灰色理论在高速公路交通量预测中的应用

应用灰色理论，借助于EXCEL及MATLAB，对成渝等几条高速公路的交通量进行预测并结合实例建立相应的模型予以验证，通过与实际情况对比，说明该预测模型用于高速公路交通量预测精度较高，且使用方法简便。     

灰色理论在高速公路交通量预测中的应用

应用灰色理论,借助于EXCEL及MATLAB,对成渝等几条高速公路的交通进行预测并结合实例建立相应的模型予以验证,通过与实际情况对比,说明该预测模型用于高速公路交通量预测精度较高,且使用方便简便.     

高等级公路交通量需求预测方法

针对我国大部分地区存在铁路、高速公路、低等级公路三者并行这一实际情况,提出了在上述运输通道系统中,预测未来特征年高速公路交通量的方法。重点论述了运输通道趋势交通量、高速公路的转移与诱增交通量的预测方法和模型,并结合实例对上述方法的可操作性进行了验证。     

高速公路交通需求预测方法研究

针对我国大部分地区存在铁路、高速公路、低等级公路三者并行这一实际情况,提出了在上述运输通道系统中,预测未来特征年高速公路交通量的方法。重点论述了运输通道趋势交通量、高速公路的转移与诱增交通量的预测方法和模型,并结合实例对上述方法的可操作性进行了验证。     

西部地区干线高速公路交通量预测方法的重新审视

在大量调研的基础上,对西部地区主要干线高速公路特有的功能属性进行分析,从交通源头产生和常规方法的改进两个方面提出提高交通量预测精度的措施,对于西部地区正在进行前期研究的高速公路交通量预测,以及后评价具有重要的指导意义。     

长吉高速公路交通量预测分析

通过对长吉高速公路历年交通流量统计数据的分析,对其未来交通量进行了预测。     

高速公路项目的交通量预测方法探讨

从高速公路项目的自身特点出发，探讨了在建设项目工程可行性研究中，应用区域经济学分区理论，在区域社会经济发展预测的基础上，用四阶段法进行交通量预测的方法。     

西部地区干线高速公路交通量预测方法的重新审视

在大量调研的基础上,对西部地区主要干线高速公路特有的功能属性进行分析,从交通源头产生和常规方法的改进两个方面提出提高交通量预测精度的措施,对于西部地区正在进行前期研究的高速公路交通量预测,以及后评价具有重要的指导意义。     

高速公路交通量预测失准分析

以沪宁高速公路为研究依据,分析交通预测量与实际交通量的差异,总结失准规律,并从预测方法和模型上找出失准原因,并提出几点建议,这对于更加准确地预测高速公路的交通量,提高预测方法的科学性和合理性,具有重要的作用。     

基于混合AGO-SVM的高速公路短时交通量预测研究

提出一种混合AGO-SVM高速公路交通量预测方法,原始交通量数据通过累加操作生成有规则的数据,预处理后的规则数据使用支持向量机法进行建模并预测,预测数据进行逆累加操作,获得下一时刻高速公路交通量的预测值,数据进行更新并保持样本序列不变从而进行高速公路交通量递推预测. 应用西宝高速交通量实际观测数据验证算法的有效性. 试验结果表明,在几种指标下该方法的预测精度比灰色模型法和支持向量机法的预测结果有所提高,是一种有效的高速公路交通流量预测方法.     

灰色理论在公路改建项目交通量预测中的应用

采用灰色理论对公路改建项目进行交通量预测,不仅简化了传统"四阶段预测法"中大量的基础资料调查工作,而且也适用于无法采用增长率法的公路改建项目。采用这种方法进行的交通量预测结果也基本可信。     

高速公路交通量预测失准分析

以沪宁高速公路为研究依据,分析交通预测量与实际交通量的差异,总结失准规律,并从预测方法和模型上找出失准原因,并提出几点建议,这对于更加准确地预测高速公路的交通量,提高预测方法的科学性和合理性,具有重要的作用。     

高速公路项目的交通量预测方法探讨

从高速公路项目的自身特点出发,探讨了在建设项目工程可行性研究中,应用区域经济学分区理论,在区域社会经济发展预测的基础上,用四阶段法进行交通量预测的方法。     

高速公路沉降预测方法的优化选择

以汾灌高速公路为背景，采用Asaoka法、灰色预测法和对数曲线法对实测沉降历史曲线进行沉降预测，并与实测沉降量进行对比。结果表明对数曲线法是一种最优化的高速公路沉降预测方法。     

基于非线性主成分分析和GA-RBF的高速公路交通量预测方法

为了提高高速公路交通量的预测精度, 综合考虑高速公路交通量的高度非线性和受多因素影响的特征, 提出一种基于非线性主成分分析和GA-RBF神经网络(NPCA-GA-RBF) 的高速公路交通量预测方法; 确定了高速公路交通量的主要影响指标, 运用非线性主成分分析法降低高速公路交通量影响指标的维数及其相关性, 用少数主成分代替原有的多指标, 以简化神经网络结构; 利用GA优化RBF神经网络的参数, 进一步提高交通量的预测精度; 以普洱市某高速公路为例, 对交通量预测方法进行实例验证。分析结果表明: 2组试验GA-RBF和NPCA-GA-RBF方法的平均相对误差分别比RBF方法降低1.62%、3.53%和2.27%、3.32%, 说明GA优化RBF神经网络能提高RBF方法的交通量预测精度; 与GA-RBF方法相比, 2组试验NPCA-GA-RBF方法的平均相对误差分别降低了1.91%、1.05%, 其交通量预测值更接近实际交通量, 预测结果更为可靠, 表明非线性主成分分析法消除了指标的相关性, 进一步提高了交通量预测精度, 减少了交通量预测复杂度。可见, NPCA-GA-RBF方法具有更高的交通量预测精度, 能为高速公路的良好管理提供可靠的决策依据, 满足高速公路合理运营管理的客观需求。      

关于应用GM(1,1)模型建立交通量预测模型的研究

灰色预测有其应用条件的限制，在交通流量统计的基础上，就不同累计时间的GM（1，1）交通量模型预测效果进行对比研究，可得出累计时间越长模型精度越高并且累计时间太短不宜用GM（1，1）建模的结论。     

灰色理论与模型在交通量预测过程中的缺陷分析

交通量预测是公路规划阶段的关键步骤,方法繁多,针对灰色理论与模型在交通量预测过程中的应用,以黑龙江省的几条干线公路的交通量预测为实例,从模型构造上分析了该模型在预测过程中存在的缺陷,有利于该模型的改进和完善。     

基于自适应灰色模型的高速公路路基沉降预测

自适应灰色模型理论正确、精度合格,能够满足实际工程应用,将自适应灰色理论模型应用于高速公路地基的沉降预测同时用MATLAB编制自适应灰色模型预测程序,可以使应用该模型进行预测变得简便易行且方便移植。     

鹤大高速公路新开岭至丹东段通道综合运输分析

主要根据现状通道内交通运输方式构成,运用LOGIT模型对通道未来年方式进行了分析,科学预测通道内公路及铁路承担的运输量,为准确预测新建高速公路交通量提供依据.     

基于GM-BP神经网络的交通量预测

针对城市道路交通系统的复杂性和随机性,应用灰色理论和神经网络知识,建立了基于灰色理论和BP神经网络的城市道路交通量GM-BP神经网络预测模型.随后运用该预测模型对城市道路的交通量进行预测,预测结果表明：GM-BP神经网络预测模型所得预测结果平均相对误差为1.17%,与单一的灰色新陈代谢预测模型相比具有预测精度高的优点.