基于区位信息的城际公路货运分布量预测—— 以云南为例

为预测无精确现状货运OD矩阵的城际公路货运分布量,引入区位理论,根据城市的用地属性和社会经济属性指标,从城市聚集规模质因子和可达性2个方面量化城市区位信息,从而获取城市的产生区位影响因子、吸引区位影响因子和相对可达性;考虑区位影响因子,将其与改进重力模型相结合求得货运量分布概率矩阵,将计算所得的未来年货运产生量预测值通过货运量分布概率矩阵分配至相关城市,得到初始货运量分布矩阵;再根据Fratar模型预测城际公路货运分布量,最后以云南省为例进行验证.结果表明,通过建立公路货运分布量预测模型,并经过Fratar模型迭代计算能够获得云南省未来年的城际货运量分布OD矩阵.所提出的城际公路货运分布量预测方法可大幅简化基础数据收集与货车调查工作量,具有很好的移植性.      

基于MPSO-RBF的公路货运量预测方法研究

在分析公路货运量的影响因素和预测特点的基础上,将PSO算法的全局搜索能力和RBF神经网络局部优化相结合,建立了基于改进PSO算法和RBF神经网络的公路货运量预测模型(MPSO-RBF).利用某城市的历史数据对预测模型进行了训练、测试与仿真,同时将仿真结果与回归分析法、灰色理论法、BP神经网络和RBF神经网络预测的结果进行了比较,结果表明文中提出的预测方法精度较高,对于公路货运量预测具有一定的可行性和有效性.     

基于Elman神经网络的上海港货物吞吐量预测研究

从内贸以及外贸两方面探讨上海港货物海运生成量。常用的预测方法有回归分析法、指数平滑法、灰色预测等,但单独的预测方法往往导致预测的准确性较低。文中通过货运量生成法、三次指数平滑法、回归预测法得到3组预测值,作为Elman神经网络的输入,对网络进行训练得到综合的预测模型,并以上海港货物吞吐量为例,对此模型进行论证。     

基于模糊线性回归的小轿车运行车速区间预测

将小轿车在公路上的运行车速用三角模糊数来表征.基于二级公路上30个样本路段的平曲线半径、纵坡度等线形数据和实测车速,利用模糊线性回归方法建立了小轿车第85百分位运行车速区间预测模型.通过另外10个样本路段数据对该区间预测模型进行了验证,结果表明:小轿车运行车速的95％置信区间大都处于模糊线性预测区间之内;预测得到的模糊中心值与观测值的相对偏差和模糊度与观测值的比值两种评价指标均在10％以内.同时,将模糊中心值和线性回归预测值进行了比较,结果表明:模糊线性回归模型的平均绝对误差、平均相对误差和最大相对误差三个指标均优于线性回归模型,达到了更高的估计精度.     

一种顾及多因素影响的公路客运量预测模型

提出采用双线性模型预测公路客运量。预测模型包含时序自回归项、线性回归项和双线性项三部分。为了研究模型参数的时变特性,将公路客运量预测分为模型参数的预测和在此基础上的客运量预测,采用多层递阶方法计算模型的时变参数,然后进一步分析拟合参数的变化曲线,计算后续时段的参数预测值,并以此进行公路客运量预测。实例分析表明,双线性动态预测模型能很好地反映公路客运量的发展特性,具有较高的预测精度和实用价值。     

基于运力均衡与价格弹性的公路货运量预测方法研究

针对传统公路货运量预测中不考虑货运供给特征和货运需求量结构性变化的不足,提出了通过分轮轴类型的交通量调查和轴载谱调查,获取基年车辆装载量概率密度分布函数,使用主流车型的短期平均运输成本拟合得到车辆长期平均运输成本函数,根据运力均衡的思想和货运需求价格弹性模型对计划年分批量的公路货运需求量进行修正,在此基础上建立外部环境变化时计划年公路货运量的预测模型.     

高速公路路面小修工程量预测模型研究

分析了公路养护工程量预测模型的研究现状,提出了应用多元线性回归和多元模糊回归算法的高速公路路面小修工程量预测方法;应用分析得到6个计算变量和有效统计数据,建立了路面养护小修（坑槽、裂缝）工程量预测模型,并进行了实例测算比较。测算结果表明：所建立的预测模型具有一定的实用性。     

基于广义回归神经网络的公路货运量预测方法研究

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述.采用广义回归神经网络(GRNN)对货运量进行分析及预测.通过对1995～2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004～2005年的实际数据进行模型检验,结果证明了GRNN用于货运量预测的有效性.     

