一种基于多源数据的出租车分布预测方法研究

为了改善传统的交通需求预测方法以居民出行OD调查为基础,得出的交通分布结果受样本量等因素影响,预测值与实际值相差较大的问题,本文提出基于现有出租车GPS数据、计价器数据和电召数据的一种基于多源数据融合的出租车分布预测方法,进行出租车出行分布预测.该方法可以根据多源历史数据估计出租车OD分布,并可通过预测未来出租车OD分布,提高预测准确率.     

基于经验贝叶斯法的道路事故预测分析研究

传统事故预测模型存在对原始数据的序列性、分布性等方面高要求,以及预测精度的不足,利用经验贝叶斯法对先验信息（原始事故数据）进行调整,得到后验信息以形成更好的预测效果。就交通事故数据进行事前与事后累计统计分析,并对比其他预测模型证明经验贝叶斯法的预测结果更接近实际情形,基于经验贝叶斯法的此类模型可以提高小样本数据预测精度。     

城市快速路互通立交合流区交通量预测

分析了快速路互通立交主线总交通量、交织流量比和主线外侧第二车道大型车比例等3种因素对合流区端部主线最外侧车道交通量的影响,得出上述3种因素与合流区端部主线最外侧车道交通量具有非线性关系.在实际调查数据的基础上,采用广义神经网络对合流区主线最外侧车道的交通量进行了预测,并与实际调查数据对比,对比结果证明预测效果良好.     

公共交通智能化调度基础数据预测方法研究

智能公共交通系统是将信息、数据通信、电子控制、卫星定位、计算机网络等科学技术应用于整个公共交通系统中。站点、客流集散量预测及公交站点间运行时间预测是城市公共交通智能化调度最重要工作。本文研究的主要目的是为公共交通智能化调度基础数据提供预测方法。首先提出基于逐步回归分析的方法预测公交站点客流集散量，其次提出广义回归神经网络方法预测站点间运行时间，并在长春市实际应用中得到了验证。     

出行链化的贝叶斯网络预测

以出行链为研究对象,在特定因素下通过贝叶斯网络对其链化趋势进行预测.首先依据已有的理论基础和实践经验,提取影响出行链的因素并构建贝叶斯网络结构模型,其次通过采集的有效样本数据进行模型参数的学习,预测出行链化倾向.最后将预测数值与实际数值进行对比、分析.结果表明运用模型所得到的预测值与调查所得的实际数据基本相符,两者之间误差很小,只在个别样本点有所偏差,相对于整体,此差值完全在可接受的范围内.由预测结果与实际值对比可知,出行者的链化行为在时间、空间、成本等因素作用下具有一定的波动,但长期趋势保持稳定.     

基于深度学习的公交到站时间预测研究

大数据背景下传统的公交到站时间预测方法在预测精度和训练速度方面已经不能满足人们的期望.文章以衡水市公交运行实际数据为例,运用深度学习中的长短时记忆网络(LSTM)和人工神经网络(ANN)混合模型,综合考虑运行时段、天气状况、道路基础设施、是否交叉路口、是否高峰路段等因素,对公交车的到站时间进行预测研究,结果显示混合模型...     

时间序列模型在交通量预测中的适应性分析

为分析区域路网结构发生较大变化时,时间序列模型在交通量预测中的适应性,以G326遵义至湄潭段实地观测交通量为基础数据,以杭瑞高速遵义至思南段建成通车年为分界线,对线性、二项式及指数等3种时间序列模型进行加权分配,并预测该路段交通量,将预测结果与实际数据对比分析得出:在路网结构发生较大变化时,时间序列模型的预测结果存在较大误差,不宜作为决策依据。     

灰色系统理论在预应力混凝土连续刚构桥高程监测中的应用

该文以灰色系统理论GM(1,1)新陈代谢模型为理论依据,结合三股线预应力混凝土连续梁桥工程实际,建立了预应力混凝土连续刚构桥的标高预测模型,并根据预测模型对各施工阶段的标高进行预测,预测数据与现场实测数据吻合良好,监控实践表明该方法具有精度高、现场施工控制简捷方便等优点.     

基于BP神经网络的基坑变形预测

基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过对基坑实测变形数据进行整理和分析,对未来变形量作出预测,保证基坑安全。结合BP神经网络的高度非线性映射能力,提出了一种基于BP神经网络的基坑变形时间序列预测方法。在基坑开挖过程中,采取滚动预测的方法,不断利用前期已有实测数据建模预测后期变形量,以实现信息化施工和动态控制。实例分析表明,BP神经网络模型具有较高的预测精度,并能获得满意的预测结果。     

基于RBF径向神经网络的混沌时间序列预测

文章提出了基于神经网络预测混沌时间序列的方法，分析了神经网络的基于工作原理，并用模拟产生的ｌｏｇｉｓｔｉｃ方程数据与实际采集的海杂波数据一一进行了实际研究，得出了预测结果与混沌时间序这间关系的一些结论。     

无偏等维新息模型在路基沉降预测中的应用

在分析了传统GM(1,1)模型和无偏灰色预测模型的基础上提出了无偏等维新息预测模型,通过运算得出最佳预测值以及预测的最佳维数区,并采用后验差方法对模型的精度进行检验。通过对某高速公路实测沉降数据的分析,证明该模型样本需求量小、计算简单、能动态地反映出实测数据的内在规律,并使预测精度得到有效的提高。证明了将无偏等维新息模型用于预测高速公路路堤沉降量的可行性,在实际运用过程中,为了获得更加准确的结果应不断带入新近的实测数据。     

