基于BP神经网络与多元回归的公路客运量预测研究

根据公路客运量的历史数据及相关影响因素数据,采用SPSS及MATLAB软件分别建立多元回归及BP神经网络预测模型,通过将2种模型输出的预测结果与实际数据进行对比,得出采用多元回归方法在预测客运量变化过程中所产生的误差远小于BP神经网络方法所产生的误差,认为,当数据样本量较小时,多元线性回归预测模型优于BP神经网络预测模型。     

GM(1,3)模型在交通系统公路客运量预测中的应用

交通系统公路客运量预测不仅具有模糊性和动态性等特点,而且受多个因素影响。许多交通研究人员只根据客运量一个因素,用GM(1,1)模型预测。文章运用GM(1,N)系统综合预测模型,考虑系统中多个相关因素,并结合GM(1,1)模型,以原始离散的公路客运量、人口和国内生产总值GDP三组数据数列为基础,建立GM(1,3)模型来预测公路客运量。在详细论述了系统综合预测模型GM(1,3)的建立过程后,用后验差检验法对预测结果进行了检验,预测精度较好,表明此模型对公路客运量预测有一定应用价值。     

基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.     

基于灰色关联度的公路客运量预测研究

公路客运量预测是综合交通规划、公路专项规划、站场枢纽布局的前提和基础,科学、准确地预测公路客运量具有重要意义。目前常用的预测方法有增长率法、弹性系数法、回归预测法等,均为单因素预测方法。文中引进灰色系统理论,通过定量分析影响公路客运量因素的关联度,合理分配权重,构建组合预测模型,并通过实例加以说明和验证。     

加权盲数回归法在公路客运量预测中的应用

为克服传统客运量回归预算法中测忽视历史数据对未来预测的影响,以及无法处理影响客运量预测不确定因素的问题,提出了采用加权盲数回归方法进行公路客运量预测.该方法以不同权重区分历史数据的差别,采用加权最小二乘法确定回归系数;同时用盲数的形式来表达预测模型的相关变量,来获得客运量可能出现的多个区间,即各个区间可能出现的可信度情况.算例表明,该方法的预测结果比较合理、可靠,预测可信度高.     

公路客运量预测的神经网络组合模型

针对公路客运量预测的问题,基于常用预测方法的研究,提出BP神经网络组合预测模型.结合河南省客运量运输情况,对组合预测模型进行了验证.实验结果表明,该方法对公路客运量的预测很有效.     

灰色关联弹性模型在公路客运量预测中的运用

根据公路客运量预测受到多因素影响以及非线性的特点[1],选取了影响公路客运量的主要因素,并计算出关联因素对公路客运量的关联度,进一步提出了灰色关联弹性模型预测公路客运量的方法。该方法提出灰色综合弹性系数的概念,基于灰色关联弹性模型的原理,根据若干年已知数据计算得出的灰色综合弹性系数并预测出后面紧邻若干年份的客运量。将该模型运用到对我国公路客运量的预测,发现预测精度同传统弹性系数法相比有了一定提高,验证了该模型具有一定的实用性和参考价值。     

基于最小二乘支持向量机的城市客运量预测模型

针对城市公路客运量预测中存在的非线性、复杂性和不确定性,提出了一种基于最小二乘支持向量机的城市客运量预测模型.结合西安市历年城市客运量数据,编程实现该预测模型,仿真结果表明了该预测模型的有效性.     

灰色系统在公路客运量预测中的应用

客运量预测对公踟客运的规划、发展以及对领导决策会提供可靠的理论依据。本文介绍了如何利用灰色理论建立辽宁省公路客运量预测模型，并对１９９２年至１９９９年辽宁省公路客运量进行了预测。     

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。     

公路客运短期运量预测研究

科学有效地预测公路客运量对于公路客运的管理和决策具有重要意义。本文结合实际应用,基于客运量中短期变化规律的分析,对公路客运量短期预测方法进行研究,给出了预测系统的总体结构和预测算法,以协助运力配置、运力调拨,进而实现运力运量的平衡。     

