综合运输网络下的公路建设项目交通量预测方法研究

传统公路建设项目交通量预测方法往往从公路交通系统自身的角度出发,割裂了公路交通与其他运输方式之间的复杂关系,因而影响了预测结果的可靠性。本文从综合运输的角度出发,提出了基于综合运输网络的公路建设项目交通量预测方法,并对预测方法涉及的具体模型进行了讨论。应用该方法可以客观反映公路与其他运输方式之间的作用关系、准确描述交通量的转移规律、充分把握建设项目在综合运输网络中的作用和地位,使预测结果更加合理、有效。     

公路交通量预测理论与方法综述

该文对国内外公路交通量预测的理论和方法进行了综合、系统、全面的回顾。在分析当前该领域主要研究内容的基础上．提出了公路交通量预测理论和方法的发展趋势。     

高速公路工程可行性预测交通量与实际交通量差异研究

为提高高速公路工程可行性研究预测交通量的准确性,以重庆市11条已运营高速公路为例,以联网收费交通量数据为基础,研究各高速公路工程可行性预测交通量与实际交通量的差异,分析影响交通量预测准确性的因素主要有国民经济及交通运输的发展、路网结构变化、项目交通量在通道中的占比、沿线产业园区发展、收费政策等,据此提出提高交通量预测准确性的措施。     

TransCAD在公路诱增交通量预测中的应用研究

分析公路建设项目可行性研究中诱增交通量常用的计算方法。建议采用公路建成前后车辆出行条件的变化来计算诱增的交通出行分布,进而计算出各OD小区诱增交通出行量。研究表明,基于重力模型的思想,借助TransCAD在路网建模、矩阵计算等方面的优势,及其提供的多种重力模型和标定软件包,为定量计算公路尤其是高速公路诱增交通量建立新的途径。计算结果符合公路诱增交通量的特点和发展规律,并与定性分析结论相吻合。     

基于季节ARIMA模型的公路交通量预测

为了提高公路交通量季节性预测的精度,在介绍一般ARIMA模型的基础上,推导出一种具有周期的季节ARI—MA模型的一般表达式,以及使用这种模型进行建模和预报的一般过程。在实证分析中,先用傅立叶周期分析法检验时间序列的周期性并求出周期长度,然后用Eviews软件对时间序列作平稳性检验以及实现模型的识别、建立、选择与预测过程。与三个常用季节预测模型：分组回归模型、可变季节指数预测模型和季节周期回归模型相比,季节ARIMA模型的预测精度最高。研究结果对于更为科学准确地预测公路交通量具有一定意义。     

港口公路集散交通量预测的探讨

在总结集疏港交通量发展特征的基础上,提出港口吞吐量与公路集散交通量之间的转换关系,为集疏港公路项目的交通量预测提供参考。     

县乡公路交通量预测方法研究

根据县乡公路的实际情况,提出交通量由自然增长的趋势型交通量,大型企业产生的机械增长交通量和道路行车条件改善引起的诱增交通量三部分组成。结合对白小线改造工程可行性研究中的交通量预测,验证该预测方法的合理性。     

基于马尔柯夫过程的交通量预测

为解决传统交通量预测方法要求数据量较大、参数较多、精度较低的问题，提出了利用马尔柯夫过程来预测公路交通量的方法，建立了相应的预测模型。应用该方法对321国道交通量进行了实际的预测．获得了满意的结果。     

公路交通量预测失准问题与对策

针对当前公路交通量预测严重不准的问题,从标准、方法、影响因素、立项要求等方面分析了其原因,并由此提出了提高公路交通量预测准确性的六项具体措施。     

三峡翻坝运输江南公路交通量预测思路探讨

三峡翻坝运输江南公路是三峡坝区水陆联运的主要公路通道,服务于三峡坝区各种长期、应急或临时性翻坝运输需求,同时也是项目沿线地区内部及对外出行的重要交通线路。因其在区域运输网中的独特地位,其未来服务功能具备典型的多样性特点,交通需求特征迥异于一般公路项目,采用传统的交通量预测方法很难把握其未来交通需求的增长规律和分布特点。在江南公路交通量预测过程中,引入了分类预测法,并创造性地构建了基于出行意向的交通量分担模型、基于土地开发利用的新增交通量预测模型等,在诸多方面都进行了有价值的探索。     

