在道路交通和城市化进程影响下的汽车销量预测

建立了汽车销量在道路交通和城市化进程影响下的预测模型,以历史数据为检测依据,判断所建模型的可行性,并对汽车2011-2015年末总销量进行了预测。     

基于计量经济学模型选取与汽车保有量相关的因素

目前预测汽车保有量的模型有很多种,如BP神经网络、计量经济学模型等。而选取的影响因素主要有13种,本文通过数据分析证明,这13种因素与汽车保有量相关性较强的有12种,但由于这12种因素之间彼此也有较强的关联性,因此这就需要我们进一步分析哪些因素才是最直接影响汽车保有量的因素。经过分析,发现公路总里程、钢材产量、工业总产值、城市化率等因素是预测汽车保有量的较好变量。     

基于浑沌神经网络的动态交通量预测方法研究

介绍了目前国内外道路交通量预测的方法、特点及实际的预测效果.由于城市道路交通的复杂性,使得一些现有交通量预测方法的预测精度不高.针对这些问题,应用混沌神经网络,建立了城市道路交叉口出口交通量的浑沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果.     

基于计量经济学模型来选取与汽车保有量相关的因素

目前预测汽车保有量的模型有很多种,如BP神经网络、计量经济学模型等。而选取的影响因素主要有13种,文中通过数据分析来证明,这13种因素中与汽车保有量相关性较强的有12种,但由于这12种因素之间彼此也有较强的相关性,需要进一步分析哪些因素才是最直接影响汽车保有量的。经过分析,发现公路总里程、钢材产量、工业总产值、城市化率等是预测汽车保有量的较好变量,并预测2006年到2017年的汽车保有量。     

BP神经网络主成分分析法在汽车保有量预测中的应用

针对影响汽车保有量预测的多个因素,采用主成分分析的方法提炼出较少的与线性无关的主要因素,并根据这些因素,利用BP神经网络方法对汽车保有量进行了预测,最后通过实例, 将BP神经网络主成分分析法计算结果和非线性模拟与全要素BP神经网络模拟结果进行比较,得知BP神经网络主成分分析法在运算效率、运算精度上较优.     

基于BP神经网络的道路交通安全预测模型研究

为了研究影响道路交通安全的因素与事故之间的内在关系,选取对道路交通安全影响相对较大的10个因素作为研究对象,利用 SPSS软件对其进行相关性分析,建立 BP 神经网络模型,对道路交通安全进行预测分析;选取1997-2010年数据作为训练样本,对2011年交通事故中的事故次数、死亡人数、受伤人数及综合死亡率进行预测,经过验证,其预测精度在6%以内,满足应用要求,可为道路交通管理等相关部门制定安全预防措施提供一定依据。     

基于混沌SVM与BP神经网络预测材料价格指数

为了解决工程造价指数难以预测非线性结构、数据拟合难度大、预测模型参数求解过于固定化、预测模型可靠性不高等问题,文中在混沌时间序列理论的基础上,结合机器学习算法支持向量机(SVM)技术和BP神经网络算法,提出混沌SVM与BP神经网络组合预测模型。实例研究证明,该组合预测模型的精度比SVM预测模型、混沌SVM预测模型、BP神经网络预测模型和GM(1,1)预测模型的高,具有拟合非线性和预测线性波动的能力,可用于工程造价指数预测。     

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.     

基于小波神经网络的出租车保有量预测模型

为了提高出租车保有量的预测精度,利用小波神经网络逼近出租车保有量与其影响因素之间的非线性特性,并建立影响因素的预测模型,然后,将影响因素的预测值输入出租车保有量预测模型便实现了出租车保有量的预测.利用某市2000-2009年的出租车保有量及影响因素数据进行仿真预测,结果表明,相对于传统的BP神经网络,基于小波神经网络的出租车保有量预测模型具有更高的预测精度,该市2010-2012年的出租车保有量应分别达到9020、9 350、9 560 veh,才能保证平均候车时间在4 min左右.     

基于道路环境因素的公路隧道交通事故预测

为提高公路隧道交通事故预测准确率,以西汉高速秦岭某隧道群的496起交通事故作为研究对象,对影响公路隧道交通事故预测的道路环境因素进行相关性分析,针对不同预测类别选定具有显著影响的主要变量,通过贝叶斯模型、随机森林模型、BP神经网络模型和支持向量机模型分别对公路隧道交通事故形态、严重程度、伤亡情况和持续时间进行预测,根据准确率和稳定性确定出最优预测模型。研究结果表明： 1）随机森林模型在预测公路隧道交通事故形态时最为可靠,准确率约为84%; 2）在对公路隧道交通事故严重程度和伤亡情况进行预测时可优先考虑贝叶斯模型,其对重大或特大事故的预测准确率高达50%; 3）选择随机森林模型作为公路隧道交通事故持续时间的预测模型,绝对误差为20 min时模型准确率将超过70%。     

