共查询到20条相似文献,搜索用时 31 毫秒
1.
对运输需求预测理论的再认识 总被引:4,自引:0,他引:4
运输需求预测是运输规划的前提,也是行业主管部门管理的依据。在我国运输大发展的宏观背景下,凸显出运输需求预测的重要地位。但是,在现有的运输需求预测理论中存在着一些基础理论认识层面上的偏差,使得实践层面上的运输预测常常无法得到满意的效果。现有的运输需求预测理论的基础及应用方向上存在一些偏差,因此有必要对运输需求理论进行再认识。 相似文献
2.
综合运输需求预测方法的概述 总被引:2,自引:0,他引:2
综合运输需求预测是进行交通基础设施建设、交通运输政策制定和综合运输网络规划的基础,由于综合运输需求通常受到区域人口、经济结构、产业规模、产业布局、机动化水平、城市化水平等多种因素的影响,这就使得综合运输需求预测变得非常复杂。因此,如何合理使用综合运输需求预测方法以提高预测的准确度,一直以来都是综合运输研究领域的难点。 相似文献
3.
广深港运输通道资源优化配置研究 总被引:1,自引:1,他引:0
本文分析了广深港运输通道现状及存在的问题,在预测远期通道交通总需求的基础上,利用改进的Logit模型结合定性分析进行客货流的分担比例预测,根据需求预测结果在既有规划的基础上优化了通道内交通线路的配置。 相似文献
4.
5.
6.
7.
8.
9.
10.
11.
港口集疏运交通需求预测是优化港口集疏运体系,有效提升效率和拓展腹地的重要基础。本文以汕尾新港区疏港交通为例,结合港区发展规划预测未来年疏港交通需求,并考虑港区办公服务的客运需求,建立集疏交通量计算模型,预测港区集疏运交通需求量,为港区集疏运交通体系的规划建设提供参考。 相似文献
12.
13.
运输需求是综合交通运输和客货枢纽规划的基础条件,是综合交通枢纽PPP模式开展的必要依据,同时也是国家中心城市和客货枢纽中心发展规划的关键环节。"双中心城市"综合交通枢纽的运输需求要素包括成熟的市场与法律环境、规范的政府治理与信用体系、良好的项目基础条件和发展潜力以及完善的项目管理制度和监督机制等,本文首先分2021年、2025年和2030年三个时间节点根据总量规模、空间结构和重要枢纽站点吞吐量等指标对西安市综合交通枢纽的运输需求规模和结构进行预测,基于运输需求预测结果分析"双中心城市"综合交通枢纽PPP模式的发展战略和趋势特征,以便更好的开展"双中心城市"综合交通枢纽PPP模式和综合交通枢纽体系建设。 相似文献
14.
针对现有预测地表沉降方法的不足,结合土压平衡式盾构一个掘进周期中不同阶段引起地表沉降的状况不同,提出了应用最近邻抽样回归模型(NNBR模型)对纵向地表沉降进行动态预测的方法。文章初步总结出土舱压力和平均掘进速度、注浆压力和平均掘进速度、监测时间可分别作为开挖面前方变形、盾尾空隙沉降、固结沉降三个阶段的主要预测因子,并列出了相应阶段的相似计算公式。利用该方法对某一工程实例的固结沉降阶段进行了预测,在样本数较少的情况下,预测结果最大相对误差只有14.04%,从而论证了基于NNBR模型的动态预测方法的准确性和可行性。 相似文献
15.
16.
对综合运输体系中的热点研究方向即短时交通流的几种主要预测方法:基于混沌时间序列分析、基于L-M算法的BP神经网络、组合预测等方法进行了介绍,并对其原理、优缺点和具体应用分别进行了详细分析,并指出了短时交通流预测研究的发展方向。 相似文献
17.
客流预测方法可以帮助城市轨道交通运营部门根据客流动态变化调配列车资源,是实现精准列车动态控制的基础。研究提出基于注意力机制和时空卷积网络模型的客流预测方法,融合不同功能的网络单元,使得网络可同时捕获客流数据的时间相关性、空间相关性和时空相关性,并采用注意力机制以提高模型预测的准确性,能够同时实现城市轨道交通多站客流的动态预测。基于北京地铁的实际客流数据对该方法和模型进行数值试验,结果表明该模型性能优于其他基线模型。 相似文献
18.
19.
区域物流需求预测是政府部门进行物流规划、制定物流相关政策的基础,具有数据量小和非线性的特点,传统预测方法难以保证预测的精度。本文将区域外贸总额、人均消费水平、区域零售总额和三大产业的产值作为影响因素,运用RBF神经网络和随机森林算法对区域物流需求进行预测,并结合多元线性回归、MLP神经网络、灰色预测模型、BP神经网络和基于泊松分布的神经网络算法进行对比分析。实例分析的结果表明,基于RBF神经网络的区域物流需求预测模型精度最高,平均绝对误差百分率为2.41%,最大绝对误差百分率为8.56%,达到了精准预测的效果,具有一定的应用价值。 相似文献
20.
文章通过大数据技术及逻辑回归算法,围绕交警、运管部门的管理需要,结合道路运输企业的利益诉求,分析西部地区道路崎岖、山路多弯、桥隧比高等外界因素,提出构建一个覆盖运输企业交通安全因素的预警模型,对风险进行预测以保障企业运输安全。经模型训练及验证得出,该模型在运输企业安全风险预警、整改机制、民生服务等方面取得了一定的成效。 相似文献