基于季节ARIMA模型的桥梁退化预测分析

桥梁监测序列是典型的非平稳时间序列,需要进行一些处理将非平稳序列平稳化后再拟合ARMA模型。将监测数据平稳化后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型即为ARIMA模型。以玉峰大桥为例,介绍了季节ARIMA模型的建模思路与总体流程,模拟了检测序列的变化趋势。以季节ARIMA模型为预测模型作为结构的退化模型,对测点进行退化趋势模拟与退化临界时刻预测。结果显示ARIMA模型对序列的拟合效果良好,可以用于桥梁监测序列的预测,其对退化临界时刻的预测可以从整体上掌握桥梁的整体退化趋势和极限使用寿命。     

基于数据挖掘的固定型交通检测器配置优化

结合固定型交通检测器空间配置的4条原则和配置密度优化步骤,提出基于数据挖掘技术的固定型交通检测器配置优化方法.设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对象,运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型、ARIMA预测模型及神经网络预测模型.采用网格搜索技术确定Winters模型参数,设计一种比传统ARIMA模型参数估计方法更精确的算法程序,来估计ARIMA模型参数,采用3项误差指标评价模型预测效果.根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案.实例研究表明,在保证满足ITS 对交通参数精度要求的同时,通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本.     

基于XGBoost节假日路网流量预测研究

通过科学方法对交通量进行有效预测,是保障高速公路运行畅通的有效手段,在减轻路网拥堵,提高本地居民日常出行效率、游客出游满意度方面具有重要意义。贵州属于旅游资源密集省份,节假日交通高峰现象异常突出,基于传统预测方法效率不高。为改善预测结果,基于XGBoost算法构建交通量预测模型,预测全省路网节假日交通量。通过2016年1月～2017年3月公路、气象、景区等综合大数据建立了贵州省高速交通量数据集,采取节假日时间序列的数据集建立训练模型,与真实值比较验证模型可靠性,对2017年清明节全路网交通量进行预测。结果表明:模型能在预测地区节假日交通量有较高精度。     

基于灰色马尔可夫链的桥梁荷载随机过程交通量预测

为了克服灰色预测方法的不足,在灰色模型预测方法的基础上,提出灰色马尔可夫链桥梁荷载随机过程交通量预测模型,该模型的灰色预测曲线能反映交通量历史发展趋势,马尔可夫预测可反映随机波动性对交通量预测的影响,从兼顾了趋势值和波动性两方面因素对预测结果的作用,能克服单一预测模型在交通量预测中的局限性,并可结合交通量实际情况,能实现准确、综合预测交通量的目的。在现有交通量统计资料的基础上,对该模型进行了精度检验,并预测出了2007年的交通量。实例计算分析表明,模型精度良好,预测结果与实际状态基本相符,利用灰色马尔可夫理论进行交通量预测是一种行之有效的方法。     

短时交通量时间序列智能复合预测方法概述

短时交通量预测是智能运输系统的核心研究内容之一,已成为交通工程领域重点研究课题。对国内外短时交通量时间序列的预测方法尤其是智能复合预测方法进行概述和总结,重点介绍灰色预测模型、模糊预测、遗传算法、神经网络、灰色神经网络、神经网络集成、统计学习理论、混沌预测、小波分解与重构的方法、以及由上述模型互相组合构成的各种智能组合预测模型等,并指出智能复合预测方法是解决短时交通量时间序列预测问题的有效途径和发展趋势。     

考虑序列关联性的公路隧道沉降预测模型

准确预测公路隧道结构沉降数据对工程安全风险控制具有重要意义。针对传统自回归-滑动平均时间序列预测模型(Auto-Regressive and Moving Average)的单一线性问题,该文提出了考虑沉降数据空间关联性的向量-结构时间序列模型(Structural Vector Time Series)。该模型由向量式和结构式两部分组成:①向量式时间序列模型可模拟多维时间序列变量当期项与滞后项的关联关系;②结构式时间序列则建立多维时间序列当期项的关联关系。最后以上海某一公路隧道为工程案例,计算结果表明考虑空间关联性的向量-结构时间序列模型比传统时间序列模型预测精度更高。     

