考虑运输方式间影响关系的公路客运交通需求预测

为了准确预测公路客运交通需求,保证客运量的预测精度,需要全面考虑运输方式间关系,甄选影响因素(人口、国内生产总值、公路里程、高速铁路、航空设施可达性)。依据全国31个省市15 a相关数据收集,按照虚拟变量形式,即有无高速铁路和航空设施可达性强弱划分为4种情况,获得了考虑铁路、航空影响的公路客运交通需求预测模型。并运用预测结果与现实数据之间的误差分析证明了虚拟变量模型构建的正确性。结果说明:在高速铁路建设与否和航空设施可达性不同的情况下,公路客运交通需求具有差异,表明公路、铁路、航空间存在竞合关系。获得了影响因素与客运需求间弹性系数,为可持续发展的客运交通系统构建提供参考。     

运输通道客运需求方式结构组合预测方法研究

在阐述客运需求结构的定义及其影响因素的基础上,探讨客运需求方式结构的形成机理。基于此形成机理,提出旅客出行选择运输方式的层次结构过程,并依此构建间接预测模型。将间接预测模型与MNL模型（直接预测模型）进行组合预测,通过对2种模型预测结果进行差异化的权重赋予,从而形成最终预测结果。以沪宁运输通道为实例对该组合预测方法进行试验,并对预测结果与现状数据进行比较,结果表明该组合预测方法具有较好的可行性。     

赤峰市旅客发送量分析预测

科学预测地区客运量,可以为交通运输管理部门合理制定交通运输规划提供依据与数据支持,有利于其规划管理地区客运发展。文中首先采用回归分析法、三次指数平滑法、灰色预测法和弹性系数法建立组合预测模型对赤峰市公路客运量进行了预测;然后根据赤峰市客运适站系数与市内所占客运比例,得出赤峰市内日均旅客发送量;最后通过分析现有客运站场状况,提出在桥北组团新建客运站的建议。     

基于主成分分析与支持向量机结合的交通流预测

为提高交通流预测的预测精度和预测速度,提出了用非线性回归支持向量机与主成分分析相结合进行交通流预测的方法。主成分分析用来对交通流预测的预测变量进行特征抽取,用较少的主成分代替原预测变量．将生成的主成分输入到非线性回归支持向量机,进行交通流预测,支持向量机的核参数利用Bayesian推理进行确定。通过对济南市交通数据的实例分析来验证该方法的有效性。结果表明,非线性回归支持向量机与主成分分析相结合进行交通流预测不但可以提高交通流预测的精度,同时还可以降低预测所需的计算量,满足交通流预测的实时性要求,预测精度比目前常用交通流预测方法的预测精度有所提高。     

面向运营管理的多粒度省际客运需求预测方法

客运量是表征省际客运需求,开展行业运营管理的基础指标.为增强省际客运行业运营管理水平,提高旅客出行效率和应急保障能力,建立面向省际客运运营管理的年客运量和节假日客运量的多粒度预测模型.在影响因素与省际年客运量关联度分析的基础上,构建基于BP神经网络的年客运量预测模型.考虑特殊节假日的影响特征,提出了指数平滑与季节模型相结合的节假日客运量组合预测模型,实现节假日总客运量、日客运量的预测.以北京的实际数据为例,对预测模型进行精度验证.结果表明,年客运量预测模型的平均相对误差为0.15%,春运期间每日客运量预测模型的平均相对误差为6.7%,能较好地体现客运量在不同阶段的变化趋势,具有良好的稳定性.      

基于组合预测方法与情景分析的广东省客运周转量预测

客运周转量是制定区域客运发展规划的重要依据,它与区域经济发展水平具有密切联系.以广东省较长一段时期内客运周转量的历史统计数据为基础,通过设定不同的经济发展情景,利用回归分析与马儿可夫组合预测法,对未来一段时期内广东省的客运周转量进行预测,通过误差分析表明预测结果具较高可信度.      

基于K近邻算法和支持向量回归组合的短时交通流预测

为了提高短时交通流的预测精度,向交通管理部门和出行者提供更加准确可靠的交通信息,基于非参数回归与支持向量回归方法的特点,提出了一种混合预测模型(KNN-SVR)。该模型利用K近邻方法的搜索机制,重建与当前交通状态近似的历史交通流时间序列,然后利用支持向量回归原理实现短时交通流预测。针对实际的交通流数据,考虑预测路段上下游交通流的影响,对提出的KNN-SVR模型的预测精度进行了分析。研究结果表明:同时考虑预测路段和其邻近路段交通流影响的KNN-SVR模型具有更好的预测精度,其预测误差最小,平均为8.29%,而仅仅考虑预测路段交通流影响的KNN-SVR模型,其预测误差略高,平均为9.16%;KNN-SVR模型的预测精度优于传统单一的预测方法,如K-近邻非参数回归、支持向量回归以及神经网络方法。     

基于引力模型的县域区际公路客运需求分析方法

将区位理论、区域科学、交通规划等学科中广泛应用的引力模型引入县域区际客运需求分析,提出了基于引力模型的县域区际客运需求分析方法。该方法突破了传统方法仅限于用县域范围内的经济、社会变量去解释客流生成的局限,对县域交通需求生成分布特性进行了学术归纳,建立了区际客流量与基于相互作用区域的生产总值、人口、距离、车程时间、区域面积5个经济、社会及交通条件变量之间的方程关系。实证应用表明:该方法模型能被实例数据所标定,能很好地解释县域区际客运需求生成、分布机理,量化识别客运需求影响因素,预测客运需求内生变量的变化对线路客流量与需求潜力的影响;该方法丰富了县域区际客运需求分析理论,具有较重要的理论与实践应用意义。     

