运输通道客运需求方式结构组合预测方法研究

在阐述客运需求结构的定义及其影响因素的基础上,探讨客运需求方式结构的形成机理。基于此形成机理,提出旅客出行选择运输方式的层次结构过程,并依此构建间接预测模型。将间接预测模型与MNL模型（直接预测模型）进行组合预测,通过对2种模型预测结果进行差异化的权重赋予,从而形成最终预测结果。以沪宁运输通道为实例对该组合预测方法进行试验,并对预测结果与现状数据进行比较,结果表明该组合预测方法具有较好的可行性。     

隧道围岩反分析与施工数值模拟

结合殷家岩隧道施工,对隧道围岩进行了位移反分析,得到了围岩松动区的弹性模量;应用反分析结果进行数值模拟,预测后续施工步的位移和应力;同时,将预测结果与现场观测进行比较,检验反分析结果。结果表明,利用反分析得到的围岩参数预测后续施工步的位移与现场观测结果比较吻合。     

国土系数法在公路网总里程预测中的应用

国土系数法是预测现代化时期公路网的规模指标的一种方法,但在应用中尚有许多不足和缺陷,从准现代化时期到现代化时期的预测结果不甚合理,预测结果需要结合其他方法进行调整。正确地应用国土系数法、合理地预测结果可给后续工作提供正确可靠的决策依据。最后给出了一个实例对其应用进行了说明。     

基于新维改进灰色马尔科夫预测模型的现役桥梁荷载预测

根据公路桥梁荷载的特点,采用新维改进灰色马尔科夫模型进行公路桥梁荷载预测.通过实例预测结果和实测结果比较可知,应用该预测模型对桥梁荷载进行预测,其预测精度、准确度较高,本荷载预测模型可以直接应用于桥梁结构设计和耐久性研究.     

IHSDM在山区高桥隧比高速公路事故预测中的适用性研究

基于美国交互式道路安全设计软件IHSDM事故预测模块,对我国山区高桥隧比高速公路进行事故预测研究,统计事故发生水平及分布规律,探究其在中国山区桥隧比高速公路事故预测的适用性。以典型的山区高桥隧比高速公路渝湘高速为例,进行IHSDM建模及事故预测分析,得到基于IHSDM的事故分布规律结果。引入皮尔森相关系数分析预测事故数与年平均日交通量AADT、路段长度的相关性,并选择合适的阈值衡量变量关系的强弱。同时对2014年至2016年的实际事故进行相同内容研究,与IHSDM预测结果进行对比分析。研究结果表明,IHSDM预测事故结果与交通流量、路段长度的相关性与实际结果差异较大,模型在我国高桥隧比高速公路事故预测的适用性有待进一步修正研究。     

公路常用沉降预测拟合函数与检验

本文分别应用指数法和新野法预测公路路基沉降,并将预测结果与实测结果进行比较,得出两种方法在进行较长期的公路路基沉降中需要的有关数据及预测结果的适用范围,得出在前期观测结果较丰富的路段应使用新野法,否则应使用指数法的结论。     

采用灰色-马尔可夫耦合模型预测古树屋边坡变形

基于预测拟合值和实际监测值的相对误差划分不同的预测状态,利用马尔可夫链对灰色GM(1,1)预测值进行修正,计算得到边坡变形的范围和相应的预测值。以古树屋开挖边坡为研究对象,利用耦合模型对其变形进行预测,得到边坡的变形预测值为57.006 0 mm,预测的变形范围大小在56.845 8～61.755 4 mm之间。实例分析结果表明:与线性回归模型以及单纯灰色模型预测结果比较,采用灰色-马尔可夫耦合模型对开挖边坡变形进行预测的结果精度较好,且能较准确地预测边坡变形大小的范围。     

