用灰色马尔可夫模型预测水上交通事故量

灰色GM(1,1)是一种水上交通事故量预测模型．这种模型不适合长期的、随机和波动性较大的数据序列预测．马尔可夫模型适合描述随机波动性较大的预测问题．本文将两模型结合,形成一个灰色马尔可夫预测模型．按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高．文中给出两个例子,算例证明了谊模型的诸多优点．     

公路货物运输量灰色马尔可夫预测模型

为了提高公路货物运输量的预测精度,结合灰色系统和马尔可夫链的特点,建立公路货物运输量灰色马尔可夫预测模型.在实例应用中,建立运输量GM(1,1)灰色预测模型,在获得预测值和残差检验的基础上,将原始数据序列划分为4个状态,计算状态转移概率,利用灰区间中位数建立货运量灰色马尔可夫预测模型,对货运量和货运周转量进行预测.将其预测结果与GM(1,1)灰色模型的预测结果比对,结果表明,灰色马尔可夫预测模型可以用于公路货物运输量预测,且其预测精度高于GM(1,1)灰色模型.     

灰色马尔可夫模型在交通事故预测中的应用

采用传统灰色GM(1,1)模型预测道路交通事故这类随机性、波动性较大的数据,存在拟合较差、精度不足等问题。运用马尔可夫模型对预测结果进行优化,并建立灰色马尔可夫预测模型。将该模型应用于1998~2007年全国道路交通事故数据来预测2008年事故次数,结果表明采用该模型预测精度达到96.9%,明显优于单独使用GM(1,1)模型的预测结果。     

基于GM(1,1)模型的交通客运量发展预测

采用灰色系统理论中的GM(1,1)模型,选取2001~2005年我国客运运量数据,分别建立了铁路、公路和民航客运周转量的预测模型,经检验,模型精度等级较高。应用所建模型进行了2006~2010年客运周转量预测,并对照2006年实际运量数据,证明预测结果精度较高。最后讨论了GM(1,1)预测模型在运量预测实际应用中的指标选取、模型检验和应用范围。     

基于改进灰色-马尔可夫链方法的公路货运量预测

科学的货运量预测对公路发展战略的制定具有十分重要的意义．针对灰色模型的预测结果精确度受原始数据变化幅度的影响较大,且要求累加生成的数据列具有指数性质的缺点,采用带波动的多项式来替代GM（1,1）模型中的指数形曲线,并通过马尔可夫链对其预测结果进行修正,从而建立改进的灰色-马尔可夫链预测模型,同时利用该改进模型对我国公路货运量进行预测,经分析表明预测结果具有较高的精度,预测方法具有一定的可行性和有效性,预测结果可指导公路建设与管理．     

组合预测方法在我国铁路客流预测中的应用

科学准确地预测铁路客运量是制定铁路网规划的基础。目前,运量预测的模型很多,单一模型并不能完全反映运量的变化规律和信息,因此,应采用Box-Jenkins模型和灰色预测模型相组合的预测模型方法对我国的铁路客运量进行预测,结果表明,组合预测模型能够提高我国铁路客运量的预测精度。     

基于改进灰色马尔可夫的港口货物吞吐量预测研究

为了提高港口货物吞吐量的预测精度,以宁波舟山港为例对灰色马尔可夫组合预测模型进行了优化研究。首先,用中国统计年鉴中宁波舟山港货物吞吐量的历年数据建立灰色GM(1,1)模型;其次,对模拟误差值用一阶马尔可夫链进行修正并确定误差的转移状态,建立复合灰色马尔可夫预测模型;最后,用粒子群算法对该复合模型进行迭代寻优并优化改进,使模型能够根据实际情况对每个灰区间分别进行分析计算,并实时动态更新其区间参数;最终,提高改进后的模型误差精度。结果表明,用粒子群算法改进的灰色马尔可夫模型误差均值下降了37%,预测值与实际值的拟合度更高,预测结果更符合实际情况。     

基于改进型灰色马尔可夫模型的公路货运价格预测

公路货运价格是反映运输市场状况的重要指标,准确的运价数据预测有助于科学的把握市场的变化规律,并为政府相关政策的制定和运输企业市场决策提供支持。本文选取灰色马尔可夫模型对公路货运价格进行预测,由于传统的灰色马尔可夫模型中往往采用转移状态区间的中值来修正预测,预测结果不够精确。为此,本文构建改进灰色马尔可夫模型,根据转移状态为离散型随机变量这一特征,利用状态区间中值的期望对预测结果进行修正,提高了预测精度。最后以2016年7月至9月期间成都至南昌公路货运价格指数作为预测对象进行了实证分析,验证了改进模型的有效性。     

利用无偏最优维数灰色预测模型预测我国公路货运量的发展

在无偏灰色预测模型的基础上提出了一种改进模型 ,该模型消除了传统模型和无偏模型中由于使用大量现有数据建模而带来的偏差 ,而是选用对预测值影响最大的几组数据进行建模 ,因而可称为无偏最优维数灰色预测模型。利用此模型对我国公路货物运量的发展做了预测。     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

公路路网货物运输量月度波动系数推算方法

公路运输量波动系数反映了运输需求与运输供给在时空上的不均衡状态.本文首先分析了车辆货物运输量月度波动系数的统计方法和其在统计调查中存在的问题;接着依托高速公路联网收费系统、交通量自动观测点与交通量调查信息系统等平台,建立了公路路网货物运输量月度波动系数推算模型,把车货质量、收费总额、交通量、车道数、通车里程等参数引入到模型中来,并对公路路网货物运输量非基数月度波动系数提出了量化处理、权重赋予的方法;最后,通过实例验证了模型和算法的可行性.研究成果可为公路路网货物运输量统计调查、区域内公路路网规划和综合运输体系优化提供切实的参考.     