基于组合预测的RBF神经网络货运量预测方法研究

为有效进行交通货运量预测，通过对货运量影响因素的分析，建立了关于货运量影响因素的层次分析模型，根据该模型构建了基于RBF神经网络的货运量预测方法。用我国1985-2004年的货运量统计数据对该神经网络进行训练和检验，并对2005-2006两年间的货运量进行预测。预测时设定了2005-2006年2a间货运量各影响因素值，再运用RBF神经网络预测这两年的货运量。结果表明，2005年的预测值与国家统计局最近公布的实际数值有很好的一致性，表明这一方法的可行性。     

基于状态空间的连续断面船舶交通流量预测研究

船舶流量预测是船舶交通流研究的重要内容,建立科学合理的船舶流量预测模型有助于航道的设计、规划和管理。将传统的单断面船舶交通流预测方法向多断面进行改进和推广,提出基于状态空间和卡尔曼滤波的多断面交通流预测模型。利用船舶交通流多断面流量数据的时间序列进行多维线性回归,并转化为状态空间模型形式;在此基础上由卡尔曼滤波算法对交通流量进行递推预测,得到多断面交通流的预测值。作为实证研究,分别对武汉长江大桥、武汉长江二桥2个断面,以及长江重庆段朝天门、万州、巫山3个断面进行实际数据分析来验算模型的有效性,并与单断面多维线性回归预测方法进行对比。结果表明,使用状态空间模型得到的武汉长江大桥、二桥预测结果的平均相对误差分别减少4.59%,0.97%;而重庆段3个连续观测点采用状态空间法预测比使用时间序列预测平均绝对误差和平均相对误差均有不同程度的降低,其中平均相对误差分别降低1.08%,4.28%, 3 .54%。因此,在不同时间维度上,该模型有助于提高多断面交通流预测精度。      

中国新能源汽车销量组合预测模型

为响应国家节能减排的号召,以及满足汽车产业升级的迫切需要,新能源汽车逐渐兴起,准确预测新能源汽车销量意义重大。文章首先采用一元线性回归预测的方法得到回归方程;其次,运用灰色预测的方法建立灰色预测模型;为提高预测精度,对两种预测方法作均值处理,建立新能源汽车销量组合预测模型。结合2014年-2017年中国新能源汽车销售量,运用三种模型预测2018年销售量,经检验,组合预测的精度要高于两种方法分别预测的精度。     

全油门加速工况车内声品质研究

以23辆乘用车的3挡全油门加速工况的车内噪声为研究对象,对车内声品质采用等级评分法进行主观评价试验,分析计算各噪声样本的心理声学参数和非心理声学的客观参数,并应用多元线性回归理论建立声品质预测模型。研究表明,响度、线性度和粗糙度是影响听众对全油门加速噪声主观感受的最重要的因素,模型预测结果与主观评价试验结果相关系数R~2为0.853,预测值与主观评价实测值吻合度较高,所建立的声品质评价模型在统计学上是有意义的。     

基于灰色关联度与多元线性回归模型的客运需求预测

在分析客运需求影响因素的基础上,采用灰色关联分析相关理论,对影响中国旅客运输需求的各个因子进行分析,选出影响客运需求较大的因子,建立客运需求量与主要影响因子之间的多元线性回归预测模型;通过实例运用,将回归模型预测数据与实际数据进行对比,预测精度在±8%以内,精度较高。     

基于BP神经网络的小汽车纵坡路段运行碳排放率预测

随着高速公路里程规划和建设发展,公路行业节能减排目标的提出,如何实现对公路碳排放的控制和预测是研究的热点和难点问题之一。在广州增派公路设立试验路段进行现场行车试验,通过车载OBD设备获取油耗数据并换算成碳排放量。根据已有线形资料和路段划分,选取了弯坡路段平、纵线形9个相关参数作为影响因素,以碳排放率作为预测目标建立公路小客车弯坡路段行驶碳排放率多因素BP神经网络预测模型,进行了模型训练和预测性能检验。结果表明,所建立的BP神经网络模型在碳排放率预测方面具有较高的准确率,且其预测性能显著优于传统的多元线性回归模型。     