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。     

Modeling the accuracy of traffic crash prediction models

Crash forecasting enables safety planners to take appropriate actions before casualty or loss occurs. Identifying and analyzing the attributes influencing forecasting accuracy is of great importance in road crash forecasting. This study aims to model the forecasting accuracy of 31 provinces using their macroeconomic variables and road traffic indicators. Iran's road crashes throughout 2011–2018 are calibrated and cross-validated using the Holt-Winters (HW) forecasting method. The sensitivity of crash forecast reliability is studied by a regression model. The results suggested that the root mean square error (RMSE) of crash prediction increased among the provinces with higher and more variant average monthly crashes. On the contrary, the accuracy of crash prediction improved in provinces with higher per capita GDP, and higher traffic exposure. A 1% increase in crash variability, average historical crash count, GDP per capita, and traffic exposure, respectively, resulted in a 0.65%, 0.52%, −0.38%, and −0.13% change in the RMSE of forecasting. The addition of traffic exposure and macroeconomic factors significantly enhanced the model fit and improved the adjusted R-squared by 14% compared to the reduced model that only used the historical average and variability of crash count as the independent variables. The findings of this research suggest planners and policymakers should consider the notable influence of macroeconomic factors and traffic indicators on the crash forecasting accuracy.     

关于公交票价与私家车出行关系的研究方法

该文针对研究城市公交票价与私家车出行量之间关系的需要,提出了一种理论方法。该方法用多元线性回归模型分析了城镇居民家庭人均可支配收入、私家车出行成本等因素对私家车出行需求的影响,并在此基础上结合交叉弹性理论进一步得到公交票价和私家车出行需求之间的弹性关系。通过该方法可以量化公交票价与私家车出行需求两者之间的关系,为城市采用低价公交来制约私家车出行的政策提供一些理论依据。     

基于状态空间模型的道路交通状态多点时间序列预测

以多点的道路交通状态为研究对象,把道路交通状态单点预测向多点同时预测扩展,提出了基于状态空间模型的道路交通状态多点时间序列预测方法。首先,利用道路交通状态的多点时间序列数据建立多维自回归模型,转化状态空间模型形式,接着利用EM算法估计状态空间模型参数,从而得到多点道路交通状态的状态空间模型;其次,根据时间序列数据估计系统状态,利用卡尔曼滤波算法进行一步预测,补充新的数据并更新系统状态递推预测;最后,利用某城市快速路上相邻6个交通检测器采集的多点时间序列数据验证模型的有效性,并与卡尔曼滤波单点预测方法相对比。结果表明:该模型是可行和有效的。     

道路交通安全管理与经济、社会发展关系研究

道路交通安全与国家经济、社会发展存在密不可分的关系。该文采用了上海市、广东省、吉林省处于不同发展阶段的三个地区的数据,通过对比可以衡量经济发展水平的GDP、人均GDP和公路通车里程、公路运输量等经济指标来建立它们与道路交通安全管理水平的联系。     

基于BP神经网络的城市道路轻型车排放率模型

从不同角度研究城市道路交通流动态微观排放模型是进行交通环境评价的基础.以长春市典型城市道路为研究对象,在捷达Gix瞬时质量排放数据的基础上,利用BP神经网络建立了NOx、HC、CO3种污染物排放率模型,并运用实际道路测量数据对模型进行了验证,得出了一些有益的结论.     

基于SARIMA模型的城市道路短期交通流预测研究

以城市道路短期交通特征为基础,提出在使用季节自回归求和移动平均（SARIMA）模型进行预测时还应该考虑交通流日周期性特征,以提高模型的预测能力。预测研究不仅考虑了模型的样本内预测而且考虑了样本外预测,并通过两个预测误差统计量,即预测误差绝对值均值和预测误差百分比绝对值均值,来对模型预测表现进行衡量与比较。研究结果显示,虽然只考虑城市道路短期交通流数据中周周期性的SARIMA模型预测能力比只考虑日周期性特征的SARIMA模型好,但是却比既考虑交通流数据中周周期性又考虑数据中的日周期性的SARIMA模型表现差。     

城市道路交通对汽车产业的影响

近年来随着城市道路交通的发展,汽车产业在中国飞速发展,取得了辉煌的成就。汽车产业与城市道路交通之间有着密切的关系,城市道路交通的完善对汽车产业具有巨大的促进作用。本文以每年的汽车总销量为因变量,以城市道路长度和城市道路面积为主要自变量,通过建立线性回归模型来分析城市道路交通对汽车产业的影响,并对未来汽车产业的发展作出有根据的预测,为企业和政府制定汽车产业发展计划提供了一定的依据。     

混合智能算法在城市道路短时交通流量预测中的研究

对城市道路短时交通流进行准确预测是实现城市交通控制与交通诱导的关键。针对目前单一预测方法预测精度不高的问题,提出了小波与支持向量机（SVM）融合的预测新方法;同时为了避免SVM知识学习过程陷入局部最优的问题,采用粒子群算法（PSO）来优化SVM的关键参数,以提高对短时交通流量的预测精度。通过对武汉市道路交通流数据的实验分析,结果表明所提出的方法能够准确提取实验数据关键特征,显著提高SVM的预测精度,且结果比单一使用方法提高了近9%。