道路交通事故预测中的灰色预测GM(1,1)模型

针对交通事故发生的特点，探讨了灰色模型GM(1，1)在道路交通事故预测中的具体应用，介绍分析道路交通事故的灰色性的基础上，建立了基于灰色预测理论的GM(1，1)模型，并用其分别对道路交通事故的死亡人数、交通事故量进行了预测，其结果是可信的。GM(1，1)模型是最常用的一种灰色模型，它对于“不确定问题”的研究的主要意义是通过信息覆盖，构造生成序列的手段来寻求现实现象中存在的规律，可以相对减少对历史数据的依赖性和“少数据建模”的特点。它尤其适合于交通事故预测这样“小样本”的随机不确定问题。     

基于灰色残差GM（1，1）模型的道路交通量预测的研究

道路交通体系是一个多因素、多层次、多目标的复杂系统。其中交通量信息系统具有明显的层次复杂性,结构关系的模糊性,动态变化的随机性,指标数据的不完全和不确定性。由于技术方法、人为因素、自然环境变化的影响,造成各种数据误差、短缺甚至虚假现象,系统的作用机制不明确,系统的状态、结构、边界关系难以精确描述,属于典型的灰色系统。在作量化、模型化、实体化研究时,能作为反映系统主要动态特征的数据是很少的。由于环境对系统的干扰,系统信息中原始数据序列往往呈现离乱情况,离乱数列即为灰色数列或称灰色过程,灰色理论利用那些较少的或不确切的表示系统行为特征的原始数据序列作生成变换后建立微分方程,对灰色过程建立的模型称为灰色模型（Greymodel）,简称GM模型。本文从理论上介绍了GM（1,1）模型和灰色残差GM（1,1）模型建立的一般过程,然后将其应用于交通量预测的实际例子中。预测结果表明,该方法是可行的。     

多模式混合交通网络流星分配模型及算法

在现代城市交通系统中,由于有多种交通模式存在,出行者通常采用从一种交通模式换乘到另一种交通模式的方法来节省时间和金钱。采用状态转移网络来描述这种多模式交通网络的结构,同时以路段上的混合交通阻抗函数为基础,对多模式交通网络中的各种费用加以分析,从而可得到多模式交通网络流量分配的模型和算法。     

灰色GM(0,N)法在轨道交通噪声预测中的应用

以实测样本数据为基础,根据灰色系统理论对列车车速、距轨道中心的距离两个因素进行灰色关联度分析,发现前者对线路侧方噪声级的影响要强于后者;分别建立线性回归模型和GM(0,N)模型,将预测值和实测值进行比较,发现灰色GM(0,N)模型的预测方法性能良好,是一种优秀的噪声预测方法.研究成果对轨道交通噪声影响因素的主次识别、降...     

GM(1,1)模型在交通事故预测中的应用研究

道路交通事故每年都给我国带来了巨大的人员伤亡和经济损失,如何预防交通事故已成为公安和交通部门亟待解决的问题.在灰色预测理论与方法中,利用累加生成和微分方程描述的GM(1,1)灰色模型,在一定预测时段内具有良好的预测精度和实用性,但对于中长期的预测,其预测值与统计值存在较大的误差,故从模型构造上分析其存在的不足,可为该模型的改进指出方向.     

基于船舶流的交通时间阻抗模型

为确定航道的交通阻抗,研究了船舶交通流的基本特性,分析了无船闸航道基本段与船闸的通航特点,建立了基于船舶交通流理论的交通时间阻抗计算模型,以客观的描述船舶交通出行时在不同交通流状态下的运行效益.算例计算分析表明,模型是可行、可靠的,能够根据船舶运行的基本实测数据确定任意路径的时间交通阻抗.     

基于可靠度条件下的混合交通流量分配模型及算法

在混合交通中出行者对不同交通方式的行程时间存在着不同的可靠度要求,故有必要根据不同的可靠度要求追加不同冗余时间,以最优时间策略选择交通方式,从而构造混合随机交通模型及其求解算法,并利用具体实例对其有效性加以验证。     

基于可靠度条件下的混合交通流量分配模型及算法

在混合交通中出行者对不同交通方式的行程时间存在着不同的可靠度要求,故有必要根据不同的可靠度要求追加不同冗余时间,以最优时间策略选择交通方式,从而构造混合随机交通模型及其求解算法,并利用具体实例对其有效性加以验证。     

基于可靠度条件下的混合交通流量分配模型及算法

在混合交通中出行者对不同交通方式的行程时间存在着不同的可靠度要求,故有必要根据不同的可靠度要求追加不同冗余时间,以最优时间策略选择交通方式,从而构造混合随机交通模型及其求解算法,并利用具体实例对其有效性加以验证.     

