交通量预测的优化模型

在交通量预测的一般方法(原值预测法、经济调控法和回推算法)的基础上,建立了交通量预测的优化模型,给出了优化模型中加权系数的确定方法.     

��·������ս�ͨ��Ԥ�⼼���Ż���Ӧ���о�

为更准确掌握公路接入段日交通量变化趋势,提高扰动路段交通量预测精度,利用曲线拟合法,建立观测路段基年交通量时间序列模型,结合ACF、PACF图例,应用ARIMA技术和Logistic回归曲线拟合方法,进行模型的识别、细化,而后进行参数估计和模型诊断,确定最佳交通量预测模型,完成模型优化。实例应用结果表明,利用ARIMA技术和Logistic回归曲线拟合方法优化的模型比不考虑观测交通量自相关内容的模型预测精度高,预测误差均值仅为1.53%。     

基于混合AGO-SVM的高速公路短时交通量预测研究

提出一种混合AGO-SVM高速公路交通量预测方法,原始交通量数据通过累加操作生成有规则的数据,预处理后的规则数据使用支持向量机法进行建模并预测,预测数据进行逆累加操作,获得下一时刻高速公路交通量的预测值,数据进行更新并保持样本序列不变从而进行高速公路交通量递推预测. 应用西宝高速交通量实际观测数据验证算法的有效性. 试验结果表明,在几种指标下该方法的预测精度比灰色模型法和支持向量机法的预测结果有所提高,是一种有效的高速公路交通流量预测方法.     

基于改进“四阶段法”的高速公路交通量预测研究

以"四阶段法"为基础,通过加入经济-交通组合模型进行改进,提出了一种更为合理的交通量预测方法。并应用该方法预测了杭州绕城高速公路2015年—2029年年平均日交通量(annual average daily traffic,AADT),并对交通量构成及来源进行分析。结果表明:该预测方法提高了高速公路交通量预测的准确性,减少了预测结果的误差,具有理论与实践应用价值。     

收费公路交通量预测分析方法研究

通过分析收费公路交通量预测的主要依据和预测方法，可提出收费公路交通量预测的模型及其模型中参数的确定方法，为公司的决策目标提供依据。     

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。      

公路工程诱增与转移交通量预测方法初探

本文基于公路工程的路线交通诱增与转移量形成机理及特征分析基础上，提出了分阶段法诱增交通量预测模型及利用水运、铁路运输OD分配法预测转移交通量的模型。     

公路项目交通量分配预测的简捷方法

交通量分配预测是公路项目可行性研究中“四阶段法”预测交通量的重要一步，通过分析研究，提出了一种适合多数项目的简捷方法和计算机程序，使交通量分配预测工作简化，难度降低，供广大工程技术人员参考。     

灰色理论与模型在交通量预测过程中的缺陷分析

交通量预测是公路规划阶段的关键步骤,方法繁多,针对灰色理论与模型在交通量预测过程中的应用,以黑龙江省的几条干线公路的交通量预测为实例,从模型构造上分析了该模型在预测过程中存在的缺陷,有利于该模型的改进和完善。     

城市主干路交通量预测研究

为研究预测城市主干路交通量,首先通过建立灰色模型、指数平滑模型、平均增长率模型较好地预测了影响城市道路交通量的人口、经济、机动车保有量等指标,进一步以回归预测模型为某城市主干路交通量的基本预测模型,通过将多种预测方法有机地结合起来,从而合理地预测了某城市主干路的交通量增长趋势。     

浅谈公路项目诱增和转移交通量的预测方法

公路变通量一般包括趋势交通量、诱增交通量、转移交通量三部分。目前趋势交通量预测大部采用国际通用的以OD调查为基础的“四阶段”法，但诱增交通量和转移交通量却没有比较成熟的预测方法，故对此进行探讨和研究，对于改进和提高公路建设项目可行性研究的方法和水平具有重要意义。     

