基于改进灰色-马尔可夫链方法的铁路货运量预测

科学的货运量预测对铁路发展战略的制定具有十分重要的意义.针对灰色模型的预测结果精确度受原始数据变化幅度的影响较大,且要求累加生成的数据列具有指数性质的缺点,采用带波动的多项式来替代GM（1,1）模型中的指数形曲线,并通过马尔可夫链对其预测结果进行修正,从而建立改进的灰色-马尔可夫链预测模型,同时利用该改进模型对我国铁路货运量进行预测,并与传统的GM（1,1）模型、改进的GM（1,1）模型和灰色-马尔可夫模型3种预测方法进行了比较,结果表明：提出的预测方法具有较高的精度,具有一定的可行性和有效性,预测结果可指导铁路建设与管理.     

公路货物运输量灰色马尔可夫预测模型

为了提高公路货物运输量的预测精度,结合灰色系统和马尔可夫链的特点,建立公路货物运输量灰色马尔可夫预测模型.在实例应用中,建立运输量GM(1,1)灰色预测模型,在获得预测值和残差检验的基础上,将原始数据序列划分为4个状态,计算状态转移概率,利用灰区间中位数建立货运量灰色马尔可夫预测模型,对货运量和货运周转量进行预测.将其预测结果与GM(1,1)灰色模型的预测结果比对,结果表明,灰色马尔可夫预测模型可以用于公路货物运输量预测,且其预测精度高于GM(1,1)灰色模型.     

基于灰色马尔可夫链模型的航空货运量预测研究

航空货运量预测是航空货运发展和决策的基础.将灰色系统理论和马尔可夫链相结合,提出了灰色-马尔可夫链预测航空货运量的预测方法,并且针对我国航空货运量的发展趋势进行了预测.理论分析与实践都表明,该方法不但预测结果可靠,而且能够对航空货运市场的发展趋势进行宏观把握,有利于决策者的经济决策行为.     

基于灰色GM(1,3)-马尔可夫链模型的公路客运量预测

为了获得更精确的公路客运量预测结果,经分析,以公路客运量、人口和国内生产总值数据为基础,将灰色模型预测方法GM(1,3)和马尔可夫链预测结合,构成组合模型,对公路客运量作出预测,通过对杭州市公路客运量预测的实例分析,对比预测值和实际值,得出基于灰色GM(1,3)-马尔可夫链模型获得的预测结果比灰色预测更加准确的结论,研...     

基于改进型灰色马尔可夫模型的公路货运价格预测

公路货运价格是反映运输市场状况的重要指标,准确的运价数据预测有助于科学的把握市场的变化规律,并为政府相关政策的制定和运输企业市场决策提供支持。本文选取灰色马尔可夫模型对公路货运价格进行预测,由于传统的灰色马尔可夫模型中往往采用转移状态区间的中值来修正预测,预测结果不够精确。为此,本文构建改进灰色马尔可夫模型,根据转移状态为离散型随机变量这一特征,利用状态区间中值的期望对预测结果进行修正,提高了预测精度。最后以2016年7月至9月期间成都至南昌公路货运价格指数作为预测对象进行了实证分析,验证了改进模型的有效性。     

基于UBGPM-Markov的铁路货运量预测方法

针对铁路货运量发展变化的非线性特性,采用非线性灰色模型中的无偏GM（1,1）幂模型进行预测,并用状态划分更为精细后的马尔可夫链修正预测值,从而建立优化后的UBGPM-Markov模型.通过对我国2000~2012年铁路货运量实例分析,与改进GM（1,1）模型、无偏GM（1,1）模型2种预测方法进行了比较,比较显示无偏GM（1,1）幂模型具有较高的预测精度.优化后的UBGPM-Markov模型更是显著提高了预测精度,将平均绝对百分误差（MAPE）由2.11%减少到0.55%.     

灰色马尔可夫模型在公路运量弹性系数预测中的应用

针对公路运量预测中弹性系数随机波动性较大的问题,结合灰色模型可以揭示预测数据的发展趋势以及马尔可夫预测适合描述随机波动性较大的预测问题的优点,建立了公路运量预测中弹性系数的灰色马尔可夫预测模型;用该模型对北京市公路客运弹性系数进行预测,验证了模型对公路运量中弹性系数进行预测的合理性。研究结果表明,灰色马尔可夫预测模型能够较好地提高公路运量预测中弹性系数的预测精度,对于提高公路运量预测精度具有重要意义。     

