基于组合赋权法和FCE的山区高速公路路线方案优选

高速公路路线的确定是高速公路总体设计的基础和关键。为提高山区高速公路路线方案评选结果的客观性、科学性,统筹考虑山区高速公路选线具有受模糊性指标影响及单一赋权法具有缺陷的特点,提出一种基于组合赋权法和模糊综合评判法的山区高速公路路线优选方法。以主、客观赋权法进行有效结合的组合赋权法确定指标权重,克服单一赋权法的缺陷,达到使指标权重更有效、合理的目的;运用模糊综合评判法对路线方案进行二级模糊综合评判,以确定最佳的路线方案。最后,以普洱市某山区高速公路的路线优选为实例对该方法进行验证,结果表明该方法在山区高速公路选线中具有工程上的可行性和有效性。     

基于PSR-PSO-RBF的短时交通流预测方法

短时交通流预测可为智能交通控制和管理提供决策依据,为了提高短时交通流的预测精度,统筹考虑短时交通流的混沌时间序列和非线性特征,提出一种基于相空间重构和PSO-RBF的短时交通流预测方法(PSR-PSO-RBF方法).采用延迟嵌入定理,构造一个基于相空间重构的短时交通流时间序列;在剖析RBF神经网络不足之处的基础上,采用...     

高速公路PPP项目贷款融资决策研究

贷款融资作为PPP项目常用的一种融资模式,有效地解决了PPP项目融资困难的问题。在贷款融资时,项目公司可通过合适的贷款计划和偿还计划使项目的投资回报达到最大。为实现项目的投资回报最大化,基于项目自身的偿债能力,以项目在建设期和运营期每年的贷款额以及项目每年偿还的本金和利息额作为决策变量,建立高速公路PPP项目的贷款融资决策模型,得出高速公路PPP项目在建设期和运营期的贷款计划和偿还计划。结合算例进行分析,充分证明了模型的有效性,为高速公路PPP项目的贷款融资决策提供参考。     

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。