����ģ�ͱ궨������Ӧ���о�

介绍了重力模型的各种不同形式的标定和检验方法，标定方法有最小二乘法、试算法及其该进方法，检验方法包括t检验法和相对差的检验。通过具体的算例，比较分析了它们不同的计算过程和结果，从而得出各类重力模型的标定和检验方法的特点。据此得出在我国的现有情况下的适用性。     

出行分布观测数据中的稀疏矩阵问题研究

对出行分布观测数据中的稀疏矩阵问题进行分析,提出了部分矩阵估计、补零矩阵估计和增量矩阵估计3 种不同方法来标定双约束重力模型的参数.通过定义估计的精确性和有效性两个不同的估计效果测度,将双约束重力模型等价为带有约束的数学规划,并采用解析方法比较3 种不同标定方法的估计精度差异.在此基础上,通过数值方法模拟计算,并比较3 种标定方法的估计有效性.通过研究可以发现,补零矩阵估计的参数精确性最好,而增量矩阵估计的有效性最好.研究成果能够作为实际城市交通规划中观测稀疏矩阵参数标定工作的理论依据.     

重力模型在TRANSCAD中的应用研究

论述了重力模型在TransCAD软件中的工作原理,针对云南省中小城市的交通特点,探讨了利用TransCAD重力模型进行重力模型参数标定和交通分布预测的整个流程。     

基于人群特征的三维约束重力模型研究

双约束和现有三约束重力模型在不同人群对出行阻抗的认知方面均采取平均化处理的方法,与实际出行情况有明显的差异.针对不同人群对出行阻抗的认知程度不同,提出了基于人群特征的三维约束重力模型改进方法.在出行生成环节中将不同人群分开,设计不同人群的出行量预测算法.在重力模型改进中,按照不同人群对第三维约束的接受程度,对人群出行量进行分类并标定相应的缩放系数.以岳阳市交通分布模型为例,对长距离出行约束进行分析,并分别应用双约束和改进的三维约束重力模型进行计算,结果说明了改进的三维约束重力模型的可行性与优越性.     

重力模型在TRANSCAD中的应用研究

集GIS与交通模型功能于一体的TransCAD软件为交通规划者提供了完善的交通分布模型。而重力模型是交通分布模型中最为完善和应用最广泛的模型之一。论述了重力模型在TransCAD软件中的工作原理,针对云南省中小城市的交通特点,探讨了利用TransCAD重力模型进行重力模型参数标定和交通分布预测的整个流程。     

�����ģ���ڽ�ͨ�ֲ�Ԥ���е�Ӧ��

探讨了引入重力式先验概率的最大熵模型的原理和算法,该模型用于"四阶段 法"的交通分布预测,将发生概率最大的交通分布视为预测的交通分布,隐含考虑了随机因素的影响,从宏观上描述了出行者的交通行为,实际应用中模型参数容易标定.通过实例分析并与双约束重力模型、底特律增长系数模型的预测结果进行比较,结果表明最大熵模型克服了后者的局限,适用性较强,在交通分布预测中具有很好的应用前景.     

基于重力分量的道路坡度动态测量

基于MEMS(微机械)加速度传感器的测量原理,采用车辆行驶坡道上的重力分量进行纵向坡度的动态测量,并结合陀螺仪的信号建立基于扩展卡尔曼滤波的数据融合模型,推导出数据融合流程。利用标定后的传感器完成水平道路和坡道的实车试验,采集实车试验数据进行离线算法验证。重力分量法与双天线GPS测量的坡度差值在±1°上下波动,表明重力分量法能够获得实时动态纵向坡度,满足智能汽车识别环境信息的需求。     

三维约束重力模型及其应用

双约束重力模型对多中心、长距离组团之间的出行分布描述误差较大,因此需要建立一种多条件的约束模型。从最大熵模型理论入手,在产生量与吸引量双约束基础上,新增第3类约束条件。利用总体阻抗约束最大熵模型推导出三维约束重力模型的一般形式,增加了缩放系数,并利用重力式先验概率的最大熵模型对其进行论证。同时,提出了模型参数标定与检验方法。以福州市交通分布模型为例,对长距离出行约束和跨江出行约束进行分析,并分别应用双约束和三维约束重力模型进行计算,结果说明了三维约束重力模型的可操作性和优越性。     

烟台经济技术开发区城市公交需求预测研究

为促进城市公共交通与城市的协调发展,对烟台开发区的公交需求进行预测。通过分析公交出行OD,得出公交出行发生量和吸引量;建立各小区基准年的公交发生量、吸引量与人口、岗位之间的函数关系;根据基准年的OD分布,对重力模型的各参数进行标定;利用社会经济发展预测得到各小区特征年的人口和岗位数,采用基于GIS的交通系统软件TransCAD,利用重力模型法对特征年的公交发生量和吸引量进行预测分析。     