基于ARIMA-FNN的道路交通事故最优加权组合预测模型

1个适应性良好的道路交通事故预测模型对于交通管理、控制和有关规划设计起着重要作用,文中根据交通事故发生的时空性和多因素性,利用ARIMA模型良好的时间序列线性拟合能力和FNN强大的非线性映射能力,通过最优加权方法确定模型权重,建立ARIMA和FNN的组合模型,并对我国道路交通事故进行预测。结果表明：这一模型可以提高事故预测精度,是1种有效的事故预测模型。     

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

轨道交通线网常乘客比例分析

根据城市轨道交通常乘客比例数据的节假日特点,在消除常乘客比例数据的趋势项的时候,引入表示节假日特征的虚拟变量,量化节假日因素对常乘客比例的影响,建立常乘客比例数据与时间、具有节假日特征的虚拟变量之间的回归模型,达到同时消除趋势项和节假日特征的影响的目的,掌握节假日对常乘客比例的影响规律。通过自相关和偏自相关函数对消除趋势项和节假日因素的数据序列进行平稳性和周期性分析,消除周期性特征影响。最后,构建基于虚拟变量线性回归和季节ARIMA的组合预测模型,修正了原有的季节ARIMA。以2015年3月2日到2016年3月27日之间56周的北京轨道交通日常乘客比例数据进行实例验证,表明本文构建的组合预测模型的精度高于原有的季节ARIMA模型。     

基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.      

Traffic flow forecasting based on a hybrid model

Real-time traffic flow forecasting is of great importance in the development of advanced traffic management systems and advanced traveler information systems. Traffic flow is evaluated using time series, and the Autoregressive Integrated Moving Average (ARIMA) model has been commonly used for determining the regression-type relationship between historical and future data. However, the performance of the ARIMA model is limited by the difficulty of capturing nonlinear patterns and the challenges of diagnosing permanent white noises. Hence, a hybrid method of ARIMA-EGARCH-M-GED was developed with the intent to address those limitations. It combines the linear ARIMA model with a nonlinear model of Exponent Generalized Autoregressive Conditional Heteroscedasticity (EGARCH) to capture heteroscedasticity (the variance of random error varying across the data) of traffic flow series. EGARCH in Mean (EGARCH-M), which corrects the expression of conditional variance by connecting the conditional mean directly with the variance, was introduced to better restrain the influence of abnormal data. Moreover, the tail of the generalized error distribution (GED) is better than that of the normal distribution in characterizing the features of time series, especially heteroscedasticity of residual sequences. Data collected from an interstate highway (I-80 in California) with a sampling period of 5 minutes were used to evaluate the performance of the proposed model. The results from the hybrid model were compared with ARIMA, an artificial neural network, and a K-nearest neighbor model. The results showed that the hybrid model outperformed the other methods in terms of accuracy and reliability. Overall, the proposed model performed well in tracking the features of measured data and controlling the impact of abnormal data.     

一种短时交通流组合预测模型

为提高短时交通流预测的精度,提出利用BP神经网络、RBF神经网络和ARIMA模型构建组合预测模型,该组合预测模型利用最优化原理进行权系数的分配,并且满足分配到的权值始终具有实际意义。通过对分配的权系数进行显著性检验,以确保组合预测模型中选用的单项预测方法显著相关。通过实例分析,验证了组合预测模型的有效性,结果表明,相比较单一的预测模型,组合预测模型具有更高的预测精度。     

