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．     

基于分段外推法的城市汽车保有量预测

汽车保有量的预测是城市交通规划的一项基础性工作,是制定各种交通需求管理措施的重要依据。分析影响城市汽车保有量的因素,将城市划分成不同的交通小区,并建立相应的评价模型对各小区进行综合评价。同时利用某一小区以往汽车保有量资料,建立基于分段外推法的城市汽车保有量预测模型,为城市汽车保有量的近期预测提供有效方法。     

基于熵值法的城市汽车保有量组合预测

分析灰色系统、多元回归、指数平滑、神经网络4种预测方法的特点并利用它们分别对城市汽车保有量进行预测,在此基础上通过熵值法确定各预测模型的加权系数,建立组合预测模型,最后将1995-2007年汽车保有量的各预测值与实际值进行比较,结果表明该组合预测法精度较高,实用性更强。     

基于RBF神经网络因子分析的汽车保有量预测

汽车保有量预测对城市交通的发展方向有直接的参考意义,通过分析影响城市汽车保有量的因素,采用因子分析法提炼出较少的线性无关的主要因素,建立预测城市汽车保有量的RBF神经网络模型.最后通过实例分析,对RBF神经网络因子分析法计算结果和全要素神经网络模拟结果比较,得出RBF神经网络因子分析法在运算效率、运算精度上的优越性.     

熵值组合预测模型在民用汽车保有量预测中的应用

为了提高民用汽车保有量预测的准确度及精度,在科学合理选取民用汽车保有量的预测指标的基础上,选取了三种单项预测方法,建立基于熵值法的组合预测模型,利用2002~2011年天津市民用汽车保有量数据进行模型检验,检验结果表明该模型预测准确、精度较高,适合对民用汽车保有量预测,并对2013~2016年天津市民用汽车保有量进行预测,为制定城市道路规划、交通规划提供可靠的数据依据。     

基于PCA和HMM的汽车保有量预测方法

分析了常用的汽车保有量预测方法,提出了一种新的基于主成分分析和隐马尔可夫模型的汽车保有量预测方法.选取国民总收入、人均GDP、人口总数量、城市化率、固定资产投资总额、进出口总额、城镇居民人均可支配收入、钢材产量、公路货运量、公路客运量、社会消费品零售总额11个指标作为汽车保有量的主要影响因素,运用主成分分析提取了主要影响因素的主成分.以提取的主成分与汽车保有量分别作为自变量、因变量,建立了回归分析模型.以汽车保有量回归预测值的年增长率为隐状态,以回归预测值与实际值的相对误差为可见信号,建立了隐马尔科夫模型,并对的汽车保有量回归预测值进行修正.分析结果表明:基于1994～2008年的中国汽车保有量及其主要影响因素的历史数据,应用提出的方法得到2009、2010年的汽车保有量修正值分别为6.220 96×107、7.825 12×107 veh;与2009、2010年实际汽车保有量比较,相对误差分别为-0.95％、0.30％.可见,基于主成分分析和隐马尔科夫模型的汽车保有量预测方法具有良好的预测精度,能够适用于短期预测.     

基于猎人猎物优化与双向长短时记忆组合模型的汽车出车率预测

汽车出车率预测对于交通管理者预先制定精准化管控方案、实施协调化统筹调度，以及调控汽车保有量规模具有重要意义。为此，本文提出一种基于猎人猎物优化算法与双向长短时记忆神经网络组合模型(HPO-BiLSTM)的汽车出车率预测方法。首先，分析汽车出车率的关键影响因素，提取出17个特征影响因子，结合标准化处理后的重构时间序列，基于随机森林算法进行变量的重要度评估，筛选出最优特征集合作为预测模型输入；其次，为解决神经网络算法容易陷入局部极值的难题，建立一种融合猎人猎物优化算法(HPO)与双向长短时记忆神经网络(BiLSTM)的组合预测模型，利用HPO的探索-开发机制，实现BiLSTM框架的动态化搭建与精细化调参；最后，结合北京市中心城区的汽车出车率数据集进行模型性能的测试与检验。结果表明：与自回归差分移动平均模型、灰色模型、卷积神经网络模型、长短时记忆神经网络模型以及双向长短时记忆神经网络模型等经典算法相比，HPO-BiLSTM模型在汽车出车率预测中的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了23.85%～54.38%、20.67%～57.40%、27...     

基于主成分和BP神经网络的汽车保有量预测

针对汽车保有量预测建模中输入因子过多而导致神经网络规模过大、泛化能力差的问题,通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。对此,以我国汽车保有量预测为例进行的仿真计算表明,结果令人满意,这也同时证明了该方法用于汽车保有量预测的可行性与有效性。     

基于主成分和BP神经网络的汽车保有量预测

针对汽车保有量预测建模中输入因子过多而导致神经网络规模过大、泛化能力差的问题,通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。对此,以我国汽车保有量预测为例进行的仿真计算表明,结果令人满意,这也同时证明了该方法用于汽车保有量预测的可行性与有效性。     

鼓励公交出行的综合管理对策

随着经济水平的提升,购买小汽车逐渐成为居民消费的迫切需求,各级城市的机动车拥有量呈现持续快速增长趋势。至2010年底,上海市注册机动车248．7万辆,其中汽车保有量170．7万辆（含私人汽车保有量101万辆）。然而,机动车增长速度过快,不仅加剧城市交通系     

基于改进Compertz-PCA的汽车保有量联合预测

立足汽车行业,整理我国2005—2019年有关汽车保有量的相关面板数据,使用PCA方法分析,确定营运公交数、轨道交通公里数、公路里程数、城市化率、汽车报废量、社会消费品零售总额、汽车销售量、人均GDP、国民生产总值9项因素为汽车保有量影响因素.利用PC A分析后得出的7项主要影响因素构建汽车保有量综合影响指标M,借鉴国际上通用的饱和指标,结合Compertz曲线模型对我国未来20年汽车保有量的发展趋势进行预测,结合实际情况测算出我国汽车保有量.该模型由于引入综合影响指标M,所以在预测过程中考虑到更多的参数影响,提高预测精度.结果显示:我国汽车保有量已经在沿着Compertz曲线的轨迹发展,但并没有达到饱和点,即将处于成熟期,2031年汽车保有量将达到3.5亿辆.     

