基于AIS船舶数据的港口交通流量预测模型研究

针对当前船舶交通流量预测手段落后,精度不高的问题,利用宝船网A PI数据接口提取船舶A IS数据,依托该数据构建基因算法优化神经网络的船舶交通流量预测模型,K近邻回归预测模型、时间序列预测模型和灰色预测模型的组合预测模型.通过自编程序采集了天津港某时段的船舶交通流量数据,在剔除错误和不可用数据后,对船舶交通流量数据进行统计,分析得到了进出天津港的船舶航行特性.同时为了更直观的验证所提出的预测模型效果,与利用K近邻回归、时间序列和灰色预测模型3种方法预测的结果进行对比.组合模型进港预测的平均绝对误差、均方误差和平均相对误差分别是0.5595,1.0119和12.98%,出港分别是0.6726,1.3155和15.23%,以上指标均优于上述的传统3种模型.相比于组合模型,优化的BP神经网络模型预测结果更优,进港和出港预测的平均相对误差分别降低了3.23% 和4.76%,结论证明,组合模型和优化的BP神经网络模型具有较高的预测精度.      

公路交通规费收入的月度预测时间序列分析

本文旨在对公路交通规费月度收入变化情况进行预测。以四川省公路养路费收入的月度时间序列为研究数据,采用时间序列季节单整自回归移动平均模型进行分析,并对其预测效果进行了评估。结果表明,SARI-MA模型可以较好的拟合研究对象的历史数据,结合时间序列特点,可以对研究对象进行较为科学、准确的预测。     

非线性耦合模型在桥梁桩基沉降预测中的应用研究

通过对桥梁桩基的沉降预测,能有效地评价和判断桥梁的稳定性,为现场施工提供一定的指导依据。同时,系统性的预测方法能有效提高预测精度,因此,将灰色模型和BP神经网络进行耦合,建立了桥梁桩基沉降的初步预测模型,再利用马尔科夫链建立误差修正模型,实现桥梁桩基沉降的分阶段预测。该模型发挥了灰色模型“累加生成”灰色序列的优点,增加了沉降数据的规律性,又充分利用了BP神经网络和马尔科夫链的非线性预测能力,具有系统性强、全面性高等优点。同时,利用2个实例进行验证,结果表明实测值和预测值较吻合。其中,实例1平均相对误差为1.37%,实例2的平均相对误差为1.39%,两实例的预测结果差异不大,具有较高的预测精度,验证了所提预测模型的有效性。     

基于灰色-马尔科夫模型的高速公路货物运输量预测方法

为准确预测我国高速公路货物运输趋势,文章提出灰色GM(1,1)模型、马尔科夫模型和新陈代谢思想的组合模型,以2009—2016年我国高速公路货物周转量为原始数据序列,预测2017—2019年高速公路货物周转量。结果表明:组合模型比传统的灰色GM(1,1)模型预测精度更高,加入新陈代谢思想,删除旧数据,引入新数据,降低了长期预测的误差,对新序列采用灰色-马尔科夫模型,2018年和2019年的相对误差由原来的7.81%和6.45%分别下降到3.85%和0.62%。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

路面累计交通量的灰色预测方法

本文利用已有交通量资料，吸承灰色系统理论中累加生成的思想，通过回归分析，建立了路面累计交通量预测的灰色抛物线模型，表明了路面累计交通量的灰色预测方法，该法避开了按规范给出了公式进行累计交通量预测需要确定设计年限内交通量的年平均增长率和设计初年平均日交通量两个参数的工作，且可得出可信的预测结果，在交通量资料少且规律性又不强的情况下，该预测工作具有明显的优越性。     

基于三制度SETAR模型的短期交通流预测

针对城市道路交通流预测仅考虑正常(或没有交通事故)交通条件下短期交通流的现状,采用三制度自我激励阈值自回归(SETAR)模型进行短期交通流预测,该模型适合研究多种交通状态下交通流的动态变化行为。通过实例验证,对比分析了三制度SETAR模型和自回归求和移动平均(ARIMA)模型对城市道路5 min交通流的预测,其中后者被用作比较基准模型。研究结果表明,这个模型不仅能够合理地解释交通流的变化行为,而且比ARIMA模型在向前1步样本外预测交通流变化幅度和变化方向上均有更好的预测表现。     

指数平滑技术改进灰色沉降预测模型及应用

GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。该文将指数平滑技术引入到灰色预测模型中,该方法既充分利用了观测序列中的有用信息,又大大减少其随机性,采用平均斜率法对灰色模型的背景值计算方法进行了改进,将原始观测数据序列变换成规律性强的呈指数变化的序列。某公路试验段实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。     

