基于弹性系数法的鱼田堡至石林公路交通量预测

交通量预测分析是道路建设可行性研究的重要环节,将预测的远景交通量划分为趋势交通量和诱增交通量。以重庆市万盛经开区鱼田堡至石林公路为例,基于弹性系数法,对远景交通量进行预测分析和计算,建立了回归预测模型,选用指标高度相关验证了计算的合理性,经综合分析预测,确定了各时期客货运弹性系数值,该交通量预测方法可为类似交通规划提供理论参考。     

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。     

区域经济发展与交通需求关系研究

为较客观地评价交通需求与经济发展的相关性,采用皮尔逊相关系数法和斯皮尔曼等级相关系数法模型对山东省各地市相关经济指标与所辖高速公路出入口的交通量进行相关性分析,进而确定影响区域交通量生成的主要社会经济指标.研究结果可为交通量预测中经济指标选取提供一种新的研究方法,有利于提高交通量预测精度及路网规划的科学性.     

基于GM-GRNN的能源需求预测模型研究

建立了基于GM-GRNN能源需求预测组合模型,确定了网络输入向量集合和输出向量集合,对影响能源需求的相关数据进行了仿真分析。结果表明,相对于GM模型和GRNN模型,该组合模型具有较高的预测精度,具有较强的实用性。     

国道G106线平舆段交通量的预测与分析

详述了国道G106平舆段交通量的预测与分析方法,对公路交通量预测的理论和方法进行了综合、系统、全面的分析,为公路交通量的预测提供了可借鉴的经验。     

基于GRNN神经网络的社会物流成本预测研究

介绍了常用物流成本预测方法的特点,分析了社会物流成本和经济总量、产业结构等相关影响因素之间的关系,结合中国社会物流成本和经济结构的现状,在此基础上建立了基于广义回归神经网络的中国社会物流成本预测模型,并以中国1998～2006年的相关历史数据作为学习样本,通过拟合训练和外推预测分析,验证了GRNN用于社会物流成本预测的效果.     

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。      

繁峙至大营高速公路交通量预测与分析

采用实证的方法,通过繁峙至大营高速公路工程可行性研究交通量预测的实例,阐述了交通量预测的过程及方法,并对模型和参数的选定、评价指标的应用进行了分析,为公路交通量的预测提供了可借鉴的经验。     

申嘉湖高速公路交通量预测

以影响区社会经济发展统计资料、OD调查资料及相关路网历年交通量观测资料为基础,介绍了申嘉湖高速公路工程可行性研究阶段交通量预测采用四阶段法的理论方法和预测结果,给出了在预测过程中应注意的问题.     

当代城市互通式立交设计要览

从交通量预测分析来考虑城市立交形态的选择一定级别和相关问题,又重申了立交的技术标准,与描述了设计要览。     

�����������SARIMA���ģ�͵Ķ��ڽ�ͨ��Ԥ��

为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点。构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势。实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型。然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测。     

广义回归神经网络在交通运输量预测中的应用

因为交通运输、地方经济及企业发展的紧密联系,交通运输量预测成为运输市场和经济发展研究中的一个重要问题。以影响交通运输量的若干重要参数作为样本数据,构建一个广义回归神经网络,经过学习训练后使之达到误差最小,再以此网络外推出未来的交通运输量。结果证明广义回归神经网络用于交通运输量预测的有效性。     

最小二乘支持向量机在公路交通客流量预测中的应用

交通客流量预测是交通规划的重要内容,对于交通规划具有重要意义。利用最小二乘支持向量机理论,建立交通客流量预测模型,通过与BP神经网络预测模型实验结果进行比较,验证了其在交通客流量预测中的有效性。     

铁路客流量预测分析与研究

铁路客流量预测与分析对铁路部门采取有效的应对措施具有十分重要的意义,分别应用基本的神经网络和遗传算法优化BP神经网络对客流量进行了预测,建立铁路客流量网络预测模型.分别利用以前客流量的数据对2011年和2012年的客流量做了预测验证,并对2013年的客流量做了预测,结果表明利用遗传算法优化BP神经网络得到的预测数据和实际的基本相符,该预测算法应用到客流量的预测中效果良好,具有很好的应用和推广的前景.     

灰色预测模型在铁路客流预测中的应用

运量预测是铁路运输组织工作的重要基础和主要依据之一,是一项经常性工作。只有根据运量预测结果及其他方面的信息才能做出科学的决策,编制出可行计划、规划或发展战略,最大程度地减少风险,降低运作成本,减少设施闲置。运用灰色预测模型建立铁路客流预测模型,对我国铁路客运量进行预测,灰色模型的方法简单,适合在数据少的情况下预测短期客流量。     

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测。通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练。并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明：所建的Elman模型比EBP模型的预测精度高,效果好。     

公路建设项目后评价与前评估交通流量对比分析

交通流量预测与分析是公路建设项目可行性研究或后评价的重要组成部分.基于交通流量预测与分析的思路,对比分析了近几年一些高速公路实际运营交通量与前期可研阶段预测交通量值,提出改进交通流量预测与分析的一些建议.以西安———宝鸡高速公路后评价研究为背景,应用有关成果进行了实证分析,效果良好.     

对我国高速铁路客运量预测的探讨

分析了客运量的影响因素、铁路客运在全国客运市场的地位,提出在市场经济条件下高速铁路客运量的预测方法,即先预测整个客运市场的客运量,再根据高速铁路在客运市场的地位和作用确定其客运量。最后给出一个例子对此予以说明。     

基于“三阶段法”的高速铁路短期运量预测

考虑到我国未来年度的OD分布预测中的路网构成变化、区域经济布局变动、区域经济增长速度差异等一些具有时变性和特殊性因素,采用在“四阶段法”运量预测基础上改进而成的“三阶段法”进行高速铁路短期客运量预测。首先采用组合预测模型进行趋势运量预测,然后采用多元LOGIT模型进行方式分担,最后采用弹性系数诱增模型进行诱增运量预测。以京沪高铁为例,采用“三阶段法”预测了2014年和2015年京沪高铁本线及跨线单向客流量。     

基于模糊数学的公路交通量预测方法

在交通量资料少、规律性不强的情况下,设计年限内平均日交通量和交通量年平均增长率两个参数不容易直接确定,而相关参数如人口、经济、汽车保有量等与之相关性有不同的权重。针对于此,主要利用模糊数学和线性规划的有关理论,通过模糊预测模型对某地区的交通量进行预测,并根据不同的影响因素,采用不同的权重对其进行交通量分配。实例分析表明,该方法更加客观、合理,具有一定的应用价值。