基于遗传神经网络的路面使用性能评价预测

基于遗传神经网络算法,在进行高速公路路面使用性能评价与预测时,引入遗传神经网络,建立高速公路路面使用性能评价与预测模型,通过该模型,评价和预测了吉林某高速公路路面使用性能。结果表明:与BP网络预测PCI的结果相比,遗传神经网络预测PCI的结果与高速路面PCI实际值误差缩小更明显,这表明遗传神经网络模型预测精度得到很大程度提高。测试结果说明,本研究提出的遗传神经网络预测方法是可行的,它可以作为高速路面一种有效预测手段,提供科学方法进行公路路面使用性能的评价与预测。     

基于灰色理论的公交候车排队客流预测

通过对公交站点的候车排队客流调查分析,研究了站点排队客流的特征,针对候车排队客流周期波动的特征,采用灰色理论的研究方法对于候车排队客流进行预测,并在此基础上应用最小二乘法的非线性拟合的方式对于残差进行预测,最后将灰色理论预测结果与残差预测结果进行整合.通过实例,验证了改进后的灰色理论在公交候车排队客流预测方面的有效性和可行性,并且取得了比较好的预测结果.     

GM（1，1）模型预测变形局限性研究

将灰色系统理论GM（1,1）模型应用于路基工程进行变形预测,结合一工程实例阐述了该理论应用条件、建模方法,精度处理方法等,从预测结果和实测结果进行对比分析,指出了应用该理论对预测路基变形的局限性,对于开展路基变形的中长期预测,应慎用GM（1,1）模型。     

人工神经网络技术在昔格达地层公路边坡稳定预测工程中的应用

通过人工神经网络预测技术对西昌至攀枝花高速公路新开挖昔格达地层高边坡进行稳定性预测,利用已有5个月的观测数据,应用误差反向传播（BP）理论建立预测模型,通过计算,得到每个边坡观测断面的预测结果。预测结果与目前边坡实际变形基本吻合,证明人工神经网络预测技术在昔格达地层公路边坡变形预测中是发挥一定作用的。     

基于灰色理论的高速公路软基沉降监测数据插补研究

研究了多变量灰色模型——MGM(1,n)模型对软基沉降监测数据进行插补,插补结果基本满足要求。并用常用的灰色模型修正方法对MGM(1,n)模型进行修正,修正结果较未修正前均有了不同程度的改进,数据的拟合和短期预测精度较好,但长期预测结果有待提高。同时采用了相邻监测序列的已知数据对缺失值的预测结果进行进一步修正,这样得到的预测精度有了很大提高,能满足沉降缺失值序列数据插补的要求。     

渝湛高速公路路面使用性能预测及预防性养护时机研究

以渝湛(重庆—湛江)高速公路近5年路面性能指标监测数据为基础,采用灰色预测法、灰色马尔可夫预测法进行路面性能指标预测,依据预测结果建立PCI指标衰变方程,基于综合效益、等额年度费用、效益指数、服务寿命变化4个指标分析其最佳预防性养护时机。结果表明,灰色马可夫预测法的预测结果比灰色预测法更接近实测结果;该高速公路在第4年进行微表处处治可获得最佳收益;预测模型及可靠的实测数据决定路面性能指标的发展趋势,也决定预防性养护时机的确定。     

基于时间序列法的2014年乘用车月销量预测

对我国乘用车整体及其细分车型月度销量进行合理预测,对于企业合理安排生产,优化市场规划有着重要的意义。文章以2005年1月-2013年10月共计106个月的历史数据为依据,运用时间序列方法和StatTools工具对我国2014年度乘用车及细分车型月度销量进行了预测。预测结果准确度高,具有较高的参考价值。采用时间序列法进行预测,仅以客观数据为依据,结果更加准确合理,为整车企业安排生产提供了参考。     