灰色最小二乘马尔可夫链预测算法

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。将灰色模型预测方法GM（1,1）、最小二乘法与马尔可夫链预测相结合,提出灰色最小二乘马尔可夫链改进预测方法,并且针对我国能源消费总量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色最小二乘马尔可夫链改进方法是个好算法,更有利于决策者的经济决策行为。     

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM（1,1）预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

基于BP神经网络的南宁市公路货运量预测

为提高公路货运量预测的准确性,依据南宁市历史年份的公路货运量数据建立公路货运量的BP神经网络预测模型。将模型在MATLAB软件环境下进行编码并运算,通过对数据的反复训练和学习最终得到预测值。经过实例分析证明基于BP神经网络的货运量预测模型的有效性。为证明不同方法间的差异性,利用趋势外推法、三次指数平滑法、灰色预测法以及指数回归法对南宁市公路货运量进行了预测。通过对比分析,得到不同方法的相对误差。可以看出,基于BP神经网络的货运量预测模型较传统预测方法有较大的优越性,BP神经网络模型能够揭示货运量的非线性变化关系,准确地拟合原始数据。     

基于模糊线性回归模型的公路货运量预测方法

确定了公路货运量的影响因素分别为GDP、人口数量、社会消费零售总额和农副产品产值,构建了基于模糊线性回归模型的公路货运量预测方法。以延安市公路货运枢纽规划为实例,1995～2004年的货运统计量作为因变量,确定了模型的模糊系数。以2005～2010年的货运统计量作为验证值,分析了模型的拟合精度,并将模糊线性回归模型的预测结果与指数平滑法、灰色模型、弹性系数法3种常见预测方法的预测结果进行比较。研究结果表明:在模糊线性回归模型中,t检验的平均值为0.673 07,说明预测值与实际值差异不显著,模型预测效果较好;4种方法的平均相对误差分别为0.073 1、0.100 3、0.167 8、0.232 9,可见,本文方法误差最小。     

公路货运弹性系数的因子计算方法研究

为全面、有效地分析众多指标因子对货运需求的影响并揭示它们之间的联系,将公路货运影响因子划分为公路货运经济因子和公路货运弹性因子两种,并给出公路货运弹性系数的因子分析法。对某省1980～2005年公路货运指标采用因子分析法进行计算,通过经济因子和弹性因子的关系来获取该省公路货运的弹性系数。结果表明：采用因子分析法进行公路货运需求分析,既能大大减少参与数据建模的变量个数,有效降低变量维数,同时也不会造成信息的大量丢失;各年货运弹性系数总体变化不大,能够较好地反映公路货运与社会经济发展的关系,但利用几何平均法得到的运输弹性系数的发展趋势比较平缓,其波动范围也小于利用算术平均法得到的弹性系数。     

基于灰熵法的公路货运量和货物周转量关联因素分析

分析了国民经济宏观因素与公路货运量和货物周转量之间的相互影响, 提出了基于灰色关联度算法与熵权法相结合的灰熵关联度算法, 依据《陕西统计年鉴》中近14年的经济数据与公路货运量和货物周转量数据, 研究了国民经济宏观因素与公路货运量和货物周转量之间的关联系数, 给出了各个经济指标对公路货运量和货物周转量的影响程度; 去除各数据之间量纲的影响, 用灰色关联度算法计算经济指标与公路货运量和货物周转量之间的关联系数, 用熵权法计算各经济指标的权重; 基于经济指标的关联系数及其权重, 计算了各个经济指标与公路货运量和货物周转量之间的关联度, 并分析了北京市和天津市公路货运量的影响因素。分析结果表明: 对于经济指标, 公路货运量和货物周转量呈现相似的关联趋势, 陕西省公路货运量与第一产业产值、工业增加值、第二产业产值之间的关联度较高, 分别为0.944 7、0.941 7、0.940 2, 货物周转量与第一产业产值、城镇单位在岗职工平均工资、人均生产总值的关联度较高, 分别为0.920 7、0.915 9、0.915 3;北京市公路货运量与第三产业指数、第二产业指数、人均生产总值指数的关联度较高, 分别为0.716 2、0.714 8、0.710 9;天津市公路货运量与城镇单位在岗职工平均工资、生产总值、第三产业产值、第二产业产值、工业增加值、人均生产总值的关联度较高, 分别为0.862 0、0.855 6、0.853 4、0.851 4、0.851 4、0.851 3。可见: 北京市与天津市公路货运量关联因素分析结果总体上同陕西省基本一致, 主要关联因素都是该地区三大产业产值。      

