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。     

公路工程造价指数分析与预测

基于多元回归模型与逼近中心式灰色模型相结合,对公路工程造价指数进行了分析与预测。通过多元回归模型分析了工程造价指数的影响因素及影响程度;通过逼近中心式灰色模型对工程总价格指数进行了预测,最后以实际工程为例进行了验证,证明逼近中心式灰色模型预测精度高,预测效果好。     

短时交通流量两种预测方法的研究

实时、准确的完成短时交通流量预测是实现交通控制与诱导的关键。采用基于L-M算法的BP神经网络预测方法和基于混沌时间序列的预测方法对短时交通流量时间序列进行了预测研究,给出两种方法的基本原理及具体的预测步骤,并对一组实际的流量数据进行了预测。仿真结果表明:两种方法都能较准确的预测交通流量,但混沌时间序列方法的实时性更好一些,更适合于预测短时交通流量。     

基于支持向量机的交通事故组合预测方法研究

对灰色理论、神经网络和支持向量机的预测模型进行了研究,对灰色理论、神经网络和支持向量机3种预测方法进行了线性组合、神经网络组合和支持向量机的组合预测.以1995～2004年某公路路段的交通事故次数为例,与单一预测方法结果、线性组合预测和神经网络组合预测进行对比,认为支持向量机组合预测方法比较精确.     

高速公路城区段交通量组合预测方法研究

目前高速公路交通预测方法侧重分析跨区域间的公路交通需求,难以有效反映高速公路进入城市连绵建成区后,其承担的城市交通对交通量的影响,既有公路交通量预测方法不大适用于城区段高速公路交通量预测。对公路交通量预测方法进行改进,建立了适用于城区段高速交通量预测的传统公路交通量预测方法和城市交通预测方法相结合的组合预测方法。组合预测方法以成熟的城市交通预测流程为基础,交通生成和交通分布阶段采用两种方法分别平行进行预测。在交通分布/交通方式划分阶段,利用公路交通量预测方法预测所得项目影响区车辆OD矩阵,对城市交通规划模型获得的分车型OD矩阵进行校正。最后利用校正后的OD矩阵在城市交通规划模型中进行分配得到预测结果。该预测方法已应用于广深沿江高速沙井互通工程可行性研究交通量预测。     

陕西省国民经济发展的组合预测研究

探讨了组合预测方法及其在陕西省国民生产总值和工农业总产值预测中的应用，同时对预测结果进行了相应的分析与讨论。     

应用弹粘塑性模型对软土工后沉降的预测

应用弹粘塑性模型对软土进行了一维固结试验模拟,并对一段一级公路工后沉降进行了预测。与常规方法相比,该模型预测结果较好,可用于公路等软基工后沉降的预测。     

基于相空间重构的短时交通流预测研究

短时交通流预测在城市交通控制和管理中起着十分重要的作用。本文通过分析短时交通流量数据在时间序列上的特点，引入混沌理论的分析方法，从非线性时间序列预测的角度对交通流量预测进行了研究。通过计算交通流系统相空间重构参数，给出了一种基于相空间重构理论的局部预测方法，对城市道路路段交通流量进行短时预测，取得了较为满意的效果。     

基于灰色模型方法的路面使用性能预测

文中引入灰色系统理论对路面使用性能预测进行了拓展。使用常规GM(1,1)模型进行预测时,随着时间序列的增长,预测的精度将不断降低,只有时间序列较近的几个数据的精度较高。针对常规GM(1,1)模型存在的不足,文章改进了常规模型,并利用改进后的模型对某高速公路路面使用性能进行了预测。根据预测结果与路面实际检测数据的对比,分析模型预测结果的合理性和该指标的发展,证明改进后的模型精度较高,预测误差较小,可作为制定养护计划的依据。     

自动驾驶汽车行为预测综述

为了能够满足自动驾驶汽车在复杂交通场景中安全高效运行,自动驾驶汽车必须做到对周围对象不确定性行为进行准确预测。作为自动驾驶的关键技术,近年来不断有新的轨迹预测思路和算法被提出,尤其是针对复杂交通场景中的对象轨迹预测。通过将复杂交通场景中的预测对象分为:车辆轨迹预测和行人轨迹预测2类,在此基础上对不同预测对象采用近年来的主流预测算法进行分类总结。最后讨论了当前行为预测存在的问题,并提出了一些有价值的研究展望。     

