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．     

诱增交通量计算模型研究

通过对诱增交通量的定义和组成进行明确的界定，参考已有的经验，对诱增交通量的每个组成部分分别进行计算，最终可得出较为简单实用的诱增交通量计算模型。     

浅谈贵阳至惠水高速公路项目诱增交通量

阐述了经济与交通的互动关系,从反馈关系阐明加强项目诱增交通量分析的重要性。同时,结合贵阳至惠水高速公路项目,对项目诱增交通量进行了探讨。     

诱增交通量的计算方法浅析

按照“有无比较”的原则，采用重力模型思想，对诱增交通量的计算方法进行了探讨，从原理和实践中推导出诱增交通量的计算公式，并结合工程实际算例进行了分析。     

基于可达性的高速公路改扩建工程诱增交通量研究

诱增交通量是交通量的重要组成部分,针对诱增交通量的预测方法进行研究.在传统"四阶段"模型中引入可达性模型,对交通发生吸引及交通分布模型进行改进,基于实际改扩建工程案例,对比分析了传统"四阶段"模型与改进后模型的预测结果.研究结果表明:将可达性的概念引入"四阶段"模型,考虑了可达性、小区人口及经济情况对诱增交通量的影响,...     

诱增交通量的实证分析

通过实证研究尝试预测考虑诱增交通量的交通需求预测方法,明确了诱增交通量的定义,在阐述了诱增出行和诱增交通量的关系的基础上,以大连东北快速路为例,通过在传统的四阶段模型(交通生成、交通分布、交通方式划分、交通分配)中导入"可达性(accessibility)变量",建立具有反馈构造的交通需求预测模型,通过计算最终得出由于新建东北快速路而产生约10.6%车公里的诱增交通量,证实了诱增交通量的存在.     

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。     

高速公路交通需求预测方法研究

针对我国大部分地区存在铁路、高速公路、低等级公路三者并行这一实际情况,提出了在上述运输通道系统中,预测未来特征年高速公路交通量的方法。重点论述了运输通道趋势交通量、高速公路的转移与诱增交通量的预测方法和模型,并结合实例对上述方法的可操作性进行了验证。     

高等级公路交通量需求预测方法

针对我国大部分地区存在铁路、高速公路、低等级公路三者并行这一实际情况,提出了在上述运输通道系统中,预测未来特征年高速公路交通量的方法。重点论述了运输通道趋势交通量、高速公路的转移与诱增交通量的预测方法和模型,并结合实例对上述方法的可操作性进行了验证。     

公路诱增交通量微观因子构成的模糊聚类评选

以公路诱增交通量的微观计算公式为前提,利用模糊聚类方法,评选出对计算诱增交通量贡献更大的诱增因子,降低因指标之间关系复杂而带来的分析难度.最后,结合新建的内蒙古赤峰市至辽宁省朝阳市高速公路某段的数据实例进行计算评选,利用模糊聚类方法,定性控制影响因子的修正幅度,对诱增交通量前期定量计算工作开始具有支持性与参考性.     

组合预测模型在交通量预测中的应用

对当前组合预测模型进行分析,在已有交通量预测模型的基础上,建立基于预测有效度的组合预测模型,应用规划方法求解各单一预测模型的最优权重系数。实测数据验证表明,该组合预测方法具有比回归分析和神经网络预测模型具有更高精度,组合方法为交通量预测提供一种可靠而有效的新途径。     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.     

��·��ͨ������֧�����������Ԥ��

对交通运量做出较为准确的预测，能对相关部门和人员把握运输市场或进行决策有所裨益。对灰色、神经网络和支持向量机的三个预测模型进行了研究，以全国1996 ～ 2003年公路货运量为例，对公路货运量进行了预测，经过比较，支持向量机的预测方法精度较高。在分析组合预测特性的基础上，提出了对灰色系统、神经网络和支持向量机三种预测方法结果进行了线性组合预测方法和支持向量机的组合预测方法。与单一预测方法结果和线性组合预测进行对比，支持向量机组合预测方法比较精确。     

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。     

土地利用模型在运量预测中的研究

随着我国社会主义市场经济体制的完善,传统计划经济时代的运量预测方法已经不能适应市场经济对运输业提出的要求.考虑到市场经济环境、运输服务性和价值尺度等因素对运量的影响,以及交通量与土地利用状况之间存在的辩证关系,基于应用节点土地利用模型进行区域交通量预测的思路,进一步分析运输生产具有的区域性质等特点,建立适用于区域交通量预测的节点土地利用模型,给出合适的模型求解算法,经实例证明,该模型可比其他预测方法取得更为精确的预测结果.     

运输通道新建高速铁路客运量预测MD模型

为了准确分析运输通道新建高速铁路未来客运需求,应用经济学效用原理和数学分析方法,对MD（Minimum Drain）预测模型的概念、假设、原理进行了定义和分析,讨论了需求潜在化实现率、旅行总支付及运输方式选择的机理,并与传统客运量预测方法对通道总的铁路客运需求量预测结果进行了对比。结果表明,该模型预测运输通道新建高速铁路未来的市场份额为70％以上,预测潜在需求年增长率比其他方法低1％,符合近年来交通量的增长规律,这说明MD模型与传统运量预测模型结合进行通道运量预测能充分反应通道中各种运输方式的服务水平对其市场份额划分的影响。     

路段上短时间区段内交通量预测ARIMA模型

探讨了用于路段上小时间间隔里交通量预测ARIMA模型的一般形式及其参数标定、检验、预测的方法,进一步探讨了它的应用.     

基于GM-BP神经网络的交通量预测

针对城市道路交通系统的复杂性和随机性,应用灰色理论和神经网络知识,建立了基于灰色理论和BP神经网络的城市道路交通量GM-BP神经网络预测模型.随后运用该预测模型对城市道路的交通量进行预测,预测结果表明：GM-BP神经网络预测模型所得预测结果平均相对误差为1.17%,与单一的灰色新陈代谢预测模型相比具有预测精度高的优点.     

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。      

通道交通量预测方法研究

通过对通道交通量预测方法的完善和系统化,从整体预测思路的角度出发,提出远景交通量的组成,并分析各组成部分的产生机理,给出简便可行的计算方法,有助于正确预测通道交通量。