公交客流预测的神经网络模型

通过分析神经网络的作用机理和公交年客流量的影响冈素,以城市人口、居民收入、生产总值等9个因素作为输入神经元,输出神经元为每年的公交客流量,建立了公交客流预测的径向基神经网络模型(RBF)和BP神经网络模型,以合肥市公交量的调查数据为例,对网络进行学习与训练仿真实验,结果表明所建模型具有较高的预测精度,效果较好.     

基于贝叶斯网络组合模型的公交驻站时间预测

公交驻站时间是公交行程时间的主要组成部分,其预测精度直接影响智能公交系统中公交信息发布的准确性.为了提高公交驻站时间的预测精度,提出一种基于贝叶斯网络的组合预测模型,它由反向传播神经网络和径向基函数神经网络模型组成.首先利用两种神经网络模型预测公交驻站时间;然后利用改进后的等宽数据离散方法,将两种神经网络的预测结果和观测的驻站时间数据离散后用于贝叶斯网络学习;最后通过贝叶斯网络推理得到驻站时间组合预测结果.实例分析表明,贝叶斯网络组合模型驻站时间预测结果的误差指标均优于单一模型,证明其可有效提高单一模型的预测精度.     

����SVM��Kalman�˲���BRT�г�ʱ��Ԥ��ģ���о�

本文提出了一个支持向量机进行初始行程时间预测并结合卡尔曼滤波算法进行动态调整的快速公交车行程时间综合预测模型.以快速公交车运行的GPS数据为基础,对北京市朝阳区快速公交2号线进行行程时间预测案例研究.利用该模型对其早高峰和上午平峰的两个不同时段的公交行程时间分别进行预测和对比分析,并通过与单一的卡尔曼滤波方法所得的预测结果进行比较.结果表明,该模型应用于快速公交行程时间预测具有更好的适用性,并且预测平峰时段的精度要高于高峰时段.     

基于多源数据融合的干线公交车辆 行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合,对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析,其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测,其中改进的SVM模型的平均绝对百分比误差为6.26%,优于ARIMA模型的11.69%,更适用于短距离交叉口间的公交车辆行程时间预测.     

基于多源数据融合的干线公交车辆行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度，在拟合公交车辆行程时间分布特征的基础上，提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合，其中混合高斯分布函数适用于单路段拟合，对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析，其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测，其中改进的SVM模型的平均绝对百分比误差为6.26%，优于ARIMA模型的11.69%，更适用于短距离交叉口间的公交车辆行程时间预测.     

基于径向基函数网络的社会消费品总额预测模型

利用BP、RBF神经网络自适应学习法模型,对社会消费品总额进行了预测和研究,结果表明用RBF网络自适应学习法所建立的模型经过训练后,可得到较精确的预测结果,并具有较强的应用性。     

基于时间序列法的公交车站间行程时间预测模型研究——以苏州1路公交为例

准确预测公交站间行程时间是先进的出行者信息系统(ATIS)的核心,是公交运营和管理的关键问题之一。本文采用改进的时间序列法进行公交车辆站间行程时间预测,利用游程检验法检验时间序列平稳性,并借鉴EMD算法把非平稳时序分解为若干个平稳时序的线形组合,然后对每个平稳时序用指数平滑模型预测。最后,依托苏州1路公交运行数据对该预测模型进行验证,结果表明,该预测模型不仅能够准确的预测公交站间行程时间,还能增强时间序列法对于突发事件的反应能力,大幅提高预测精度。     

基于卡尔曼滤波算法的公交车辆行程时间预测

通过分析公交车辆的行驶特性,利用卡尔曼滤波算法建立行程时间预测模型,并用该模型预测未来时段的公交车辆路段行程时间.预测结果表明,该方法预测精度较高,可有效地改善公交车辆动态调度效果,提高交通资源利用率,因此该方法具有推广意义.     