公路货运弹性系数的因子计算方法研究

为全面、有效地分析众多指标因子对货运需求的影响并揭示它们之间的联系,将公路货运影响因子划分为公路货运经济因子和公路货运弹性因子两种,并给出公路货运弹性系数的因子分析法。对某省1980～2005年公路货运指标采用因子分析法进行计算,通过经济因子和弹性因子的关系来获取该省公路货运的弹性系数。结果表明：采用因子分析法进行公路货运需求分析,既能大大减少参与数据建模的变量个数,有效降低变量维数,同时也不会造成信息的大量丢失;各年货运弹性系数总体变化不大,能够较好地反映公路货运与社会经济发展的关系,但利用几何平均法得到的运输弹性系数的发展趋势比较平缓,其波动范围也小于利用算术平均法得到的弹性系数。     

公路货运弹性系数的因子计算方法研究

为全面、有效地分析众多指标因子对货运需求的影响并揭示它们之间的联系,将公路货运影响因子划分为公路货运经济因子和公路货运弹性因子2种,给出了公路货运弹性系数的因子分析法,并对某省1980~2005年公路货运指标采用因子分析法进行计算,通过经济因子和弹性因子的关系来获取该省公路货运的弹性系数。结果表明：采用因子分析法进行公路货运需求分析,既能大大减少参与数据建模的变量个数,有效降低变量维数、同时也不会造成信息的大量丢失;各年货运弹性系数总体变化不大,能够较好地反映公路货运与社会经济发展的关系,但利用几何平均法得到的运输弹性系数的发展趋势比较平缓,其波动范围也小于利用算术平均法得到的弹性系数。     

浅析综合运输分析在公路建设项目交通量预测中的应用

公路、铁路、水运等运输方式共同构成区域综合运输体系,科学客观分析通道内的运输需求总量和运输方式以及各种运输方式之间的竞争协作关系是准确预测公路建设项目交通量的必要前提。以桓仁（辽吉界）至丹东（古城子）高速公路为例,探讨应用综合运输分析进行公路交通建设项目交通量预测的思路和方法,为公路建设项目的交通量预测提供可靠的支持。     

模糊多元回归模型在运输弹性系数预测中的应用

弹性系数法是交通预测的一种基本方法,其结果不仅受经济指标预测值的影响,还与预测方法的选择息息相关.文中以模糊多元回归理论为基础建立运输量与相关经济变量之间的关系式,并进行模型求解,进而可以对运输弹性系数进行预测.通过湖南省的公路客运量弹性系数预测结果表明,基于模糊多元回归模型的弹性系数预测方法可以确定弹性系数的变化范围,能够有效地解决观测数据不精确,以及指标变化不确定带来的预测精度问题,合理反映运输与经济发展的趋势关系.     

����BP����������Ԥ��ģ�ͼ����ڹ�·������Ԥ���е�Ӧ��

组合预测方法与单一预测方法相比可以提高预测的精度和稳定性，因此得到广泛的应用。本文首先概述了组合预测的基本思想，然后介绍了基于BP神经网络的组合预测模型，并以吉林省公路货运量为例给出计算实例，实例的预测结果非常理想，同时也用数理统计的方法证明了此模型的适用性。统计分析和实践都证明此模型的可行性和适用性，说明将此模型用于公路交通运输量预测是有效可行的。     

因子分析法在公路客运弹性系数计算上的应用

为全面、有效地分析众多指标因子对客运需求的影响并揭示它们之间的联系,将公路客运影响因子划分为公路客运经济因子和公路客运弹性因子两种,给出了公路客运弹性系数的因子分析法,并对江西省1980年—2005年公路客运指标采用因子分析法进行计算,通过经济因子和弹性因子的关系来获取该省公路客运的弹性系数。结果表明采用因子分析法进行公路客运需求分析,既能大大减少参与数据建模的变量个数,有效降低变量维数、同时也不会造成信息的大量丢失;各年客运弹性系数总体变化不大,能够较好地反映公路客运与社会经济发展的关系,但利用几何平均法得到的运输弹性系数的发展趋势比较平缓,其波动范围也小于利用算术平均法得到的弹性系数。     

基于IWOGA算子的公路客运量组合预测模型

客运量预测是进行公路网规划的必要环节和计算公路经济效益的基础。为了提高公路客运量的预测精度,在现有客运量预测模型基础上,采用IOWGA算子将三次指数平滑、GM（1,1）预测和BP神经网络结合起来,建立组合预测模型,并以全国公路客运量为例,验证预测结果的精度。分析计算结果,将该模型所得结果与其它常用方法相比,与实际客运量之间相差较小,预测精度较好,可以作为预测公路客运量的有效方法。     

成都市公路客运量预测

在分析成都市1990—2001年交通运输发展历程，特别是公路旅客运输需求的基础上，运用多种数学模型，预测成都市未来特征年的公路客运量，为成都市公路主枢纽客运系统布局规划修编提供依据显得尤为重要。