基于指数平滑技术的灰色沉降预测模型及应用

GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。将指数平滑技术引入到灰色预测模型中,该方法既充分利用了观测序列中的有用信息,又大大减少其随机性,将平均斜率法对灰色模型的背景值计算方法进行了改进,将原始观测数据序列变换成规律性强的呈指数变化的序列。某公路试验段实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。     

区域交通流的时空预测与分析

论述了短时交通流预测模型的分类、特点和适用条件。通过历史交通流量记录运用最优抽样间隔数据分析发现,在城市道路网络中,路口自身和近邻路口的交通流数据之间存在紧密的时空关系。利用时空自回归移动平均模型来建立路口间交通流的时空关联关系,用于区域交通流的短时预测和时空分析,并详细介绍了该模型的数学描述和建模过程。采用长安街及其沿线路口的区域交通流量作为试验数据,验证了该模型在交通流的短时预测和时空分析中的可行性。该模型在考虑预测值所在位置时间序列的同时,也考虑到了空间上相邻位置的时间序列,大大提高了短时交通流预测的准确性。     

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

车辆路面纵向振动信号再现方法研究

基于自回归滑动平均模型(ARMA)的方法,实现了不同车速和路面条件下的随机振动信号的实验室再现。并对某货车的半主动悬架物理模型进行了路面随机振动信号再现和平顺性试验,通过对实际信号和再现信号的统计数据、累积频率分布(CFD)和功率谱密度(PSD)的效果比较,表明其优点是方法简单、准确度高、周期短、费用低。     

基于灰色理论的高速公路小修保养维修量预测模型

在仅有通车5 a以下维修量的小样本数据条件下,为了合理、科学地预测高速公路小修保养维修量,量化年平均日交通量、年均降雨量、年均温度和通车年限4个因素对维修量的影响程度。提出了基于Matlab的灰色系统预测模型,以实际调研路段5 a的统计数据为样本,运用灰色关联度模型对4个因素的影响程度进行量化评估;分别建立均值GM(1,1)单变量预测模型与GM(1,N)多变量预测模型对维修量进行预测分析。研究结果表明:上述4个影响因素与维修量的灰色关联度均大于0.5,说明上述4个自变量对维修量均具有较大影响;GM(1,1)模型70%的预测结果误差小于15%,GM(1,N)模型75%的预测结果误差大于30%,从而得出GM(1,1)预测模型比GM(1,N)预测模型的预测结果更加准确。因此,对通车5 a以下维修量的小样本数据预测,选用单变量预测模型更加合理、有效。     

基于决策树理论的交通流参数短时预测

针对现有交通流参数短时预测方法的不足,考虑到交通流数据序列的非线性特征,提出一种基于决策树理论的非参数预测方法。采用时间序列滞后项将交通流参数序列转化成非参数模型能处理的数据格式。考虑到交通流参数之间存在长期协整关系,构建流量速度滞后项的组合向量,为预测模型提供基础数据。构建基于分类回归树(CART)的交通流参数短时预测模型。基于实际采集的道路交通流数据,对模型在不同等级道路不同速度区间下的性能进行评估。结果表明,所提出的模型相较于常用的时间序列模型,精度有所提高;速度预测准确性普遍高于流量,速度平均绝对百分比误差基本小于13%,而流量预测则达到了30%;采用工作日和周末数据分别建模能够有效提升预测性能;不同速度区间下的预测性能评估显示,模型在各等级道路中速区间的预测结果具有较高的准确性与稳定性。      

基于残差单调性的GM（1,1）修正模型及其应用研究

通过建立灰色GM（1,1）预测模型,对边坡位移进行预测。根据预测结果并利用残差在一定区间内呈单调变化的特性,再基于残差单调性重新选取样本序列,再次建立1组新的灰色模型,从而可极大地提高边坡位移预测精度。该模型被称为基于残差单调性的GM（1,1）修正模型。     

山区高速公路弯坡路段车辆运行速度预测模型

为确定山区高速公路弯坡路段的车辆运行速度特征,提高山区高速公路运营安全管理水平,结合山区高速公路复杂的道路线形条件,研究适用于弯坡路段的运行速度预测模型.文中列举国内外具有代表性的运行速度模型,并分析其局限性;通过调研3条典型山区高速公路,采用气压管式车速检测器对车速数据进行采集,选择路段特征点的运行速度作为分析样本;...