中心城区机动车停车泊位需求预测框架

在回顾已有停车需求预测方法的基础上,对泊位供给和需求重新进行分类,明确了中心城区停车泊位需求预测的重点。着重探讨了交通政策、泊位共享策略两个因素对停车需求的影响,明确了二者在停车需求预测流程中的作用。结合综合交通规划预测数据,最终形成中心城区停车泊位需求预测框架。以南京市中心城区公共停车场为例,运用这一思路对其泊位需求进行预测,得到不同分区的公共停车场和配建停车场泊位需求数量。     

用MATLAB实现对周期趋向性物流需求的快速预测

物流需求预测对企业的经营决策至关重要，企业经常要花费很多的时间和精力来做需求预测。文中分析了周期趋向性物流需求的主要特点，建立了周期趋向性物流需求的预测模型。同时，根据周期趋向性物流需求预测模型的特点，阐述了运用MATLAB软件对其进行预测的基本原理，并在MATLAB平台上实现了对周期趋向性物流需求的快速预测。     

情景分析法在停车需求预测中的应用研究

针对传统停车需求预测方法预测情景单一的情况,提出了基于情景分析法的停车需求预测方法。通过分析停车需求状况,设定了未来可能出现的3种情景,并对停车需求影响因素进行了分析。利用SPSS软件对数据进行了处理分析,确定了各个情景的停车需求预测模型以及模型中的参数。最后,以2017年为预测基年,对各情景下停车需求的发展趋势进行预测。     

基于PSO-BP算法的联盟航线市场份额预测

联盟背景下航线产品与单个航班相比,属性复杂、合作风险高。产品属性差异导致市场分担率不同,航线市场份额的精准预测是联盟合作伙伴选择与协同价值计算的基础。因此,充分利用联盟运输数据,在达美航空QSI指标基础上,加入了航线竞争程度、联盟合作关系等指标,建立了适用于联盟背景下国际航线产品市场份额预测的指标体系。考虑到影响因素与QSI值间的非线性关系,引入BP神经网络进行市场份额与影响因素的机器学习,建立了两者间的非线性映射。为防止BP神经网络陷入局部极小值,再引入粒子群算法确定神经网络初始权值,建立PSO-BP算法的QSI模型。结果表明,基于PSO-BP算法的QSI模型能更好预测国际航线市场份额,绝对误差控制在1%。     

一种航路扇区概率性交通需求预测方法

空中交通拥堵逐渐从终端区向高空航路网络蔓延,准确预测航路扇区交通需 求概率性变化成为科学实施拥堵管理的重要前提,而国外已有方法较难适用我国空管实 际数据条件.为解决该问题,本文基于空管现有航空器过点时间数据,设计了基于预测误 差分布特性的统计方法,提出了航路扇区概率性交通需求预测方法.结合中南地区典型运 行数据,提取并验证了各扇区过点时间的预测误差分布规律,获得了各扇区交通需求值 及其概率分布,发现所得概率性交通需求预测结果较之传统确定性交通需求预测方法更 准确,适合为我国高空航路拥堵管理研究提供需求预测依据.     

基于链路预测的中小机场连接机制研究

以中小机场航线网络为研究对象，利用链路预测理论与评价方法，从网络外生属性与内生因素角度各自建立了4种预测接近性指标，比较各指标的预测效果，并进一步设计出3种耦合接近性预测算法，选取预测精度最好的算法预测中小机场未来新增航线，并对预测结果进行实际检验。结果显示，4种内生因素指标的预测精确度均高于除起降架次以外的外生属性指标，其中局部路径(Local Path，LP)指标的预测精确度最高，挖掘网络内部的结构信息更有利于预测网络连接情况，耦合算法的预测效果优于单个指标。基于耦合算法的预测结果与未来新增航线对比发现， 预测的中小机场航线在未来新增航线中占比高于1/3，预测航线主要集中在东部地区，多数中小 机场依然会选择中心城市连接，结果较为符合中小机场实际连接情况。     

