基于神经网络的停车需求预测模型及应用

结合停车需求特点分析了停车需求影响因素,提出了基于主成分分析的BP神经网络停车需求预测模型,该模型主要是通过对城市中心区停车需求的经济、土地、交通的特征分析,利用主成分分析法,明确了影响停车需求的主成分,简化了神经网络的输入样本,消除了网络输入之间的相关性,提高了网络的性能,实现了公共停车需求的准确预测。     

高速公路车辆行驶安全度评价模型研究

基于运动状态建立了高速公路车辆行驶安全度评分模型,可更加有效地实施实时交通预警。引进了一种新的速度离散度作为运动状态指标,分析了新定义的速度离散度与传统速度离散度-车速标准差之间的关系,表明两者有函数关系。在把新定义的速度离散度作为运动状态的基础上,加入了人、车、路、气候等因素,构成了驾驶员、车辆、车路、道路线形、气候、车辆行驶状态等6大指标,并筛选了各大指标下的子指标,建立了相应的评价指标体系。利用层次分析法计算各参数权重来构建模型,建立了总的车辆行驶安全度评分模型。实例验证表明:模型符合客观实际,具有一定的可行性。     

城市出租汽车保有量预测分析

分析影响出租车分担率的因素,选择出影响分担率的主要因子,把主要因子作为多元线性回归模型中的自变量,得出分担率预测模型,然后基于分担率预测模型得出基于供需平衡的出租车保有量预测模型。最后以重庆市为例,运用SPSS软件作线性回归分析,利用模型预测出2015年重庆主城区出租车的分担率,将分担率代入供需平衡模型,预测出2015年重庆主城区出租车的合理保有量。