基于ARIMA模型的高速公路交通量短期预测

高速公路交通量的准确预测,对于高速公路的发展和养护具有重要的作用。基于交通量预测的重要意义,建立了ARIMA(2,1,3)时间序列分析模型,采用四川省成渝高速公路公开的交通量数据,对该高速公路四川省内路段2013年的月交通量进行了预测,再与实际交通量数据进行对比,并将其与基于最小二乘法的CurveExpert软件预测结果进行比较,得出ARIMA(2,1,3)模型预测精度更高的结论。所建立的模型可以为交通运输管理部门的政策制定提供参考依据。     

诱发交通量产生机理的研究

本文列举分析了有关诱发交通量的定义，从交通需求的角度给出了诱发交通的定义。详细讨论了诱发交通量的形成的机理。结合四阶段预测法和交通需求预测理论对诱发交通量预测方法进行了初步探讨。     

高速公路诱增交通量经济预测研究

根据经济与交通之间的关系，提出价量比稳定假设，建立了诱增交通量经济预测模型，给出了模型参数的确定方法和相关的函数模型，讨论了进行诱增交通量预测的方法和步骤，最后结合实例对该方法进行了验证．     

公路网路段交通量预测模型研究

在传统的路段交通预测方法的基础上,提出路段交通量OD模型法。根据实际道路网的形状,通过使路段交通量的预测值与预测值一致来进行模型推算。与现有方法相比,可得出精度更高的结果。     

基于路网规划的道路立体交叉交通量预测方法

道路立体交叉远景交通量预测是道路立交规划和设计的重要环节，根据交叉口交通流特性和规划路网的路段交通量，构造了立体交叉远景交通量预测模型。此模型通过迭代计算预测立体交叉口进口和出口之间的转向交通量，同时对模型中参数的计算进行了讨论。通过某一实例对模型进行了验证，结果表明该模型误差较小。     

临江-四川宣汉公路开县段交通量发展预测

重庆市开县临江-四川宣汉公路开县段远景交通量预测：总交通量=趋势交通量 诱增交通量；趋势交通量预测：采用开县历年客、货车交通量与开县历年国内生产总值进行相关分析并建立预测模型，采用弹性系数法预测拖拉机及摩托车未来增长率及交通量；诱增交通量预测采用趋势交通量的4％～10％计。     

基于Gaussian-支持向量回归机的高速公路短时交通量预测

针对高速公路短时交通量的实时性、波动性和非线性的特点,将支持向量回归机(SVR)应用于高速公路短时交通量预测,并采用Gaussian损失函数来代替ε-不敏感损失函数,对原始序列进行降噪处理,为了更好的优选SVR模型参数,采用遗传算法(GA)进行参数优选,建立了基于GA优化的GA-Gaussian-SVR高速公路短时交通量预测模型,将本路段前几个时段交通量、天气因素和出行日期作为影响因素输入,结合实例进行了仿真预测.结果表明该方法可有效应用于高速公路短时交通量预测.     

灰色理论在高速公路交通量预测中的应用

应用灰色理论，借助于EXCEL及MATLAB，对成渝等几条高速公路的交通量进行预测并结合实例建立相应的模型予以验证，通过与实际情况对比，说明该预测模型用于高速公路交通量预测精度较高，且使用方法简便。     

ȫ���񺽿��н�ͨ������Ԥ�⼼���о�

全国民航空中交通量的长期预测是空中交通管理部门制定空域规划方案的重要依据. 本文基于GM(1,1)模型和最小二乘法原理,首次提出了空中交通流量灰组合长期预测模型;同时根据我国民航1985～2008年的飞机起降架次的历史数据,研究了时间序列预测、回归预测以及神经网络预测三种常用预测方法对中国民航空中交通量进行预测的适应性;通过分析我国民航空中交通量数据的特点以及各种预测模型的预测结果表明,本文提出的灰组合预测模型在上述各种预测模型中预测精度最高.