飞机起飞滑跑距离数值积分改进算法

应用数值计算理论对飞机起飞滑跑距离数值积分算法进行了研究,用插值法对发动机瞬时推力和起飞气动数据的确定方法进行了改进,用迭代法确定了离地速度,基于改进算法编制了起飞滑跑距离计算程序。在发动机推力曲线已知时,对5种飞机的起飞滑跑距离进行计算,原算法的平均误差为55.6 m,改进算法的平均误差为23.4 m;在发动机推力曲线未知时,用程序计算某型飞机在12种条件下的起飞滑跑距离与实际滑跑距离对比的平均相对误差为2.9%。计算结果表明改进算法计算精度优于原算法。     

大型机场地面集疏运需求预测方法研究

机场地面集疏运系统是机场发展的重要支撑，交通需求预测是进行机场集疏运交通规划的前提。笔者以四阶段预测的基本原理为基础，结合机场集疏运需求特点，对预测的整体思路、方法、步骤和内容等进行详细分析，优化调整出行分布、方式划分预测模型，并以南京禄口国际机场为实例进行了预测。研究成果对国内同类大型机场的集疏运需求预测具有借鉴和参考价值。     

基于神经网络的城市公共交通需求预测方法研究

本文提出了公共交通需求预测的一种新算法一神经网络法。结合此算法在吴江市公共交通发展规划中的应用，探讨该预测方法在城市公共交通需求预测中的可行性和实用性。     

基于需求不确定性的机场拥挤风险预测模型与方法

为了获得机场交通需求的概率分布及其变化规律,量化机场交通需求预测的不确定性,从需求不确定性角度分析了航空器进离港时刻对机场交通需求预测的影响,基于多个时段交通需求相互转化的不确定性,建立了多时段机场进离港交通需求概率分布模型.在此基础上,将进离港交通需求与进离港容量曲线相匹配,建立了机场拥挤风险预测模型,给出了具体求解过程与方法.亚特兰大机场实际航班运行数据的验证结果表明,机场概率需求预测值比确定型需求预测值更接近实际进离港交通需求值;与确定型拥塞预测方法的准确度60.0%相比,本文模型将拥挤预测提高到80%;用旧金山机场实际航班数据验证了本文方法的有效性,准确性达到87.5%,为机场拥挤管理提供了依据.      

考虑周期性波动因素的中长期空中交通流量预测

为准确把握空域单元交通流量的变化趋势和周期性波动规律,综合考虑气候、季节、交通需求等因素,通过分析中长期历史流量数据,在线性增长模型的基础上,建立了考虑周期性波动因素的空中交通流量动态线性改进模型,采用贝叶斯状态估计和预测方法对模型进行求解,提出了一种根据空域单元流量时序数据预测中长期流量及其变化趋势的预测方法.利用国内典型空域单元实际流量数据,对比分析了上述两种模型的预测性能.实例研究表明:与线性增长模型的预测结果相比,本文模型的流量预测结果更符合我国的实际情况,反映了流量周期性波动特点,年流量预测结果的平均绝对误差从3.14%下降到了1.71%,预测误差的标准差从2.01%下降到了0.02%.      

基于MAST的智慧公交优化调度研究

对客运需求较小且时空分布不均衡的城郊和乡村开设公交线路所面临问题分析的基础上,设计了一个利用移动互联网技术的城郊乡村智慧公交调度系统.简述了包括乘客信息交互模块、数据库、预测模块、调度决策支持模块等组成的系统结构及原理.在此基础上,分别建立发车计划模型和实时调度在线调整模型,采用遗传算法优化求解.最后,基于调度系统的历史信息及预约信息的实验结果表明,本运营方式能够提升服务水平,增加公交企业效益,且随预约乘客比例增加,该方式的优势愈加明显.     