三峡翻坝运输江南公路交通量预测思路探讨

三峡翻坝运输江南公路是三峡坝区水陆联运的主要公路通道,服务于三峡坝区各种长期、应急或临时性翻坝运输需求,同时也是项目沿线地区内部及对外出行的重要交通线路。因其在区域运输网中的独特地位,其未来服务功能具备典型的多样性特点,交通需求特征迥异于一般公路项目,采用传统的交通量预测方法很难把握其未来交通需求的增长规律和分布特点。在江南公路交通量预测过程中,引入了分类预测法,并创造性地构建了基于出行意向的交通量分担模型、基于土地开发利用的新增交通量预测模型等,在诸多方面都进行了有价值的探索。     

综合运输网络中的公路交通量分析与预测探讨

在综合运输网络中,公路与铁路、水运等运输方式间的竞争与协作关系日益复杂。而传统公路项目交通量预测往往从公路交通系统自身的角度出发,割裂了公路交通与其他运输方式之间的复杂关系,因而影响了预测结果的可靠性。本文以国道主干线上海至成都高速公路(沪蓉高速)麻城至武汉段为例,站在综合运输的全局角度,在全面分析公路、铁路运输特性及其对综合运输分担的影响的基础上,提出了综合运输网络下的公路项目交通量分析与预测方法,并在方式分担预测过程中创造性地引入了LOGIT模型修正系数以提高其可靠性,从而保证了交通量预测的精度和准确性,以利于客观反映出公路项目在综合运输网络中的客货运地位和作用。     

基于FHWA交通噪声预测模型的公路交通噪声简化计算方法

在分析影响交通噪声传播要素的基础上,基于FHWA公路交通噪声预测模型,提出公路交通噪声增加量随车流量变化的简化计算模型,探讨其在公路建设项目环境保护中的应用及其适用条件。该模型简化了公路交通噪声预测计算,且不影响结果的准确性。     

综合运输网络下的公路建设项目交通量预测方法研究

传统公路建设项目交通量预测方法往往从公路交通系统自身的角度出发,割裂了公路交通与其他运输方式之间的复杂关系,因而影响了预测结果的可靠性。本文从综合运输的角度出发,提出了基于综合运输网络的公路建设项目交通量预测方法,并对预测方法涉及的具体模型进行了讨论。应用该方法可以客观反映公路与其他运输方式之间的作用关系、准确描述交通量的转移规律、充分把握建设项目在综合运输网络中的作用和地位,使预测结果更加合理、有效。     

基于偏最小二乘回归法的城市土地利用与交通发生量关系模型研究

以实际调查得到的建筑容积率、建筑密度、总建筑面积、交通小区面积以及各类型土地利用面积等14个土地利用指标作为直接变量,建立交通发生量预测模型.相关分析的结果表明土地利用指标间存在着严重的多重相关性,普通的回归分析方法很难有效解决这一问题.采用偏最小二乘回归方法,通过构建主成分.采用交叉有效性检验确定成分个数,最终建立的...     

最短路-最大流交通分配法

为确定公路网各路段交通量,在最短路交通分配法的基础上,引入了求最短路上最大流的分析技术,提出了最短路上最大流交通分配计算方法。依据对公路网中不同路段初定的技术等级所具备的最大服务交通量和拥挤度的要求,确定出该路段的容许交通量,当路段所分配到的交通量累计达到这一量值时,及时地对路段技术等级进行调整,进而对该路段的路权与容许交通量进行适时的调整。算例表明:该计算方法有效地提高了交通分配过程中有关路权处理的整体质量,较现行的最短路交通分配法和交通容量限制分配法的分配结果更趋合理。     

新型冠状病毒肺炎疫情影响下中国航空货运量分析与预测

在新型冠状病毒肺炎疫情对航空货运的影响下,月度航空货运量出现异于历史趋势的极端数据,而传统航空货运量预测模型有在极端数据影响下误差较大的问题.因此,研究了适用于后疫情时代的中国航空货运量短期预测方法.对2009—2020年中国航空货运量月度数据进行分析,发现中国航空货运量呈稳定增长趋势.受疫情影响出现短期剧烈波动,在假...