交通预测原则和预测模型评价方法

在总结已有研究成果的基础上,提出了交通预测应遵循的原则,并对交通预测评价方法和模型选择等问题进行了探讨,以期更好地指导交通实际预测工作。     

一种改进的短时交通流多步自适应预测算法

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。本文先介绍一种基于AR(p)模型的线性最小方差自适应预测算法。它采用带遗忘因子的递推最小二乘方法进行参数估计,采用基于线性最小方差预报原理的Astrom预报算法进行预报。在该算法的基础上提出了一种改进的多步自适应预测方法。新算法增加了误差补偿项,能较好地满足时变模型的预测要求。针对大量实测数据进行仿真实验,结果表明:改进算法在应用于时变性强的短时交通流量多步预测时具有较好的预测性能,而且其预测性能优于线性最小方差预报算法。     

高速公路交通生成预测的改进灰色马尔可夫模型

高速公路交通生成预测是进行高速公路网规划不可缺少的环节,传统的预测方法需要考虑人口、土地利用等因素,过程显得极为复杂。而灰色预测模型可以在基础资料缺乏的条件下可建立模型进行预测,但对于高速公路交通生成量这一类随机性、波动性较大的数据,使得拟合较差,预测精度降低。针对这些不足进行改进,提出改进的灰色马尔可夫预测方法。最后将该预测模型应用于高速公路网规划交通生成预测中,取得了良好的效果。     

“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.     

基于马尔柯夫过程的交通量预测

为解决传统交通量预测方法要求数据量较大、参数较多、精度较低的问题，提出了利用马尔柯夫过程来预测公路交通量的方法，建立了相应的预测模型。应用该方法对321国道交通量进行了实际的预测．获得了满意的结果。     

隧道洞口边坡变形的多阶段递进预测研究

为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明： sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1.03%,方差值为0.042 6,预测精度和稳定性较高,验证了预测模型的有效性。