基于广义线性模型的干线公路交通事故预测

为掌握干线公路交通安全状况,探究影响其事故发生的显著影响因素,收集国道主干线昌金(昌傅—金鱼石)高速公路K905—K982段2010年发生的240起交通事故数据和交通流数据,按照定长法对路段进行划分,共获得77个样本路段,建立了基于广义负二项线性回归的干线公路事故预测模型,并引入弹性系数概念对影响因素的影响程度进行量化分析。结果表明交通量、道路平均占有率、大车比例和速度标准差对干线公路交通事故的发生影响显著,且均与之呈正相关关系;应用该模型对该路段2011年事故数进行预测,总体相对误差为7.6%,预测精度满足要求。     

路面摩擦特性预测研究

本次研究基于路面抗滑特性的预测问题,运用道路摩擦系数测试仪在公路上进行路面摩擦系数测试试验,并对试验结果进行分析,提出了路面摩擦系数的影响因素。应用广义回归神经网络分析方法,以影响因素为分类标准,确定了摩擦系数预测模型的分类,建立了基于广义回归神经网络的路面摩擦系数预测模型,并通过60组试验数据对网络模型进行了训练,利用6组实验数据进行预测结果对比。结果表明,模型预测值与实测值的平均误差为3.0%左右,模型预测结果与实测结果吻合,所构建模型是正确的,且具有较高的精度;此外还通过实车进行了汽车制动试验,并根据试验结果与模型预测结果对比,为交通事故分析中计算事故车速提供依据。     

基于BP神经网络与多元回归的公路客运量预测研究

根据公路客运量的历史数据及相关影响因素数据,采用SPSS及MATLAB软件分别建立多元回归及BP神经网络预测模型,通过将2种模型输出的预测结果与实际数据进行对比,得出采用多元回归方法在预测客运量变化过程中所产生的误差远小于BP神经网络方法所产生的误差,认为,当数据样本量较小时,多元线性回归预测模型优于BP神经网络预测模型。     

省域高速公路通行费预测方法和模型

归纳了收费公路通行费预测的重要性,总结了现行基于交通预测四阶段法的通行费预测方法和模型的缺陷,指出了采用统计回归方法建立省域高速公路通行费预测模型的合理性和必要性。通过因子相关分析,发现江西省域高速公路通行费的63个影响因数之间的相关性,确定了江西有关因素和相邻省份因素之间的相关性非常高的事实。借助于前进选择法,确定了省域高速公路通行费预测的3个关键变量即常住人口数、江西民用汽车总数和公路运营车辆总数,并提出了相应的预测模型。最后,在Pearson相关系数矩阵的基础上,探讨了新建高速公路对附近高速公路交通需求和通行费的影响。     

基于回归预测的公路施工扬尘扩散预测

公路施工扬尘产生的颗粒物污染已然成为空气污染的主要因素之一。在公路施工过程中,未按照规定遮盖住的砂石、渣土等粉尘类物质就是造成公路施工扬尘污染的决定性因素。根据公路施工特点,深入探究工程项目实施过程中扬尘的传播特点与规律。将监测设备得到的实时数据作为影响因子的参考数据,基于多元回归模型,对数据进行分析和处理,建立公路施工扬尘预测模型。对回归模型进行了统计检验和实例分析效果验证,结果证明该模型适用于所研究项目。该模型预测研究工作对施工环境保护具有一定的现实意义。     

基于社会经济适应性的公路里程合理规模预测研究

公路里程合理规模的确定是实现公路网规划的重要步骤,是路网优化的前提和基础。针对我国公路里程合理规模预测方法多样性和不统一性等问题,为了提高我国公路里程合理规模预测值的准确性,增强合理性和可靠性,通过系统分析公路里程发展的影响因素,确定区域人口、区域面积、区域经济发展状态以及汽车保有量等因素与公路里程发展的相关水平。然后利用人口、面积、经济和汽车保有量等影响因素对公路里程生长曲线预测模型进行修正,得到社会经济生长曲线预测模型。最后利用山东省2000年~2012年历史数据,对构建的模型进行精度验证,结果表明,社会经济生长曲线预测模型误差可以控制在3%。最后,利用该模型对山东省公路里程合理规模进行预测。