基于活动的出行生成预测方法

出行生成预测是解决交通问题方法的基础,在四阶段法出行生成阶段运用基于活动的方法,以家庭为出行单位,分析家庭成员和家庭整体的出行链类型,构建出行生成预测模型。将模型参数分为家庭属性、活动类别和出行链特征3大类,建立家庭活动出行链选择结果的MNL模型,借助SPSS进行Logistic功能标定检验,通过实例应用说明基于活动的出行生成预测方法在四阶段法中的应用是可行的。     

居民出行生成预测的二元logit模型改进及验证

针对二元logit模型在出行生成预测应用时忽略了变量差异性的缺点,提出了其可观测变量参数β'服从对数正态分布的假设,根据美国PUMS居民出行调查的前300个相关数据,通过参数标定对该假设的合理性进行了验证.采用SAS仿真系统对参数进行标定的结果表明:当部分参数服从对数正态分布时,所有参数的t检验值均在[-1,1]区间之外,从而验证了假设的合理性.分别利用改进前的模型与改进后的模型进行城市居民出行生成预测,结果显示后者的预测精度明显高于前者,进一步验证了应用改进后的二元logit模型进行居民出行生成预测有显著效果.     

居民出行生成预测方法的归纳和创新

现行的居民出行生成预测模型主要有生成率法、类别生成率法、回归分析法等。从实际应用的角度,在对传统的居民出行生成预测模型进行全面和深入的分析基础上,提出建立在城市土地利用形态基础上的总量平衡型居民生成预测新模型。逐一探讨土地利用的性质、规模、强度及区位特征对出行的影响,并引入出行生成基本权重、用地规模、土地利用强度系数和小区区位系数作为模型的基本参数,并给出取值方法。     

城市居民出行次数变权预测方法

传统居民出行生成次数采用线性回归分析现状数据,建立居民特征变量与出行次数间的关系,但并未区分样本权重,预测结果受样本点波动影响较大。因此,论文考虑对不同的样本点施加不同权重,以区分不同样本点对预测结果的影响程度,并以最小二乘参数估计法为基础,采用Robust估计中的Welsch方法构造样本点权重值,通过迭代运算确定样本权重系数,进而建立样本权重变化的预测方法。研究表明,变权预测方法可应用于样本量大、变量众多,并难以准确识别样本有效性的情况。预测结果有效地避免了数据波动对预测结论的干扰,可更贴近居民出行次数的变化趋势。     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

基于人群特征的三维约束重力模型研究

双约束和现有三约束重力模型在不同人群对出行阻抗的认知方面均采取平均化处理的方法,与实际出行情况有明显的差异.针对不同人群对出行阻抗的认知程度不同,提出了基于人群特征的三维约束重力模型改进方法.在出行生成环节中将不同人群分开,设计不同人群的出行量预测算法.在重力模型改进中,按照不同人群对第三维约束的接受程度,对人群出行量进行分类并标定相应的缩放系数.以岳阳市交通分布模型为例,对长距离出行约束进行分析,并分别应用双约束和改进的三维约束重力模型进行计算,结果说明了改进的三维约束重力模型的可行性与优越性.     

基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

铁路客运量预测方法探讨

本文对常用的指数平滑模型、回归分析法、灰色模型、组合模型等进行了综合研究。根据上海1996-2004年的实际铁路旅客发送量，应用四种模型预测了2005年的旅客发送量，并与实际值进行对比，检验了模型的应用。最后，建议在预测时，根据手中掌握的资料利用多种模型进行预测，然后采用组合方法对预测结果进行修正，可以提高预测精度。     

大规模铁路运量分布研究

探讨了大规模铁路运量分布研究中的几个问题：分布模型的选择、数据的预处理及在对某些品类货物预测时稀疏矩阵的赋值等。分析及实际计算表明，改进后的增长系数模型和物理类比模型较适合于大规模铁路区域ＯＤ流分布预测；对预测运量数据进行数值分解和迭加，可以较好地处理计划性数据，从而提高预测精度；预先对大规模稀疏ＯＤ矩阵零元素赋微量值，从计算的角度看可行，但是也掩盖了局域网络的实际不平衡。     

主成分分析法在居民出行生成模型中的构建研究

交通出行生成模型作为“四阶段法”出行的第一步,出行模型的精度将直接影响了整个四阶段法模型的结果;现行的居民出行生成预测模型主要有生成率法、交叉分类法、回归分析等。但是这些方法都没有从根本考虑到各种影响出行生成的变量之间的相互影响关系,而这种变量之间的相互关系往往会直接影响居民的出行特征,同时,常用的回归分析法中,由于最小二乘法的局限,往往会丢失变量或者出现负变量,而这些变量在交通出行中明显会产生出行量,这就和实际的交通出行特征有了背离。本文提出了在回归分析法之前首先采用主成分分析法来确定各影响变量之间的关系,确定主成分方程,进而在根据主成分方程和调查数据之间的回归分析来构建出行生成模型。通过这样的方法来有效的保护变量的非负性和体现变量之间相互关系对出行生成的影响。     