基于SVR的互联液压缸力学性能预测

为进一步研究实际工况下非线性因素对互联液压缸力学特性的影响,对互联液压缸进行了力学性能台架试验,分析了互联液压缸的非线性因素对其力学输出的影响。鉴于传统数学模型无法准确反映互联液压缸动力学特性,并为减小传统支持向量机算法数据回归拟合误差,引入不敏感损失函数,构建互联液压缸力学性能回归型支持向量机预测模型进行预测,并将预测结果与试验数据进行对比。结果表明,采用回归型支持向量机预测模型具有更好的预测精度,为揭示互联悬架力学特性提供新的研究思路。     

泉州市道路旅游客运车辆需求量预测分析

为预测泉州市道路旅游客运的需求,在对泉州市道路旅游客运运量发展现状分析的基础上,选取GDP、第三产业值、城镇居民人均可支配收入、全年旅游总收入4个影响道路旅游客运量的重要因素,建立多元回归预测模型对泉州市旅游车辆完成的客运量需求进行预测,采取以运输量确定运输车辆数的办法计算出泉州市道路旅游运力的需求。     

基于多因子关联分析的道路交通事故灰色预测模型研究

基于灰关联分析,对道路交通事故的影响因子进行预处理,建立了基于多因子关联分析的道路交通事故GM(1,N)预测模型。对哈尔滨市1994年~2004年的道路交通事故进行实例分析,预测结果表明GM(1,N))模型的预测精度高于GM(1,1)模型及多元线性回归模型。该模型克服了GM(1,1)模型对于波动性较大的非平稳数列预测精度低的缺点,该模型具有简单、有效、预测精度高的特点。GM(1,N)模型是一种动态数据处理方法,且不会出现量化分析与定性分析结果矛盾的现象,能够很好的反映交通事故的未来发展趋势。     

城际高速快客线路车辆配置研究

城际高速快客车辆配置合适与否将直接影响其市场占有率,关系到客运企业经济效益的好坏。本文对福厦线客运需求进行初步预测,分析车辆配置影响因素,并结合具体线路提出快客车辆配置。     

本期导语

<正>在总结现有预测方法——基于集计与非集计的预测方法的优缺点的基础上,针对枢纽管理的不同需求提出分时段预测、换乘量短时预测、分担率类比预测等预测方法,并应用于辽阳市客运枢纽换乘量的预测分析。从客运枢纽的建设阶段(已建成与未建成)、换乘预测方法构建的难易程度、基础资料准备过程等方面对各方法的适应性进行比较,扩展客运枢纽换乘量预测的研究思路。(吴文静,等:综合客运枢纽换乘量预测方法及其适用性分析)     

路面摩擦特性预测研究

本次研究基于路面抗滑特性的预测问题,运用道路摩擦系数测试仪在公路上进行路面摩擦系数测试试验,并对试验结果进行分析,提出了路面摩擦系数的影响因素。应用广义回归神经网络分析方法,以影响因素为分类标准,确定了摩擦系数预测模型的分类,建立了基于广义回归神经网络的路面摩擦系数预测模型,并通过60组试验数据对网络模型进行了训练,利用6组实验数据进行预测结果对比。结果表明,模型预测值与实测值的平均误差为3.0%左右,模型预测结果与实测结果吻合,所构建模型是正确的,且具有较高的精度;此外还通过实车进行了汽车制动试验,并根据试验结果与模型预测结果对比,为交通事故分析中计算事故车速提供依据。     

城市公交客运量预测

随着经济的发展,同时也带来了城市公交客运流量的增大,目前许多城市客流量的预测精度不高,城市公交已无法完全满足人们出行的需要。文章针对城市公交客流量预测精度不足的难题,从城市公交客流量历史数据的特征分析入手,通过灰色马尔科夫预测模型,预测城市公交客流量变化趋势,提高城市公交的客运效率。通过实际工程应用的数据表明:该模型能在短期内较好的预测城市公交客流量变化趋势,提高了城市公交客运的各项服务指标。     

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30．7463％,分类回归树的误差平均值为29．5197％,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。     

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65 000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8 000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30.746 3%,分类回归树的误差平均值为29.519 7%,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。     

基于聚类分析的非参数回归短时交通流预测方法

大部分非参数回归预测算法并不对交通流历史数据进行区分,而是将全部历史流量数据建立模式库进行分析.基于交通流的现实特征,提出基于聚类分析的非参数回归短时交通流预测方法,首先根据流量分布特点运用聚类分析将其分类成不同的流量模式,然后选择匹配待预测时刻的流量模式作为样本数据库运用非参数回归进行预测.实例计算结果表明,其预测精度优于传统非参数回归方法.      

高速公路交通阻塞量预测新探

本文描述了日本阪神高速公路上交通阻塞的变化规律，提出了预测其交通阻塞的神经网络模型，并用实例数据进行了验证和预测分析。与用线性回归分析模型的分析结果比较，该模型适应性强，精度也较高。     

呼和浩特市客运出租汽车发展预测研究

针对呼和浩特市客运出租汽车行业的发展及其现状,分析了造成影响呼和浩特市客运出租汽车发展的相关因素,通过SPSS软件计算分析,找到相关性较高的五个因素并采用逐步回归分析法,建立了确定呼和浩特市客运出租汽车发展预测模型。该模型可以对呼和浩特市市区规划年份所需的客运出租汽车发展进行预测,通过该地区客运出租汽车历史实际数据和模型计算结果比较,表明该预测模型较为理想。