公路隧道交通量的预测及分析

公路隧道交通量的预测对隧道通风系统的节能以及降低隧道运营成本有很重要的意义。分别利用多元统计分析法和BP神经网络两种方法对公路隧道交通量进行了预测,并对两类预测数据进行分析比较,得出了多元统计分析法适用于车流量少而且稳定的公路隧道的预测,而BP神经网络法则适用于车流量大而且不稳定的公路隧道的预测的结论。     

专用汽车未来10年发展预测

产品发展预测对制订行业和企业发展规划是十分重要的工作。结合１９９０年以来我国专用汽车发展的实际情况和未来１０年市场需求状况，运用专用汽车发展趋势预测的数学模型，对我国２０００￣２０１０年各类专用汽车市场需求进行了预测，对专用汽车发展趋势进行了分析。     

制动器制动最高温度径向基神经网络预测

神经网络具有智能化和快速学习能力,在复杂动态系统预测方面具有十分广泛的应用,文章基于径向基函数神经网络,对制动器制动最高温度预测问题进行了研究。通过仿真模拟验证了径向基函数神经网络在逼近与预测方面的强大功能,同时通过对径向基函数分布密度的优化得到了用于制动器制动最高温度预测的神经网络预测系统,同时对制动温度的预测,得到了精度较高的预测结果。文章的研究对于制动器制动性能预测具有一定的参考。     

基于数据驱动的电动汽车电池安全风险预测

为了对电池安全风险进行准确预测，本文提出基于一种车-天气-驾驶员的多指标电池安全风险预测方法。首先提取车内外多维度信息即运用数据挖掘提取了天气状况、汽车行驶工况和驾驶风格等多指标特征，以模拟实际的电池应用场景；然后通过随机森林和SHAP组合模型的方式对特征进行筛选，从而提高了模型的泛化性和鲁棒性；最后将电池安全风险预测问题解耦为机器学习预测和时间序列预测问题，分别选择XGBoost和随机森林模型进行预测，并在此基础上建立新的Stacking集成模型对电池安全风险进行预测。最终模型的预测效果和数据实验的结果表明，该方案对电动汽车电池安全风险能做出较为准确的预测，可以为安全化、智能化的电池管理系统提供辅助决策信息。     

短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。     

基于神经网络的交通事故预测

提出了交通事故预测的新方法－改进型BP神经网络，运用该网络对我国交通事故进行了预测分析。     

基于灰色马尔可夫链的桥梁荷载随机过程交通量预测

为了克服灰色预测方法的不足,在灰色模型预测方法的基础上,提出灰色马尔可夫链桥梁荷载随机过程交通量预测模型,该模型的灰色预测曲线能反映交通量历史发展趋势,马尔可夫预测可反映随机波动性对交通量预测的影响,从兼顾了趋势值和波动性两方面因素对预测结果的作用,能克服单一预测模型在交通量预测中的局限性,并可结合交通量实际情况,能实现准确、综合预测交通量的目的。在现有交通量统计资料的基础上,对该模型进行了精度检验,并预测出了2007年的交通量。实例计算分析表明,模型精度良好,预测结果与实际状态基本相符,利用灰色马尔可夫理论进行交通量预测是一种行之有效的方法。     

“四阶段法”在广州开发区公共交通需求预测中的应用研究

采用基于VB编程的"四阶段法"对广州开发区公共交通需求进行了预测.交通生成预测采用生成率法进行交通发生和吸引量的预测;而交通分布预测则采取增长率法中的弗雷特法;对于交通方式划分根据宏观与微观相结合的思路,采用单约束重力模型来进行开发区未来各规划年交通方式结构的预测;利用前面3个预测数据得出公共交通出行预测.公交出行OD矩阵的得出是广州开发区公交线网规划的依据.利用计算机语言VB开发了相应的计算程序,对相应的预测阶段进行具体的计算.     

基于供应链的卷烟市场需求预测方法研究综述

对卷烟市场供应链发展情况和传统的需求预测预测方法进行了概述,在此基础上提出了供应链管理的牛鞭效应以及牛鞭效应对供应链管理的危害,并从学者的研究中发现,传统的预测方法存在明显的牛鞭效应,最后,对基于供应链的卷烟市场需求预测方法进行了探讨。     

灰色预测模型在公路客运量预测中的应用

运用灰色预测系统理论,对国内公路客运量建立了基于灰色预测理论的GM (1, 1) 模型, 并运用GM (1, 1) 模型对2007～2015年国内公路客运量进行了预测.预测结果表明,该方法具有较高的预测精度.