交通出行预测的神经网络模型

针对交通出行集计预测模型的缺陷,结合神经网络在非线性关系映射方面的优势,本文提出了交通出行预测的BP神经网络模型。作者在对BP神经网络的结构和算法进行分析的基础上,研究了交通出行预测BP神经网络模型的影响因素、模型结构和模型数据,并采用实际调查数据对模型进行了检验和应用。研究结果表明模型预测精度较高,既有很强的理论优势和解释性,又有良好的操作性．最后,文章讨论了下一步的研究方向．     

基于出行强度的出租车规划模型

通过分析城市居民出行强度和人口规模现状,运用增长系数模型预测规划期内居民出行强度和人口规模,进而预测出规划期内居民出行总量和乘坐出租车人口,随后利用出租车空驶率模型预测出租车的最佳数量。实例证明模型是可行的,通过确定出租车投放的最佳数量,有利于城市出租车的规划和管理。     

���񹫽�����ODԤ���о�

在应用“四步骤法”进行居民公交出行OD 预测中,为了提高出行分布与方式划分预测的精度,本文分别提出了交通阻抗确定新方法和交通小区间公交出行量预测方法. 本文利用各小区内道路节点之间的最短路距离确定小区内及小区间的交通阻抗. 该方法有效避免了传统交通阻抗确定方法的缺陷,将其应用于重力模型预测居民出行分布,预测精度有所提高. 在获得现状居民出行特征的基础上,利用马尔可夫链法预测未来年公交出行总量,然后利用公交出行距离转移曲线具体预测各小区之间的公交出行比例,利用该比例结合公交出行总量获得公交出行OD. 该法可在定量分析的基础上综合考虑城市规划、政策等因素对预测结果的影响,其预测结果更加合理.     

居民公交出行OD预测研究

在应用“四步骤法”进行居民公交出行OD 预测中,为了提高出行分布与方式划分预测的精度,本文分别提出了交通阻抗确定新方法和交通小区间公交出行量预测方法. 本文利用各小区内道路节点之间的最短路距离确定小区内及小区间的交通阻抗. 该方法有效避免了传统交通阻抗确定方法的缺陷,将其应用于重力模型预测居民出行分布,预测精度有所提高. 在获得现状居民出行特征的基础上,利用马尔可夫链法预测未来年公交出行总量,然后利用公交出行距离转移曲线具体预测各小区之间的公交出行比例,利用该比例结合公交出行总量获得公交出行OD. 该法可在定量分析的基础上综合考虑城市规划、政策等因素对预测结果的影响,其预测结果更加合理.     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

考虑出行链的城市货运量与交通量的转换模型研究

由于货运具有衡量尺度多维化的特点,在进行货运交通需求预测时,需要建立各种转换模型来保证指标的统一。在“基于货物”的货运交通需求预测方法中,货运量与交通量的转换是货运交通分配前的重要步骤之一。本文以出行链理论为基础,分析了货运车辆的出行行为,总结了货运车辆的出行链模式,基于一系列假设条件建立了考虑出行链的货运量与交通量的转换模型,并运用模型计算了某市货运交通量的OD分布矩阵,分析了其货运空车出行量占出行总量的比例,和出行总量与实际货运出行总量的误差。     

中小城市交通生成预测模型研究

城市交通生成预测是城市交通规划的基础，如何客观、科学地进行交通生成预测，是当前我国城市交通规划中共同面临的课题。一般来说，不同的土地利用布局、不同的土地利用性质和不同的土地利用强度，对应着不同的交通生成。因此，建立土地利用与交通生成的相互关系模型，实现土地利用-出行生成相关因素-交通生成的三步式预测方法向土地利用-交通生成两步式预测方法的过渡，将在大大简化交通需求预测过程的同时提高预测结果的可靠性。     

出行源点用地的居民出行生成预测

从居民出行产生的根源--用地入手,分析我国经济快速发展时期城市用地的新特征,引入出行源点的概念并分析其产生机理.在此基础上提出既经济又适用的基于用地功能产生率法的改进方法--基于出行源点土地利用的居民出行生成预测体系,并对体系中的模型进行了检验和修正.最后,应用该方法预测北京南中轴快速公交项目客流密度,既节省人力物力,又可得出可靠结果.     

���������ģ�͵ij��п���·��ͨ״̬Ԥ�ⷽ���о�

道路交通状态预测是交通流诱导和交通信息发布系统的重要依据. 本文提出了一种基于最大熵模型的城市快速路交通状态预测方法,该方法通过提取影响交通状态的时间、空间等各种特征,运用最大熵模型训练得到各特征权重,直接预测道路交通状态等级. 最大熵模型能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性. 实验结果表明,基于最大熵模型直接预测交通状态等级同样具有较高的准确性. 最大熵模型的成功使用,也证实了将交通状态预测作为一种模式分类问题来解决的可行性,进一步扩展了交通状态预测的思路.