货车轨迹数据在公路货运系统中应用研究综述

随着轨迹数据可获取性及精度的持续提高，货车轨迹数据被广泛应用于公路货运系统的 规划与管理中，同时，人工智能和大数据分析技术的快速发展也为公路货运系统研究带来新的机 遇与挑战。本文全面梳理并总结了公路货运轨迹数据应用领域的相关研究，从基于轨迹数据的 货运出行信息辨识、货运系统关键特征预测、货运轨迹数据进一步应用3个方面回顾现有文献的 研究目标、主要内容和研究方法。通过文献分析发现：货运出行信息辨识研究聚焦于货运停留 点、车辆和货物、活动出行模式等热点主题，但现有辨识方法多移植于旅客出行研究，需要更多地 考虑货运出行的独特特征。在货运系统关键特征预测方面，研究者主要针对货运行程时间、空间 位置、出行需求等主题展开研究，并证明了基于轨迹数据预测货运特征的可行性，但预测时空范 围较为局限，需要根据具体的货运任务、货车司机特征和货运政策进行深入研究。此外，轨迹数 据也被应用于货运出行路径选择行为、货运停车休息行为、行驶安全、货运排放和能耗分析、货运 政策评估等研究。最后，在总结现有研究不足的基础上，本文认为未来研究应重点将货运轨迹数 据与其他多源数据相结合，从3个关键技术进行突破：一是针对货运实践个体，重点探索高效货车 驾驶员的出行特征和出行模式，并在货运系统中进行推广应用；二是针对交通运输新技术和新形 势，重点开发和优化自动驾驶技术和重大应急事件影响下的货运组织模式与策略；三是针对货运 供需关系及匹配机制，重点研究货运全流程供需状态辨识与预测，并结合深度学习等方法训练和 开发智能供需匹配模型，从而优化货运系统调度，助力社会散乱运力资源整合，提高货运系统的 综合效率。     

公路货运弹性系数的因子计算方法研究

为全面、有效地分析众多指标因子对货运需求的影响并揭示它们之间的联系,将公路货运影响因子划分为公路货运经济因子和公路货运弹性因子2种,给出了公路货运弹性系数的因子分析法,并对某省1980~2005年公路货运指标采用因子分析法进行计算,通过经济因子和弹性因子的关系来获取该省公路货运的弹性系数。结果表明：采用因子分析法进行公路货运需求分析,既能大大减少参与数据建模的变量个数,有效降低变量维数、同时也不会造成信息的大量丢失;各年货运弹性系数总体变化不大,能够较好地反映公路货运与社会经济发展的关系,但利用几何平均法得到的运输弹性系数的发展趋势比较平缓,其波动范围也小于利用算术平均法得到的弹性系数。     

在地公路货物运输量统计方法

提出了在地公路货物运输量的概念, 将非营运货车和外地货车纳入了在地货物运输量的统计范畴, 归纳了基础数据集; 通过分析车辆注册地、使用性质、路网等级和车流流向等因素, 提出了在地货物运输量的统计思路和拆分逻辑, 建立了在地公路货运量和货物周转量统计模型; 基于本市籍营运货车产生的货运量, 提出了在地货运量规模指数用以评估在地货运量的相对偏移程度和外地货车的参与程度。研究结果表明: 控制极限误差在10%以下时, 5种基础数据集, 即货运专项调查数据、高速公路联网收费数据、普通公路抽样调查数据、普通公路交通量调查数据和车辆管理所在册货车数据可完成在地货物运输量的精细化推算; 提出的统计模型使所研究城市创造每万元GDP的货物周转量与全国平均水平的相对偏差率为0.45%, 具有一致性; 所研究城市的在地货运量规模指数为2.47, 说明实体经济发达的城市中外地货车在当地参与运输的程度偏高; 本市籍营运货车货物运输量不足以支撑当地经济规划; 本市籍在册营运货车少并不能代表本市运力不足, 所研究城市的本市籍营运货车主要承担短途运输, 在总市内货运量中占66.28%, 而外地货车主要承担市际与省际间的货物交流, 在总跨市货运量中占79.16%;货车按车型计费后, 每种货车车型的平均载货质量与按车流划分的重车比将是在地货物运输量统计的关键参数; 省际间3轴及以上货车车流量存在着不均衡性。      

区域公路货物周转量结构分析与推算方法

为解决公路货物周转量结构性数据缺失的问题,将公路货物周转量分为车辆货物周转量和路网货物周转量。依托车辆年检平台,进行抽样调查获得车辆货物周转量,根据车辆行驶里程比例将车辆货物周转量分配到不同路网。以高速公路收费系统和普通公路交通量观测站为平台,获取交通量数据。结合24 h现场抽样调查数据,推算区域路网货物周转量,并按车...