国际前研

<正>日本要让自动驾驶汽车学会预测危险自动驾驶汽车实现像普通人驾驶一样舒适而顺畅的乘坐感受,日本政府和民间计划合作开发新技术。目前开发的汽车自动驾驶技术方面,主要通过车载传感器等确认道路障碍物之后才启动制动器使车辆停止。而计划开发的则是对危险状况等事先进行预测并反映到驾驶上的"预测技术"。将收集和分析1万2千件实际驾驶数据,力争5年后投入实际应用。     

路面检测周期对使用性能预测影响研究

路面使用状况的跟踪检测对路面养护管理来说是十分必要的.由于检测点位、检测频率与检测误差等原因,检测数据均具有一定的不确定性,各地区路面状况检测周期差异进一步加剧了检测数据的不确定性,进而对路面使用性能的预测造成一定影响.该文在对路面性能预测模型误差分析的基础上,通过检测数据的增减,拟合了检测周期不同时车辙深度、开裂面积、国际平整度指数等指标的路面性能预测模型,并采用模型对不同路段的使用年限进行预测,进而分析了检测周期对性能预测的影响.最后根据路面实际检测数据推荐出不同性能指标的最佳检测周期.实例证明:合理的检测周期不但能够节约检测费用,而且可以减少路面使用性能预测误差,更好地为路面养护提供决策依据.     

基于Kalman滤波的城市环路交通流短时预测研究

在介绍现有的主要交通流预测方法的基础上，阐述了基于卡尔曼滤波（Kalman）的预测模型及其具体算法。结合城市环路的交通运行特性，构建了基于卡尔曼滤波的交通流短时预测模型，并根据北京市三环路的实际数据对模型进行验证。实证数据表明．所建立的交通流动态实时预测模型的预测效果比较理想，算法的实时性也满足实际预测系统的要求，可应用于交通流预测及交通智能控制。     

银川市区部分路口短时交通拥堵指数预测分析

道路交通状况短时预测是现代智能交通系统的一个重要组成部分,而交通拥堵指数是交通状况最直接的体现,因此对交通拥堵指数进行预测具有重要的应用价值。利用小波神经网络结合城市道路交通拥堵指数分布的空间和时间性,建立银川市区部分路口的短时交通拥堵指数预测模型,利用实际交通拥堵指数数据对模型进行训练和短时预测,并将预测结果与实际数据进行对比。结果表明：模型在一定程度上拟合了真实交通拥堵指数的变化趋势,对所预测的2个交通路口的平均绝对百分比误差分别为13.68%和15.35%,能够达到较好的预测效果。     

基于Logistic模型的大面积航班延误预测方法研究

航班大面积延误发生时,对其后续发展做出准确的预测能够减少自身损失.研究从固定空域的角度出发对航班大面积延误进行预测,给出了基于Logistic模型的延误航班数量与航班累计延误时间的预测方法.考虑到航班数量的实时性,模型中采用时间变化量为参数,并借助2013年8月17日下午我国华北地区某空域航班大面积延误实际数据对Logistic曲线进行了拟合,对延误累积阶段和延误消散阶段分别进行计算,确定各自参数,最后得到预测数据.预测时刻距当前时刻越近,精度越高;预测的延误航班数量和航班累计延误时间与实际数据的最大相对误差分别为3.9%和3.6%.      

路面结冰时间预测方法

通过室内控制试验获取路面结冰相关数据,将温度、风速及降雨量作为输入变量,结冰时间作为输出变量,建立了路面结冰时间的多变量多项式回归预测模型;引入核函数,将路面结冰预测问题转化为高维空间中的线性回归问题,构造了多输入、单输出的支持向量机路面结冰时间预测模型。将预测结果与实测数据进行比较。结果表明,两类方法均能较好地预测路面结冰时间,四次多项式统计模型预测值与实际值的相关性为0.974,支持向量机预测值与实际值相关性为0.99,支持向量机预测结果更精确,表明支持向量机更适用于处理小样本、非线性、维数灾难和局部极小等问题。     

泊松曲线在组合桩型复合地基沉降预测中的应用研究

泊松曲线法是一种精度较高的沉降预测方法,但是该法只能在等时空距的条件下才能使用,在工程实际中观测的沉降数据很难满足这一要求。文章将泊松曲线引入组合桩型复合地基沉降预测并将其推广到非等时空距数据的情况下。结合工程实例,建立了沉降量泊松曲线预测模型,取得了满意的预测精度。结果表明本文提出的方法有效地扩大了泊松曲线法的适用范围并且具有计算简便、容易推广的优点。     

高速公路工程可行性预测交通量与实际交通量差异研究

为提高高速公路工程可行性研究预测交通量的准确性,以重庆市11条已运营高速公路为例,以联网收费交通量数据为基础,研究各高速公路工程可行性预测交通量与实际交通量的差异,分析影响交通量预测准确性的因素主要有国民经济及交通运输的发展、路网结构变化、项目交通量在通道中的占比、沿线产业园区发展、收费政策等,据此提出提高交通量预测准确性的措施。     

基于LSTM神经网络的公路工程施工风险量化预测研究

随着我国公路工程建设的飞速发展，施工安全日显重要。风险量化评估是进行施工安全风险管控的重要途径，基于已有的历史风险量化评估数据进行有效地预测，在实际施工过程中有着重要的意义。针对风险量化数据时序特点，采用LSTM神经网络算法实现风险量化预测，据此开发实现一套公路工程施工安全风险量化评估和预测系统，并在实际工程中进行应用。