残差灰色预测模型在交通事故预测中的应用

交通事故预测是交通安全研究的重要分支,是提高道路交通安全管理水平的基础。针对道路交通事故的预测问题,以灰色预测模型为基础,建立残差灰色预测模型对交通事故进行预测。结果表明：残差灰色预测模型预测结果的平均相对误差比基本灰色预测模型降低了63．13％。实践证明该模型具有简便实用、预测精度高的优点。     

基于灰色马尔科夫链模型的交通量预测

交通量是一个不平稳的时间序列,在不确定性条件和缺乏数据资料的情况下,交通量的预测是一个较复杂的问题。灰色马尔科夫链模型是一种结合经典灰色理论和马尔科夫链的状态转移行为的预测模型。该模型在灰色预测理论的基础上,再对随机波动大的残差序列进行马尔科夫预测,实现了两者的优势互补,克服了两者的不足。以太原市漪汾桥断面的交通量的数据在传统灰色GM(1,1)预测模型的基础上建立交通量的灰色马尔科夫链模型,研究表明,该模型在交通量的预测方面相对传统的灰色GM(1,1)模型有更高的精度。     

基于灰色残差GM（1，1）模型的汽车货运量预测

针对近年来我国汽车货运量增长迅速的特点,运用灰色系统预测模型GM（1,1）对某地汽车货运量趋势进行预测,通过残差GM（1,1）模型对主模型的修正,并用后验差检验法对模型精度进行分析和检验,得到一个精确度非常高的预测模型,该模型符合汽车货运量的预测,并在实际预测应用中取得较好效果。     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

基于交通流灰色关联熵的交通流无序转化研究

用Matlab软件编制皮埃莱（Bierley）模型来产生仿真交通流．在一定参数组合情况下,仿真研究了交通流车队中前后车辆的车头间距变化过程．通过分析这种车头间距的变化曲线,可以明显地观察到交通流无序运动和有序运动之间的转化过程;提出了交通流灰色关联熵模型,并通过该模型对交通流无序转化过程作了分析．结果表明：交通流无序转化过程中存在交通流混沌现象,但其转化过程并不等同于交通流混沌运动的转化过程;交通流从无序运动转化为有序运动的必要条件是从外界获得负熵——信息熵．     

基于模糊神经网络的GM（1，1）模型

在分析GM（1,1）模型建模机理的基础上,提出GM（1,1）模型中参数a,b的一种新算法一模糊神经网络算法,把模糊神经网络应用于灰色系统GM（1,1）模型的建模过程,得到模糊神经网络GM（1,1）模型,并将其运用于民航客运量的预测,结果表明改进后的模型有较好的拟合及预测精度。     

基于数据可视化的交通流量分析

采用趋势图、双向流量图、饼图、颜色分级图和地图显示等多种数据可视化方法对北京市的主要街道、区域及路口等不同空间尺度的交通流量数据进行分析，获取其时空分布规律，加深对交通流量数据的理解，有助于进行交通时空数据挖掘的研究，为有关部门提供科学管理和决策支持工具．     

基于遗传算法的交通流量组合预测

针对当前道路交通流量预测的多种不同特性的方法,提出了一种组合预测方法。利用遗传算法群体搜索的特点,组合各种算法,优化预测思路,充分发掘不同算法的差异优势,实践证明该思路是切实有效的。     

关于应用GM(1,1)模型建立交通量预测模型的研究

灰色预测有其应用条件的限制，在交通流量统计的基础上，就不同累计时间的GM（1，1）交通量模型预测效果进行对比研究，可得出累计时间越长模型精度越高并且累计时间太短不宜用GM（1，1）建模的结论。     

基于遗传算法求解转移流量的多目标规划方法

以十字交叉口为例,在分析交叉口进、出口流量与转移流量之间关系的基础上,以进口交通流量观测值与来自各个出口并进入该进口的估计转移流量之差的绝对值和出口交通流量观测值与该出口到达各个进口的估计转移流量之差的绝对值之和最小为目标函数,转移流量的实际取值范围作为约束条件,建立了求解转移流量的多目标规划模型.利用遗传算法并行运算的特性,提出了基于遗传算法求解转移流量的多目标规划方法.最后通过一个算例给出了应用该方法求解转移流量的多目标规划模型的求解效果.     

基于遗传算法求解转移流量的多目标规划方法

以十字交叉口为例,在分析交叉口进、出口流量与转移流量之间关系的基础上,以进口交通流量观测值与来自各个出口并进入该进口的估计转移流量之差的绝对值和出口交通流量观测值与该出口到达各个进口的估计转移流量之差的绝对值之和最小为目标函数,转移流量的实际取值范围作为约束条件,建立了求解转移流量的多目标规划模型.利用遗传算法并行运算的特性,提出了基于遗传算法求解转移流量的多目标规划方法.最后通过一个算例给出了应用该方法求解转移流量的多目标规划模型的求解效果.