施或服务区。 现有和拟议围栏和屏障的位置。 第 7.940 节 拟议的外部照明,包括灯具类型。第十五条 - 室外照明 现有水道、排水设施和百年一遇洪泛区的中线。在受百年一遇洪泛区影响的场地,不透水覆盖和建筑覆盖以洪泛区外的区域为准。提供相应的计算。现有和拟建街道和小巷的位置和大小。现有和拟建停车和装卸空间的数量,以及适用的最低要求的计算。第 7.860 节分区摘要,包括类型、最小和实际地块面积、退让区、最大和实际建筑高度、建筑覆盖和不透水覆盖。坡度为 10% 或更大的场地,提供现有和拟建的地形和分级(5 英尺最小轮廓间隔)以及侵蚀控制措施。标志的位置。第 29 章需要屏蔽的固体废物容器的位置。第 7.980 节拟建和现有水、下水道和电力设施的位置。街道交叉口和车道上可见三角形的位置。消防通道景观美化,包括场地上现有树木的位置、大小和种类,所有拟建景观区域的面积,第 7.920 节适用费用注:弗雷德里克斯堡市可能需要更多信息来完成对拟建项目的审查。”
大型住房和就业发展必须寻求最大程度地减少其对附近乡村车道的影响,以帮助维持其特殊特征,并通过步行/驾驶和骑自行车来促进新居民的休闲和公用事业旅行。在分配住房和就业地点时,本地计划还必须阐明这些分配的影响以及所需的缓解以克服影响。这些缓解必须在伴随当地计划的基础设施交付计划中列出。预计将在周围的本地车道网络上进行Wolvershill,Yanley和Nailsea/Backwell缓解。
除了物理可逆性之外,逻辑可逆性还有许多其他原因和好处 [3]。后一种形式的可逆性涉及增强系统和软件(运行在物理不可逆的硬件上),使其能够撤消(或模拟撤消)计算。有可逆编程语言,如 Janus [4],也有用于逆向传统命令式编程语言的技术,如 C [5]。我们还发现了如何逆转并发程序和系统的计算的基础知识 [6],[7],[8],[9]。本文旨在通过一个机器人案例研究来介绍可逆计算的主题,其中逻辑可逆性产生了影响。该案例研究以及更普遍的欧洲可逆计算研究得到了 COST Action IC1405(关于可逆计算 - 扩展计算视野)的部分支持 [10]。我们将简要介绍我们开发的理论,并解释它们如何帮助我们解决案例研究中的实际问题。我们还将指出我们如何调整正式技术以加强传统的人工智能规划方法,从而产生完整的工作解决方案。我们的案例研究是关于对工业机器人进行编程,使其执行装配操作(即制造实体产品),基于人工智能规划器生成的固定装配顺序,实现自动错误恢复甚至自动拆卸。错误恢复是通过暂时反转执行方向、有效撤消最近的步骤,然后重试来实现的。这种方法在机器人的物理世界中效果很好,因为轻微的不精确可能会导致机器人卡住,但部分拆卸物体并重试通常可以解决问题。在极端情况下,整个装配顺序可以逆转,从而有效地提供一种自动拆卸物体的方法。因此,我们展示了传统的基于人工智能的规划方法如何通过底层可逆执行模型得到丰富,该模型依赖于机器人系统的实现,以提供执行规划的稳健、概率方式。该方法基于 Janus 可逆编程语言 [ 4 ] 的原理,其中计算的每一步都必须本身