基于交通环境承载力的公路网交通量预测

提出将交通环境承载力相关理论应用到公路网交通量预测中,提出基于交通环境承载力的公路网交通量预测模型。从环境系统污染物的输入输出模型出发,构建基于大气污染承载力的公路网交通量预测数学模型,实现基于大气环境的交通量控制目标,为交通规划部门制定可持续的交通发展规模提供科学决策依据。     

基于预测有效度的组合模型在交通量预测中的应用

在已有交通量预测模型的基础上,建立了基于预测有效度的组合预测模型,应用规划方法求解出各单一预测模型的最优权重系数。通过实测数据的验证表明,该组合预测方法具有比回归分析和神经网络预测模型更高的精度,组合方法为交通量的预测提供了一种可靠而有效的新途径。     

路段重要度法进行公路网交通量分配的进一步探讨

针对总量控制法中路段重要度交通分配法存在的缺陷,将节点的交通发生强度及交通吸引强度应用于路段重要度分配模型,从而更加真实地反映了节点的社会经济、土地使用特性对交通分配的影响,使交通分配的精度提高,进一步完善了总量控制法理论。     

综合立体交通中的公路设计——厦门杏林大桥设计浅谈

该文介绍了厦门杏林大桥工程的总体设计思路。提出:综合立体交通的发展,公路成为联系航空、港口、铁路物流中心的枢纽和纽带;交通资源的紧缺也使得公路与其他交通方式的关系越来越紧密。公路设计应该站在综合立体交通的高度,充分了解各种交通发展的要求,处理好各种交通间的相互关系,促进各种交通方式协调发展。     

短时交通量时间序列智能复合预测方法概述

短时交通量预测是智能运输系统的核心研究内容之一,已成为交通工程领域重点研究课题。对国内外短时交通量时间序列的预测方法尤其是智能复合预测方法进行概述和总结,重点介绍灰色预测模型、模糊预测、遗传算法、神经网络、灰色神经网络、神经网络集成、统计学习理论、混沌预测、小波分解与重构的方法、以及由上述模型互相组合构成的各种智能组合预测模型等,并指出智能复合预测方法是解决短时交通量时间序列预测问题的有效途径和发展趋势。     

区域交通分流路网设计的双层优化模型及算法

针对区域路网交通分流技术中的分流路网优化与选择问题,分析了分流路网与基础路网的关系,确定了分流成本的构成与量化方法,在此基础上提出了以分流成本最小化为上层目标、以用户均衡为下层目标的区域交通分流路网设计的双层优化模型,进而给出了考虑路网拓扑结构完整性和反Braess假定的模型启发式求解方法,并对算法的效率进行了分析.最...     

基于递归框架的高速公路交通流量实时预测方法

实时与准确的断面交通流量预测是实现高速公路智能化管理与控制的基础。高速公路交通流量预测要求对数据噪声进行有效处理,且需要满足实时性需求。然而,少有研究从实时性的角度对高速公路交通流量预测的准确性进行改善。研究了结合自适应卡尔曼滤波与长短时记忆神经网络（long short-term memory,LSTM）自编码器的高速公路交通流量递归预测框架,可以满足智能交通系统的实时性与准确性需求。收集高速公路的交通流量和速度等历史数据,应用卡尔曼滤波方法进行数据平滑,以提高原始数据的可预测性能;引入无监督机器学习算法LSTM自编码器对交通流量的时变特征进行建模,以提高模型的运算效率;考虑到高速公路交通流量预测的实时性需要,进一步提出递归预测框架,用LSTM自编码器的预测值代替卡尔曼滤波值;根据获取的实时数据,执行自适应卡尔曼滤波算法以修正当前的最佳状态值,并将该修正值输入LSTM自编码器进行迭代预测。选取美国明苏尼达双子城高速公路的实测交通数据进行案例分析,结果表明：所提出的高速公路实时交通流量递归预测框架在计算成本与预测精度2个方面具有相对竞争优势,模型预测的平均绝对百分比误差为5.0%,优于卡尔曼滤波和LSTM自编码器组合模型的7.4%;模型训练时间为85 s,低于标准LSTM模型的101 s。