高速公路交通量预测失准分析

以沪宁高速公路为研究依据,分析交通预测量与实际交通量的差异,总结失准规律,并从预测方法和模型上找出失准原因,并提出几点建议,这对于更加准确地预测高速公路的交通量,提高预测方法的科学性和合理性,具有重要的作用。     

改扩建高速公路交通量预测失准现象分析

总结了常规交通量预测方法及其优势缺陷。通过太原东山过境改扩建高速公路交通量实际值与预测值间的误差分析,总结了改扩建高速公路交通量预测误差的客观规律,构建了造成误差的原因体系,从全系统的层面分层次、分类别分析研究导致误差的原因。以运城至风陵渡改扩建高速公路为例,验证了上述原因体系。最后,提出了减少交通量失准现象的对策和措施。     

通道交通量预测方法研究

通过对通道交通量预测方法的完善和系统化,从整体预测思路的角度出发,提出远景交通量的组成,并分析各组成部分的产生机理,给出简便可行的计算方法,有助于正确预测通道交通量.     

通道交通量预测方法研究

通过对通道交通量预测方法的完善和系统化,从整体预测思路的角度出发,提出远景交通量的组成,并分析各组成部分的产生机理,给出简便可行的计算方法,有助于正确预测通道交通量。     

基于混合AGO-SVM的高速公路短时交通量预测研究

提出一种混合AGO-SVM高速公路交通量预测方法,原始交通量数据通过累加操作生成有规则的数据,预处理后的规则数据使用支持向量机法进行建模并预测,预测数据进行逆累加操作,获得下一时刻高速公路交通量的预测值,数据进行更新并保持样本序列不变从而进行高速公路交通量递推预测. 应用西宝高速交通量实际观测数据验证算法的有效性. 试验结果表明,在几种指标下该方法的预测精度比灰色模型法和支持向量机法的预测结果有所提高,是一种有效的高速公路交通流量预测方法.     

繁峙至大营高速公路交通量预测与分析

采用实证的方法,通过繁峙至大营高速公路工程可行性研究交通量预测的实例,阐述了交通量预测的过程及方法,并对模型和参数的选定、评价指标的应用进行了分析,为公路交通量的预测提供了可借鉴的经验。     

四阶段预测法在公路交通量预测中的应用研究

以某国道新集南段工程项目为实例,在现有路网交通OD调查的基础上,利用"四阶段预测法"对交通生成、交通分布、诱增交通量和转移交通量及交通量分配进行合理预测,得到交通量在路网中的分配结果并进行分析.该方法合理可行,对公路交通规划及公路交通量预测具有理论和实践应用价值.     

常德沅水西大桥交通量预测方法研究

介绍了常德市沅江西大桥交通量预测采用的方法,并对相类似桥梁的交通量预测方法提出了建议。     

交通量的灰包络预测

利用灰色预测法进行交通量预测有着满足贫数据序列,并可以处理波动明显的数据序列的优点。本文尝试运用灰色包络线预测的方法来预测交通量,可在预测远景交通量的同时,预测出其所在的区间,以保证预测的可信度。实践证明该方法具有较高的精度。     

基于改进“四阶段法”的高速公路交通量预测研究

以"四阶段法"为基础,通过加入经济-交通组合模型进行改进,提出了一种更为合理的交通量预测方法。并应用该方法预测了杭州绕城高速公路2015年—2029年年平均日交通量(annual average daily traffic,AADT),并对交通量构成及来源进行分析。结果表明:该预测方法提高了高速公路交通量预测的准确性,减少了预测结果的误差,具有理论与实践应用价值。     

基于熵的干线公路通车里程组合预测

干线公路通车里程预测是干线公路网规划的主要内容之一。以甘肃省1997-2007年干线公路通车里程为基础数据,分别采用回归分析法和灰色预测法进行拟合预测,鉴于单项预测方法的局限性,建立基于熵权法的组合预测模型,通过相关误差指标分析表明该组合模型能够提高预测精度,具有较强的理论与实际应用价值。     

�������Ԥ��ģ�͵Ķ�ʱ��ͨ��Ԥ��

在现代智能交通系统中,短时交通流预测是实现先进的交通控制和交通诱导的关键技术之一.为了提高短时交通流预测的准确性,本文提出了一种基于组合预测模型的短时交通流预测方法.一方面,根据当前的交通流数据来动态调整其对未来预测的影响;另一方面,通过对历史交通流数据的时空特性分析,利用数据挖掘领域的相关知识寻求与当前交通流特性最为相似的历史曲线,并以其为基础来获得预测值的匹配值;然后,将二者获得的信息进行融合,采用多种不同的组合方式来实现短时交通流预测.以厦门市莲花路口断面的交通流量为例,通过对仿真图像和数据的分析,得出各种组合方法的预测平均绝对相对误差均小于10%,能够较好地满足交通诱导系统的需求.     

