四川省"十五"交通运输量的预测

交通运输量预测的科学性是促进交通运输事业规范而高速发展的关键，对于解决现阶段我国建设资金严重不足也具有重要意义．通过对交通运输量预测的影响因素进行详细分析，得出经济发展水平与人口数量确实是影响交通运输量的主要因素，并建立相应计量经济模型对四川省的“十五”交通运输量进行了预测，同时给出一般性的模型确定流程．     

广义回归神经网络在交通运输量预测中的应用

因为交通运输、地方经济及企业发展的紧密联系,交通运输量预测成为运输市场和经济发展研究中的一个重要问题。以影响交通运输量的若干重要参数作为样本数据,构建一个广义回归神经网络,经过学习训练后使之达到误差最小,再以此网络外推出未来的交通运输量。结果证明广义回归神经网络用于交通运输量预测的有效性。     

T-GIS技术在交通发生预测中的应用

交通运输系统规划的主要内容是对区域和城市运输系统进行预测和优化研究,它是交通GIS应用的重点领域.结合交通地理信息系统的基本概念,利用T-GIS进行发生与吸引交通量的预测是交通运输规划与GIS相结合的主要应用分支之一.以西安市为例,在TRANSCAD环境下进行交通发生量与吸引量的建模和预测,得到了直观、可靠的结果,可见T-GIS技术在交通领域具有广阔的应用前景.     

基于反推方法的交通运输行业碳排放评估研究

交通运输行业碳排放量化评估对城市低碳策略的制定与实施具有重要参考价值.研究集成趋势预测与落差分析,提出一种基于反推方法的交通运输行业碳排放量测算方法,该方法综合交通运输方式结构以及相应能耗因子与碳排放水平特征,以客运、货运周转量等宏观交通运行指标为依据,衔接终端能源消费与碳排放量,估算碳排放的现状与趋势,反推实现碳排放控制目标的落差与可能实施路径.     

国内动态

交通运输部召开2011年交通运输春运工作新闻发布会2010年1月11日,交通运输部政策法规司何建中司长主持召开了2011年交通运输春运工作新闻发布会。2011年春运将于1月19日开始,2月27日结束,为期40天。根据预测,2011年春运期间全国道路旅客运输量将达25.56亿人次,日均6390万人,同比增长11.6%;全国水路客运量约为3500万人次,同比增长6%。2011年道路水路春运任务重、责任大,主要呈现以下几个特点:     

湖南省交通运输领域碳排放达峰路径研究

交通运输是当今世界经济发展的重要组成部分，但也是产生大量碳排放的主要行业之一。本文以2021年为基准年，设置参考情景、低碳情景和强化低碳情景，通过LEAP (Long-Range Energy Alternatives Planning System)模型对2022—2035年湖南省交通运输领域碳排放量进行预测分析。结果表明：参考情景下，湖南省交通运输领域碳排放量高速增长，2035年排放量达5724.78万t，预测期内未出现峰值；低碳情景和强化低碳情景下，湖南省交通运输领域碳排放预计分别于2033年、2029年达到峰值，峰值量约为4481.44万t、4257.95万t。预测期内，能源消费量仅在强化低碳情景下达峰，于2030年达到2162.24万t标准煤的能源消费峰值。最后，基于减排潜力分析提出湖南省交通运输领域绿色低碳发展的3个主要建议：建议采取强化低碳情景下的强化节能减排措施，尽早实现碳达峰；社会车辆是减排关键子领域，建议推广新能源的同时构建清洁电网，实现减排效益最大化；公路货运是减排重要抓手，调整运输结构和降低重型货车的碳排放是减少公路货运排放的主要措施。     

基于线性回归的压缩天然气客车能耗估算研究

随着我国城市化和机动化水平的提高,居民出行需求也大大增加,由此造成我国近年来交通行业能耗量飞速增长,为解决这一问题,基于山东省部分交通运输企业运输装备的日常运营数据建立交通运输能耗统计监测体系,以寻求有效降低交通运输能耗的方法。研究将客运车辆能耗统计工作通过建立多元线性回归模型来实现能耗的评估及预测,并对模型进行检验。检验结果表明回归模型实际结果偏差在6.73%以内,能够为车辆能耗估算及预测提供依据,分析表明周转量、电器能耗占用比例以及客位利用率与车辆能耗具有显著的线性相关关系。     

以交通运输分析及预测进行公路建设

交通运输分析及预测是确定公路建设项目的技术等级、建设规模以及经济效益评价的主要依据，本文提出了须从整体进行交通运输分析和综合进行交通运量预测的观点。     

灰色Verhulst模型在交通运输结构预测中的应用

合理的预测交通运输结构,对于交通体系的完善和社会经济的发展具有重大的意义.在灰色系统理论中,灰色GM(1,1)模型适用于具有较强指数规律的序列,而Verhulst则适用于非单调的摆动发展序列或者具有饱和状态的S形序列.因交通运输结构发展趋势的非单调性,尝试用灰色Verhulst模型对交通运输结构进行预测,并在实际的工程实例中,加入了等维的约束条件,采用了等维动态预测模型,以保证预测结果的精度.计算过程运用了matlab软件等辅助工具,预测精度较好,可见这是一个较好的尝试.     

