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.     

���񹫽�����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.     

重庆市主城区交通方式结构演变与预测分析

交通方式结构演变主要受到各种宏观与微观因素的综合影响。本文以重庆市主城区为例,总结了过去五年的步行、小汽车、地面公交、轨道交通、出租车等五种交通方式结构演变规律,并从供给侧和需求侧出发,揭示了影响交通方式结构演变的各种因素,实现了对出行者交通方式决策过程的刻画。同时,以平均增长率法和随机效用最大化模型为基础,综合考虑重庆市主城区的社会经济发展水平、小汽车和出租车的发展规模、地面公交和轨道交通的服务水平,对2025年、2035年的五种交通方式的出行量和分担率进行了预测。预测结果表明,随着机动化出行比例的不断升高,轨道交通的骨干作用将日益显现,地面公交的保障作用也得到增强,预计2035年,轨道交通和地面公交在重庆市主城区居民出行交通结构中的比例将分别达到24.41%、18.72%,成为最主要的机动化出行方式。     

��������������С���������򹫽�ת�Ƶ�Ԥ��ģ���о�

研究印度城市道路上设置公交专用道后小汽车出行向公交转移的可能性. 借助新的混合交通流仿真模型测定设置公交专用道后公交服务水平改善状况. 基于陈述偏好入户调查的抽样数据,本文还引入其他影响出行方式转移的变量,标定出行方式选择二元Logit模型. 根据实际和预测数据,确定了公交服务水平改善条件下小汽车出行向公交转移的一系列主要影响因素. 基于两种方式出行时间差,绘制出行方式转换概率曲线,并为多变量宽值域条件下交通方式转移的预测提供一种易于操作的方法.     

石家庄市轨道交通远期客运量估算

预测了石家庄市未来居民的出行总量,根据石家庄市的实际情况并对比其它城市的居民出行结构,分析确定了公交出行比例及城市轨道交通在公交出行中所占的比例,进而从宏观上对石家庄市快速轨道交通的客运需求量进行了估算。     

基于主成分回归分析法的通勤交通方式影响因素

通勤交通方式选择是诸多影响因素综合作用的结果,本文基于主成分回归分析法研究通勤交通方式的影响因素。首先,提取了影响通勤交通方式的主成分,并建立了小汽车、公交、慢行交通(步行+非机动车)出行比例与主要影响因素之间的拟合关系式。通过拟合值与调查值的比较分析,发现拟合等式的平均误差都在5%以内。然后,根据苏州工业园区现状发展情况和未来发展趋势,结合对现状通勤交通方式与主要影响因素之间影响机理的分析,研判了未来通勤交通方式出行比例的变化趋势,并提出了应采取的必要措施。本文研究对于理解通勤交通方式的影响因素及其机理,并为未来发展制定针对性的措施提供必要的理论支持。     

基于非集计MNL模型的轨道交通方式预测

以城市轨道交通方式划分为研究对象,将轨道交通方式预测分两个阶段. 第一阶段采用转移曲线法预测无轨道交通条件下的各种交通方式的比例结构,第二阶段选取时间、费用作为效用函数的特征变量,以交通行为调查的RP和SP联合数据为基础,计算了各种交通方式向轨道交通转移率,建立了应用于轨道交通方式预测的非集计MNL模型. 最后以苏州城市轨道交通方式划分为例,进行了模型参数估计和轨道交通分担率的预测. 结果表明,常规公交和自行车交通方式向轨道交通转移比例较高,该模型能较全面地考虑居民出行选择的各方面影响因素,模型的预测实用性较好.     

���ڷǼ���MNLģ�͵Ĺ����ͨ��ʽԤ��

以城市轨道交通方式划分为研究对象,将轨道交通方式预测分两个阶段. 第一阶段采用转移曲线法预测无轨道交通条件下的各种交通方式的比例结构,第二阶段选取时间、费用作为效用函数的特征变量,以交通行为调查的RP和SP联合数据为基础,计算了各种交通方式向轨道交通转移率,建立了应用于轨道交通方式预测的非集计MNL模型. 最后以苏州城市轨道交通方式划分为例,进行了模型参数估计和轨道交通分担率的预测. 结果表明,常规公交和自行车交通方式向轨道交通转移比例较高,该模型能较全面地考虑居民出行选择的各方面影响因素,模型的预测实用性较好.     

基于耗散结构理论的乌海市公交优先必要性研究

通过对乌海市海勃湾区居民出行进行问卷调查，针对不同类型的出行者出行方式所占比例，结合以耗散结构理论为基础的公交车-小汽车出行需求竞争模型计算分析了实施公交优先的必要性。分析结果表明按照现有的出行比例及出行量来推算未来的出行分配，不加限制的自由发展和实施公交优先对城市的交通影响截然不同，在有限的道路资源前提下，实施公交优先是解决未来交通拥堵、节约能源的必由之路。     

���г��⳵���з�ʽ�ֵ���Ԥ�ⷽ���о�

同时考虑社会利益和个人利益，选取公交系统(包括常规公交和出租车)出行者占用道路总面积、广义出行费用、拥挤度为指标建立多目标函数模型，求得出租车出行占公交系统出行的比例，根据公交系统出行总比例最终确定全方式出行结构中出租车出行方式分担率．实例分析证明该方法所需数据量少、可操作性强，宏观政策及其微观影响在预测过程中互为反馈，该方法既可用于确定出租车出行方式分担率，又可为交通政策决策者提供理论依据．     

Transport Modal Split of Commercial Sites Based on Artificial Neural Network

On the basis of the characteristics of the transport mode structure at commercial sites, this paper initially analyzes the factors that have influenced public transport modal split. Taking advantage of the strong nonlinear mapping and generalization characteristics of Back-Propagation (BP) neural network, a prediction model of public transport trip proportion is established based on investigation data of commercial sites in Beijing. Meanwhile, this paper makes quantitative analysis of the factors and forecasts public transport trip proportion at commercial sites under different policies.     

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

动态交通流量预测方法研究

随着智能运输系统的广泛应用,实时交通流量预测的重要性也日益显著。本文介绍了预测模型发展过程中比较重要的几个模型,并由此引出人工神经网络。介绍误差逆传播(BP)模型的相关理论。指出传统BP神经网络的缺陷,并提出提高预测精度的措施引进高阶神经网络。建立普通BP神经网络的预测模型,利用误差反传播算法实现这些影响因素到输出变量的复杂映射,再用高阶神经网络构建另一预测模型。利用交叉口实测数据进行预测,并用实际数据进行比较验证。     

���л�·��ͨ��ʵʱ����Ԥ��ʵ��ģ��

基于BP神经网络和RBF神经网络构建了城市环路交通流动态实时预测模型，并对北京市三环路的实测交通流数据进行了预测分析。实证结果表明，该模型具有较高的精确度，算法的动态实时性也满足实际预测系统的要求，具有较好的实用性。     

基于分段学习的BP神经网络的交通流量预测

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳方案,实时、准确的交通流量预测是智能交通系统实现的关键技术之一。本文采用改进型BP神经网络建立起交通流的时间序列模型,该模型可用于短期内道路交通流量的预测。     

基于免疫粒子群神经网络的短时交通流量预测

免疫理论中的基于浓度选择机制能避免粒子群算法在群体收敛性和个体多样性平衡问题上的不足,使改进后的粒子群算法优化BP神经网络参数的配置,提高短时交通流量预测的准确性。仿真实验表明：免疫粒子群优化后的BP神经网络可有效提高短时交通流量的预测精度,减小预测误差。