基于混沌理论的高速公路网短时交通流量预测研究

随着高速公路网的建成及其交通流量的不断增大,对高速路网交通流实时控制和诱导服务的需求日益突出,而高速公路网短时交通流量的预测,不仅是交通流实时控制和诱导服务的基础和依据,而且预测结果的准确性对改善高速公路网的通行能力和服务水平有重要影响。基于混沌时间序列分析和预测的理论,建立了高速公路网短时交通流预测模型,计算给定区域高速公路网多断面短时交通流量预测值,结果表明利用多维混沌时间序列法预测高速公路网短时交通流量可行且具有较高的精度。     

短时交通流预测的多层递阶方法

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。然而,目前很多预测模型均假定模型的参数是不随时间变化的,这与实际不符,从而影响了预测的精度。本文提出采用多层建模与灰色建模的综合方法预测短时交通流。该方法把预测问题分为两部分:一是预测模型参数的预测;二是根据参数预测值的交通流预测。其中,对模型参数运用灰色理论预测方法。实例分析表明,本方法有较好的预测精度和实用价值。     

基于驾驶员行为的强制控速设施安装间距研究

在合理分析驾驶员通过强制控速设施行为的基础上,制定了相应的车速检测方案,并进行了实地车速检测。在分析车速与车辆到强制控速设施距离的散点图的基础上,建立了分段的多项式回归模型,然后利用最小二乘法回归计算,得出了相应模型的参数估计值,将模型参数代入回归模型即可获得车速预测函数。最后,进行了回归结果分析,分析结果表明分段多项式回归模型是正确有效的。利用该模型可以有效计算在给定公路限速条件下的最优强制控速设施安装间距。     

城市公共交通枢纽客流量预测实用方法研究

通过全面分析遗传算法和神经网络的优缺点,在充分考虑各种可量化因素的影响权重的基础上,建立了遗传神经网络模型,提出了城市公共交通枢纽客流量预测实用方法,并通过实例进行了分析验证。结果表明,该方法在城市公共交通枢纽客流量预测的应用过程中具有较强的学习能力和自适应性,,其预测的精度明显得到提高。     

BP神经网络在振冲碎石桩复合地基承载力预测中的应用

在分析振冲碎石桩复合地基承载力影响因素的基础上，结合江苏某高速公路工程的振冲碎石桩承载力试验结果，利用BP神经网络强大的非线性映射能力，建立了基于BP神经网络的复合地基承载力预测模型。模型预测结果表明:利用BP神经网络来预测振冲碎石桩复合地基承载力的方法是可行的。     

公路客运线路发班站点的定量优选

公路旅客运输在综合客运体系中的地位不断加强,而公路旅客运输组织方法却停步不前,仍主要依靠实际经验进行,已暴露出其明显的不合理性和不科学性.针对目前公路客运发展趋势对专业性理论指导的崭新要求,文章对公路客运线路发班车站的组织方案进行了优化研究,提出了综合相对无效费用的概念,建立了总体优化模型,给出了具体求解策略和应用实例,并在某主枢纽城市得到了实际有效运用.     

基于多源公交数据和车时成本优化的公交运营时段划分方法

现有公交运营时段划分方法均基于单一参数（乘客需求或行程时间）的相似性，忽略了乘客需求与行程时间对时段划分方案的协同作用。针对传统方法的缺陷，利用多源公交数据，提出一种新的基于最小化车队运营时间成本的时段划分方法。首先，利用逆差函数模型计算时间窗内完成班次任务所需要的最小车队规模，进而利用滑动时间窗模型，计算全天各时间窗所需的理论最小车队规模。然后，以时段划分方案的时间分割点为决策变量，以最小化全天累计车队运营时间成本为目标建立优化模型，采用遗传算法对运营时段划分方案进行寻优。最后，以广州市87路公交线路实际数据为例进行验证，并对模型参数进行敏感性分析。研究结果表明：与传统方法相比，所提方法能更好地实现运力与运量相匹配，并有效降低车时成本；与以往基于断面客流和基于行程时间的划分方案相比，所提方案的车时成本分别降低25 veh·h和45.33 veh·h。