重力模型标定方法的分析及应用

介绍双约束重力模型参数标定的方法,并以西部某一新城区居民出行分布为例,详细给出参数标定的实现过程。表明此方法操作简单,在实际交通规划的出行分布预测阶段,具有一定参考价值。     

模糊模式识别在交通量预测模型选择中的应用

本文将模糊模式识别应用于交通规划预测模型的评价．以出行受约束的重力模型与双约束重力模型为例，说明常用的一些检测方法存在的不严密性，并用模糊模式识别方法定量确定预测结果与实际出行量的拟合程度．本文的分析结果能为交通规划预测模型的选择提供可靠的依据，并为预测结果的评价提供新的方法．     

考虑人口效益的城市路网OD 矩阵推算模型

交通分布数据获取难度大、成本高，是制约交通工程师开展交通预测的主要因素. 为提高效率、降低工程实践中的预测成本，对城市路网OD矩阵可预测性展开研究. 描述3 种交通分布推算模型并以广州为例，给出交通流概率分布及发生量概率分布. 通过回归分析及残差分析探究发生量与人口、经济的关系，提出考虑人口效益的靶向双联模型(称为TDM模型). 根据误差分析验证4 种模型准确度，并将模型应用于深圳市. 结果表明：交通流及发生量概率分布具有高度异质性，遵循Zipf 定律；发生量与人口、经济相关性强，拟合优度为0.87； TDM模型精度略低于重力模型，但高于其他两种模型，且在深圳市推算效果良好. 综合预测精度、成本和效率，TDM模型更适合预测城市道路交通分布.     

短弧长积分法与平均加速度法的比较分析

为比较短弧长积分法和平均加速度法在卫星重力反演中的效果,用Fortran程序语言分别基于短弧长积分法和平均加速度法编写了2套计算程序,对GOCE(重力场和静态海洋环流探测)卫星精密科学轨道进行了反演计算,得到了2组90阶次的重力场模型Model_Arc(短弧长积分法)和Model_Acc(平均加速度法).结果表明:Model_Acc大地水准面阶误差最大在80阶仅4 cm,而Model_Arc在90阶处达到10 cm;2个模型总体上都比用CHAMP和GRACE卫星的轨道数据反演的模型精度高,Model_Acc在80阶次以前比GO_CONS_GCF_2_TIM_R3精度高,但平均加速度法耗时比短弧长积分法长.      

高速公路交通事故起数时空分析模型

为了分析交通事故起数与时间、道路空间结构及交通运行环境等潜在影响因素之间的关系,从时间和空间角度选择9个自变量,分别从路段长度一致和路段坡度一致2个角度,构建交通事故起数时段、周日和月分布模型。以某典型交通事故多发段为例,分别运用泊松回归模型、负二项回归模型、零堆积泊松回归模型和零堆积负二项回归模型拟合交通事故起数时段、周日和月分布模型,根据模型的拟合优度检验,分别确定3个模型的最佳形式,从而构建交通事故起数时空分析模型。研究结果表明:从AIC准则和BIC准则来看,基于路段长度一致的交通事故起数时段、月分布模型采用负二项回归模型拟合效果较好,其他模型选择泊松回归模型拟合效果较好;基于路段长度一致的交通事故起数时段、周日、月分布模型的预测误差小于基于路段坡度一致的交通事故起数时段、周日、月分布模型。     

短时交通流预测模型

针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。     

对湖北省公路客运量预测模型的探讨

介绍了一元线性回归、确定性时间序列模型、灰色模型预测的基本原理,利用这些预测方法对湖北省公路客运量进行预测,给出其预测公式、预测精度并绘出预测图形,比较了各预测方法在公路客运量预测中的特点。     

基于短期试验的桥梁混凝土长期徐变预测研究

结合BP-KX模型徐变思想,给出了从混凝土短期试验值推算相应素混凝土在该桥梁工作环境下长期徐变系数的方法,通过对短期试验数据的线性回归得出桥梁素混凝土徐变系数的BP-KX模型修正公式。回归分析结果及试验数据与各国规范预测模型比较表明,回归曲线预测理论值与实测值吻合良好。     

Term Structure of Interest Rates Based on Artificial Neural Network

In light of the nonlinear approaching capability of artificial neural networks （ ANN）, the term structure of interest rates is predicted using The generalized regression neural network （GRNN） and back propagation （BP） neural networks models. The prediction performance is measured with US interest rate data. Then, RBF and BP models are compared with Vasicek＇s model and Cox-Ingersoll-Ross （CIR） model. The comparison reveals that neural network models outperform Vasicek＇s model and CIR model, which are more precise and closer to the real market situation.