基于Matlab的BP神经网络在公交车辆调度中的应用

根据公交站点客流集散量,选用合适的BP神经网络构建公交车辆调度形式的神经网络预报模型.运用BP神经网络Matlab工具箱设计的基本方法与过程,将BP网络模型引入公交车辆的调度方案研究,计算结果表明,BP模型应用于公交车辆调度形式预测中具有较高的预测精度和良好的泛化能力.     

基于神经网络的公交车辆行程时间预测模型研究

城市公交丰辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种不同输入变量方案的神经网络预测模型,表明该模型具有良好的适用性。此外,将该方法与卡尔曼滤波法的行程时间预测模型进行比较,结果表明,基于神经网络的动态行程时间预测模型精确度较高。     

为部队训练研发浮动目标靶等新装具的回忆

在内陆地区借助专用装具模拟海上浮动目标进行射击训练,从而有效地提高现役部队官兵和预备役指战员的实战技能。浮动靶标的研发成功地实现了这一预想。     

监控量测技术在长逢沟隧道施工中的应用与数据分析

长逢沟隧道为一座左、右线分离的四车道高速公路长隧道,地质情况复杂,围岩软弱破碎,总体较差,Ⅲ级围岩仅占32.86%,Ⅳ、Ⅴ级围岩占67.14%,且穿越3个大断裂带,埋深较浅.根据新奥法施工原理及隧道施工实际情况,在施工过程中严格地、系统地采用监控量测技术指导施工,以现场监控的围岩观察、拱顶下沉、水平收敛、地表下沉等数据...     

王繁高速公路太安岭隧道涌水量预测与评价

以太安岭隧道为例,利用地下水动力学方法对隧道开挖的涌水量进行了预测,预测结果表明,隧道全线属于弱富水段,根据预测结果提出了隧道施工建议。     

水泥稳定冷再生材料路用性能试验研究

通过室内试验对水泥稳定冷再生混合料的无侧限抗压强度、抗压回弹模量、劈裂强度、抗冻性能进行了系统的研究,同时研究了水泥剂量、旧料掺加比例、温度对水泥稳定再生混合料的影响.研究表明,水泥剂量为5%时,冷再生材料的强度和其他路用性能指标均满足规范的要求.     

水泥稳定碎石配合比设计方法的研究

水泥稳定碎石在我国公路工程中有着广泛的应用,对比分析了两种不同的水泥稳定碎石配合比设计方法,以成型原理、试件最大干密度、试件强度为切入点,充分证明了室内采用振动压实法对提高半刚性基层的路用性能有明显的作用,最后结合试验路工程,总结了水泥稳定碎石振动压实法的施工工艺。     

某岩质边坡失稳机理分析及处置措施研究

通过对现场失稳岩质边坡的调查,简述了边坡存在的隐患,对其进行了失稳机理分析,根据工程特点设定了治理目标及治理方案,并简要阐述了施工工程布置方案,对类似的工程有一定的指导作用。     

隧道监控量测技术应用实例

以某高速公路隧道施工监控为例,详细介绍了隧道监控量测必测项目,如周边位移及拱顶下沉量测数据处理方法及在工程施工中的实际应用,并提出了相关处置意见,及处置后的效果,以供参考。     

仁义河大桥桥墩刚度与结构体系适应性分析

阐述了刚构—连续组合体系桥梁桥墩的刚度对结构变形和内力状态的影响,结合高薄壁墩的特点,对仁义河特大桥桥墩刚度设计和结构体系的适应性进行分析研究,为同类型桥梁的设计提供借鉴。     

隧道喷锚及二衬空洞的成因、预防及处理办法

通过对已有隧道经常发生二衬空洞形成的原因进行分析,探讨解决这一难题的方法以及如何处理。     

基于公路建设质量行为评价的监督方式初探

基于质量行为与实体质量有着较好的相关性,提出了公路建设质量行为评价指标,并鉴于质量行为评价的模糊性,采用层次分析和模糊综合评价方法对建设过程中的质量行为进行了分析,实现了建设质量行为的科学准确评价,最后依据评价结果对工程建设的监督方式做了初探,从而实现公路工程政府监督的差别化和动态化。