铁路客票预订需求预测模式

对当前铁路运输客票预订系统进行了分析。研究了建立动态多席订票需求预测模式。针对不同等级订票需求,引用泊松分布来描述不同时段,不同等级的订票到达率。当实际资料难以获取时,以ｍｏｎｔｅ ｃａｒｌｏ模拟产生资料进行参数估计,最后动态规划的方法的方法建立了获取最大利益的模型,以实际数据代入运算,结果与实际情况相吻合。     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

����Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ���������Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ�����

永磁直线同步电动机模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的。首先，将带外部输入的非线性自回归模型展成多项式形式，然后在此基础上用残差分析法导出真实的阶次所满足的条件。为了克服神经网络结构依靠人工试凑的不足，使用基于Hession矩阵的修剪法来优化其结构。考虑到BP算法的一些固有缺点，使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络。实验证明，网络的输出结果与试验样机(永磁直线同步电动机驱动的垂直运输系统)的实际输出十分接近；同时将NDEKF与BP算法进行对比，NDEKF算法具有收敛较快、泛化能力强、不易陷入局部极小等特点。     

残差灰色预测模型在交通事故预测中的应用

交通事故预测是交通安全研究的重要分支,是提高道路交通安全管理水平的基础。针对道路交通事故的预测问题,以灰色预测模型为基础,建立残差灰色预测模型对交通事故进行预测。结果表明：残差灰色预测模型预测结果的平均相对误差比基本灰色预测模型降低了63．13％。实践证明该模型具有简便实用、预测精度高的优点。     

K近邻短时交通流预测模型

为了准确预测道路短时交通流,构建了基于K近邻算法的短时交通流预测模型。分析了K近邻算法的时间和空间参数,提出4种状态向量组合的K近邻模型:时间维度模型、上游路段-时间维度模型、下游路段-时间维度模型与时空参数模型。以贵州省贵阳市出租车的GPS数据对几种K近邻模型进行了检验。分析结果表明:带有时空参数的K近邻模型具有更高的预测精度,其预测误差最小,平均为7.26%。基于指数权重的距离度量方式能更精确的选择近邻,其预测误差最小,平均为5.57%。与神经网络和历史平均模型相比,带有指数权重的K近邻模型具有更好的预测精度,平均预测误差仅为9.43%。可见,带有时空参数与指数权重的K近邻模型可作为道路短时交通流预测的有效手段。     

数据挖掘技术在固定型交通检测器配置优化中的应用

结合固定型交通检测器空间配置的四条原则和配置密度优化步骤，提出固定型交通检测器配置优化的数据挖掘方法。设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对像，运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型，ARIMA预测模型及神经网络预测模型。采用网络搜索技术确定Winters模型参数，设计一种比传统ARIMA模型参数估计方法更精确的算法程序估计ARIMA模型参数，采用三项误差指标评价模型预测效果，根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案，研究结果表明：在保证满足ITS对交通参数精度要求的同时，通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本，为固定型交通检测器配置密度的优化提供了一种简单可行的新方法。     

道路交通事故多层递阶预测方法

针对道路交通系统动态时变的特点，用多层递阶预测方法，建立了道路交通事故的多层递阶预测模型．将事故预测分解成对时变参数的预测和在此基础上对道路交通事故未来状态的预测两部分，通过对时变参数的精确预测提高事故预测精度．以1989—1999年我国某省道路交通死亡人数为原始数据建模，模拟结果显示，对2000-2001年的预测结果和实际道路交通死亡人数之间的平均误差为5．8％．     

基于乘积ARIMA模型的城市轨道交通进出站客流量预测

基于城市轨道交通自动售检票（Automatic Fare Collection,AFC）系统采集的进出站客流的历史数据,构建乘积差分自回归移动平均（Auto-Regressive Integrated Moving Average,ARIMA）模型,实现对进出站客流量的精确预测.通过自相关和偏自相关函数进行数据的平稳性和周期性分析,消除趋势性和周期性特征影响;考虑到处理后数据的周期性和短期相关性之间的乘积关系,构建乘积ARIMA进出站客流预测模型,并以广州地铁各车站进出站客流量数据为例进行了模型的参数标定.模型预测值与实际值的对比分析显示该模型的平均绝对百分误差保持在5％以内,表明该模型具有很高的预测精度和良好的适用性.