改进的BP神经网络预测模型及其应用

针对传统BP神经网络算法在对预测问题中存在的网络具有易陷入局部极小、收敛速度慢的缺陷,引入附加动量法和自适应学习速率法改进BP神经网络预测模型．将改进后的预测方法应用于企业的市场需求预测问题,以某汽车制造企业过去12个月汽车销售量的实际数据为样本,分别采用基于时间序列和基于因素分析两种预测模型,对所提出的改进预测方法进行实证分析．结果表明：所提出的算法对销售量的预测精度较高,误差均小于8．8％,运算时间也有所降低,预测结果表明文中所提出的算法在处理网络易陷入局部极小、收敛速度慢的预测问题方面的有效性．     

交通资讯

国内瞭望Domestic Briefs中国机动车保有量达2.17亿辆私人汽车突破7 200万辆截至2011年6月底,全国机动车总保有量达2.17亿辆。其中,汽车9 846万辆,摩托车1.02亿辆。私人汽车保有量达7 206万辆,占汽车保有量的73.2%,比2010年底上升1.21个百分点。上半     

城市私人小汽车保有量预测

城市私人小汽车保有量的迅速增长,在带动城市经济发展的同时也带来了非常严重的交通问题,为了缓解小汽车的交通压力,必须合理规划私人小汽车保有量.本文首先对现有私人小汽车保有量预测模型进行比较分析,然后结合我国小汽车的发展阶段,考虑交通供求关系及其表现形式,基于用户效用最优、随机均衡原理开发了一个双层规划预测模型,最后将其应用于一简单网络,说明此模型的可行性.     

基于XGBoost的短时交通流预测研究

针对短时交通流预测模型复杂度与预测精度的矛盾,提出基于集成学习的XGBoost(eXtreme gradient boosting)模型预测交通流,充分利用其对高维特征数据预测精度高以及计算速度快的优势。首先对原始数据的异常值进行中值滤波处理;然后基于XGBoost模型建立预测模型,利用交叉验证的方法确定最优的超参数取值,对测试集进行预测得到各个特征的重要度;最终将模型预测结果与其他短时交通流预测方法的预测结果进行比较。结果表明：中值滤波降噪处理和充分利用相邻断面的交通流数据均对模型预测精度有显著提升,XGBoost模型的预测精度高达96.6%,相比其他短时交通流预测模型更能充分利用交通流的时间特性和空间相关性。     

中国机动车保有量达2．17亿辆私人汽车突破7200万辆

截至2011年6月底,全国机动车总保有量达2．17亿辆。其中,汽车9846万辆,摩托车1．02亿辆。私人汽车保有量达7206万辆,占汽车保有量的73．2％,比2010年底上升1.21个百分点。上半年,全国新增机动车1005万辆,其中,汽车保有量增加760万辆,高于2010年上半年688万辆的增量。北京、深圳、上海、成都、天津等11个城市汽车保有量超过100万辆,其中,北京达到464万辆。     

用改进的灰色模型预测2000年我国汽车保有量

本文针对灰色预测模型的缺陷，对灰色模型的建模过程及检验方法进行了改进，用线性回归来建立ＧＭ（１，１）模型，用统计方法进行模型的显著性检验；并且运用该种方法对２０００年我国汽车的保有量进行了预测。     

城市私人小汽车保有量预测

城市私人小汽车保有量的迅速增长，在带动城市经济发展的同时也带来了非常严重的交通问题，为了缓解小汽车的交通压力，必须合理规划私人小汽车保有量．本文首先对现有私人小汽车保有量预测模型进行比较分析，然后结合我国小汽车的发展阶段，考虑交通供求关系及其表现形式，基于用户效用最优、随机均衡原理开发了一个双层规划预测模型，最后将其应用于一简单网络，说明此模型的可行性．     

基于神经网络的城市停车需求预测模型

在对城市停车需求分析基础上,提出利用总停车需求、公共停车需求、私人停车需求作为城市停车需求的判别指标。基于BP神经网络对多输入与多输出的数据具有较良好的拟合能力的特点,建立基于BP神经网络的城市停车需求预测模型。以佛山市某停车场为例,分析BP神经网络在停车需求中的适应性,仿真结果表明:BP神经网络预测模型对每组数据的预测相对误差最大为18.80%,最小相对误差为6.21%,符合预测精度要求,具有一定的实际操作性。     

基于Box-Cox-TQR概率密度的铁路运用车保有量预测方法

合理的铁路运用车保有量，对满足铁路货运需求，提高货车运用效率，降低运营成本等有重要作用.考虑铁路运输系统复杂的内外部环境及其动态变化特性，对影响运用车保有量因素定性分析；提出了粗糙集属性约简、灰色关联分析、逐步回归方法相结合的主要影响因素识别方法.以此为基础，建立了基于 Box-Cox变换分位数回归(Box-Cox-TQR)和核密度估计相结合的概率密度预测模型.以国家铁路局运用车保有量实际数据为基础，进行预测试验.结果表明，利用主要因素识别的方法符合目标值的运动变化规律，预测结果具有良好的精度.此外，概率密度预测比点预测、区间预测传递出更多信息，为管理决策提供更多准确有用信息.