苏州市GDP 与交通运输量之间的关系研究

选取1996—2016年苏州市国内生产总值(GDP),客货运输量的年度数据作为研究样本,运用单位根检验、协整检验分析了GDP与客货运输量之间的关系,以确定GDP与运输量之间是否具有关联性。结果表明在5%显著性水平下,GDP与客货运输量存在长期稳定的均衡关系,经济发展对客货运输量的影响程度在总体上是稳定的。提出定基交通运输弹性系数概念,建立了定基GDP增长率与定基交通运输量增长率之间的弹性系数模型。经研究发现,在长期发展过程中,定基交通运输量弹性系数逐渐趋向于稳定。     

预测路基沉降的一种新模型

大量的工程实践表明,多级加载的施工方法使路基沉降曲线呈“台阶状”发展。结合相对时间坐标系的概念,提出了一种改进的指数预测模型及其分级预测方法,并对双曲线模型进行了推广。改进的模型比原模型少一个参数,更适合于荷载恒定期的沉降预测,特别是工后沉降预测。应用改进的模型对苏嘉杭高速公路近三年的工后沉降观测数据进行了拟合和预测,验证了拟合和短期预测的精度,并对两种模型的中长期预测值进行了比较。     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

�����������SARIMA���ģ�͵Ķ��ڽ�ͨ��Ԥ��

为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点。构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势。实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型。然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测。     

壳单元的“自锁”问题

本文以杂交／混事有限元为基础,讨论了壳单元“自锁”现象,论论了避免“自锁”的条件;指出与弯曲应力参数相耦合的膜应力参数和横剪应力参数对“自锁”现象不起任何作用。本文的结论可以推广到其他多变量有限元模型中。     

基于Gompertz模型的公路交通量分析与预测

低等级公路特别是县乡公路的交通量预测宜采用时间序列模型,有三种预测模型:二次多项式曲线、指数曲线和Gompertz曲线.实例分析表明,Gompertz曲线的预测模型能够较真实地反映交通量的发展,较为准确地预测交通量.     

���Ԥ����Ȩ�ص�ȷ���о�������С����ֵ����Ӧ��

组合预测法的关健是确定组合的权重，着重研究了权重确定的不同方法。在讨论传统的组合预测方法的基础上，提出了新的组合预测方法，即以绝对值之和最小为目标函数的最小绝对值法。通过实例，将新方法和传统方法进行对比，验证了新方法的精确性和优越性。     

基于ANFIS交通流实时预测及在MATLAB中的实现

分析了模糊推理预测模型和神经网络预测模型在交通流实时预测中的优缺点,采用ANFIS预测模型将二者结合起来,发挥两个模型各自的优势,弥补彼此的不足,通过预测结果表明该模型能够更直观、更精确地对交通流进行实时预测.     

基于ANFIS交通流实时预测及在MATLAB中的实现

分析了模糊推理预测模型和神经网络预测模型在交通流实时预测中的优缺点,采用ANFIS预测模型将二者结合起来,发挥两个模型各自的优势,弥补彼此的不足,通过预测结果表明该模型能够更直观、更精确地对交通流进行实时预测.     

沥青路面温度模型及分析方法比较

介绍国内外典型的路面温度模型,并对其进行简要的分析。通过这些模型的分析,对路面温度预估方法进行比较,提出统计分析法将成为路面温度预测方法中主要的方法。     

考虑需求预测不确定性的交通网络设计

为分析需求预测不确定性对交通网络设计的影响,根据需求预测结果的不同类型,建立了适用于连续型需求的基于灵敏度分析的交通网络设计模型和适用于离散型需求的基于未来情形预测的交通网络设计模型。模型均由两项组成,前一项表示网络效益,后一项表示网络稳定性。给出了两类模型的构造过程,探讨了模型的求解方法与适用范围。计算结果表明:随着设计参数变小,网络效益变小,网络稳定性变大,进而得到不同的网络设计结果。可见,考虑需求不确定性的模型能准确地反映实际的交通网络设计目标。