交通事故多层递阶预测方法研究

针对当前普遍采用的交通事故预测方法存在预测结果误差较大的现象．有必要将多层递阶预测方法应用到交通事故预测中,建立起交通事故多层递阶预测模型,以减小事故预测的误差,提高交通事故预测的精度。     

高速公路交通流的分形维数与相空间重构预测

对成渝高速公路短时交通流通过计算不同时间尺度下Hurst指数而等到其相应的分形维数,结果表明,时间间隔越短的交通流,其分形维数越大,结构越复杂.由于时间间隔越短的交通流随机性大和复杂的结构,所以预测也就越困难.提出了一种新的基于相空间重构和移动平均相结合的预测方法——移动平均最近邻域法,从理论与实际数据两方面分析和验证了该方法对短时交通流预测的有效性.     

城市新区客运交通需求预测方法研究

城市客运交通需求预测是城市道路交通规划的基础。城市新区因缺乏现状交通调查资料、开发建设速度较快及其交通出行特征，传统客运交通需求预测方法已不再适用。在吸取国内城市道路交通规划实践经验的基础上，针对城市新区背景下道路交通规划的特点及传统客运交通需求预测方法的不足，以城市新区人口和土地利用规划为基础，提出一种面向城市新区的客运交通需求预测方法，可为我国城市新区交通预测提供借鉴。     

城市新区客运交通需求预测方法研究

城市客运交通需求预测是城市道路交通规划的基础。城市新区因缺乏现状交通调查资料、开发建设速度较快及其交通出行特征,传统客运交通需求预测方法已不再适用。在吸取国内城市道路交通规划实践经验的基础上,针对城市新区背景下道路交通规划的特点及传统客运交通需求预测方法的不足,以城市新区人口和土地利用规划为基础,提出一种面向城市新区的客运交通需求预测方法,可为我国城市新区交通预测提供借鉴。     

高速公路交通流的分形维数与相空间重构预测

对成渝高速公路短时交通流通过计算不同时间尺度下Hurst指数而等到其相应的分形维数,结果表明,时间间隔越短的交通流,其分形维数越大,结构越复杂.由于时间间隔越短的交通流随机性大和复杂的结构,所以预测也就越困难.提出了一种新的基于相空间重构和移动平均相结合的预测方法——移动平均最近邻域法,从理论与实际数据两方面分析和验证了该方法对短时交通流预测的有效性.     

基于非线性主成分分析和GA-RBF的高速公路交通量预测方法

为了提高高速公路交通量的预测精度, 综合考虑高速公路交通量的高度非线性和受多因素影响的特征, 提出一种基于非线性主成分分析和GA-RBF神经网络(NPCA-GA-RBF) 的高速公路交通量预测方法; 确定了高速公路交通量的主要影响指标, 运用非线性主成分分析法降低高速公路交通量影响指标的维数及其相关性, 用少数主成分代替原有的多指标, 以简化神经网络结构; 利用GA优化RBF神经网络的参数, 进一步提高交通量的预测精度; 以普洱市某高速公路为例, 对交通量预测方法进行实例验证。分析结果表明: 2组试验GA-RBF和NPCA-GA-RBF方法的平均相对误差分别比RBF方法降低1.62%、3.53%和2.27%、3.32%, 说明GA优化RBF神经网络能提高RBF方法的交通量预测精度; 与GA-RBF方法相比, 2组试验NPCA-GA-RBF方法的平均相对误差分别降低了1.91%、1.05%, 其交通量预测值更接近实际交通量, 预测结果更为可靠, 表明非线性主成分分析法消除了指标的相关性, 进一步提高了交通量预测精度, 减少了交通量预测复杂度。可见, NPCA-GA-RBF方法具有更高的交通量预测精度, 能为高速公路的良好管理提供可靠的决策依据, 满足高速公路合理运营管理的客观需求。      

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.