基于新陈代谢-GM(1,N)马尔科夫的轨道交通客运量预测方法

为提高城市轨道交通规划建设的合理性以及相关政策制定的科学性,分析影响城市轨道交通客运量的相关因素,将GM(1,N)预测模型、马尔科夫理论与新陈代谢3种方法的思想相融合,提出一种组合预测模型。首先采用GM(1,N)进行预测,并对预测结果进行残差修正。在此基础上,利用马尔科夫理论构建状态转移概率矩阵,二次修正预测结果,之后融入新陈代谢思想,根据时间序列删除已陈旧的或价值不大的信息,加入已得到的预测结果作为新的预测数据源,对下一时刻进行预测,从而提高模型预测的精度。根据2008-2013年上海市城市轨道交通客运量数据,运用该模型对2015年、2016年上海市城市轨道交通客运量进行预测分析,并与实际结果进行对比。研究结果表明:应用灰色模型,2015年、2016年预测结果分别为335 501. 91万人、382 682. 82万人,相对误差分别为9. 36%,12. 55%。应用提出的方法,预测结果分别为314 724. 28万人、349 397. 59万人,相对误差分别为2. 58%,2. 76%。为了进一步验证模型的准确性,引用北京市轨道交通客运量相关数据进行验证,其结果相对误差分别为2. 87%,3. 27%。可见,轨道交通客运量预测问题属于灰色系统研究范畴,并且所提出的新陈代谢-GM (1,N)马尔科夫模型预测精度较高,满足实际需求,是一种有效的城市轨道交通客运量预测方法,同时使得对客运量预测的研究趋于完整,丰富了该类问题的研究成果。     

基于灰色马尔可夫链的桥梁荷载随机过程交通量预测

为了克服灰色预测方法的不足,在灰色模型预测方法的基础上,提出灰色马尔可夫链桥梁荷载随机过程交通量预测模型,该模型的灰色预测曲线能反映交通量历史发展趋势,马尔可夫预测可反映随机波动性对交通量预测的影响,从兼顾了趋势值和波动性两方面因素对预测结果的作用,能克服单一预测模型在交通量预测中的局限性,并可结合交通量实际情况,能实现准确、综合预测交通量的目的。在现有交通量统计资料的基础上,对该模型进行了精度检验,并预测出了2007年的交通量。实例计算分析表明,模型精度良好,预测结果与实际状态基本相符,利用灰色马尔可夫理论进行交通量预测是一种行之有效的方法。     

小波模糊神经网络在高速公路沥青路面性能预测中的应用

针对高速公路沥青路面养护管理的需求,将小波变换理论与模糊神经网络结合起来,建立用于高速公路沥青路面性能预测的小波模糊神经网络。对路面性能的原始数据列进行小波分析后,再通过样本学习训练,获取预测的数据列,最后通过重构获得路面性能的预测数据列。将小波模糊网络与一般神经网络的预测结果相比较,结果表明：采用小波模糊神经网络对高速公路沥青路面性能预测可降低人为因素影响,保证预测结果尽可能客观,提高预测效率。     

路面摩擦特性预测研究

本次研究基于路面抗滑特性的预测问题,运用道路摩擦系数测试仪在公路上进行路面摩擦系数测试试验,并对试验结果进行分析,提出了路面摩擦系数的影响因素。应用广义回归神经网络分析方法,以影响因素为分类标准,确定了摩擦系数预测模型的分类,建立了基于广义回归神经网络的路面摩擦系数预测模型,并通过60组试验数据对网络模型进行了训练,利用6组实验数据进行预测结果对比。结果表明,模型预测值与实测值的平均误差为3.0%左右,模型预测结果与实测结果吻合,所构建模型是正确的,且具有较高的精度;此外还通过实车进行了汽车制动试验,并根据试验结果与模型预测结果对比,为交通事故分析中计算事故车速提供依据。     

灰色理论在交通量预测中的应用

阐述了灰色理论,建立灰色预测模型,并用该模型进行交通量预测。预测结果显示：较惯常的预测理论,灰色预测模型处理较少的模糊数据具有明显的优势,预测结果具有更好的精度等级。     

组合短路段的长路段旅行时间短时预测

旅行时间预测是城市智能交通系统的必要组成部分。利用时间序列ARIMA模型预测短路段的旅行时间,然后组合短路段的预测结果得到长路段的旅行时间预测结果,最后与直接利用ARIMA模型预测长路段的旅行时间方法进行了对比。研究表明,组合短路段的长路段旅行时间预测方法具有更高的精度和更优的预测效果,在旅行时间短时预测方面具有较好的实用性。