基于VAR的高速公路与经济发展关系动态效应分析

利用1988～2005年高速公路与经济发展状况的年度数据,构建反应我国高速公路与经济发展动态关系的VAR(向量自回归)模型。在模型的基础上,运用脉冲响应函数和方差分解分析了高速公路与经济发展之间的动态效应。结果表明,两者之间存在协整关系以及Granger因果关系。进一步得出以下结论:高速公路的变动趋势比国民经济更加敏感,且高速公路受国民经济的影响大于对国民经济的影响,我国高速公路建设应当适度超前并与国民经济均衡发展。     

基于VAR模型的南京市交通量与经济发展关系研究

在对南京市交通量与经济发展指标统计分析的基础上,运用向量自回归模型——VAR模型进行分析,通过采用协整检验模型、Granger因果关系检验模型和脉冲响应函数等分析,得到交通运输与经济发展之间的关系,并给出相应的建议.     

浙江省固定资产投资与经济增长关系的实证分析

基于1985-2004年数据,运用协整理论分析了浙江省固定资产投资增长率与GDP增长率的均衡关系,并建立了它们之间的误差修正模型（ECM）和向量自回归（VAR）模型。GRANGER因果检验得出的结论表明,浙江固定资产投资的变动显著地引起了GDP的变动,而GDP的波动对投资的作用相对要小。     

基于VAR的道路线形三维特征对运行速度的影响分析

为提高道路运行速度预测模型的准确性,提出将传统时序分析的向量自回归(Vector Autoregression,VAR)模型用于公路逐桩线形单元序列分析的方法.对道路线形的二维设计指标进行三维转换,得到完整且唯一确定公路曲线形状、走向及弯扭曲方向的三维线形指标参数,即线形的三维曲率、挠率、切向量、法向量等;对公路逐桩步...     

基于VAR模型的交通安全与经济损失关系研究

为了进一步理清交通安全与经济损失的关系,从经济视角选取1990—2016年交通事故发生数、伤亡人数、直接财产损失三个指标构建时间序列数据,采用向量自回归(VAR)模型、Granger因果关系检验、脉冲函数分析等方法对数据进行分析.通过检测三项指标之间的动态变化,定量研究了交通事故对人身安全及直接财产损失的影响.结果表明...     

二氧化碳减排与经济增长--基于中国数据的实证分析

采用我国1978-2010年时间序列数据,运用基于向量自回归模型的JJ协整检验和向量误差修正模型方法,对二氧化碳排放量与经济增长关系进行了实证分析.结果表明,我国经济增长与二氧化碳排放量之间在长期呈显著的正相关关系,经济增长是引起我国二氧化碳排放量增长的原因.由此可以推断,随着经济发展水平的不断提高,我国将会面临越来越严重的减排压力.因此,采取必要措施来减少二氧化碳排放量意义重大.     

����ʵ�����ݵĿ���·��ͨ������ģ��

已有的交通流参数模型无论是基本图还是三相交通流理论都是基于高速公路交通流数据进行研究,由于高速公路和城市快速路具有不可忽视的差异,以高速公路交通流数据为基础建立的交通流参数模型难以符合城市快速路交通流运行的实际情况.本文根据实测的城市快速路交通流数据,采用线性回归分析建立城市快速路速度—占有率模型、交通流率—占有率模型和速度—交通流率模型,应用最小二乘法估计模型参数,并以F和T检验对回归模型及回归系数的显著性进行检验.最后,在建立交通流参数模型、明确交通流参数之间关系的基础上,对城市快速路交通流状态进行了划分.本文建立的交通流参数模型,对交通流短时预测和交通流状态判别具有应用价值.     

时空因素影响下在线短时交通量预测

考虑交通流的时空因素进行短时交通流预测,能够提高预测的精度.为此,引入径向基核函数,将复杂的预测问题转化为高维空间的回归问题;然后,基于支持向量回归机并考虑时空因素影响作用建立在线的短时交通量预测模型,通过网格搜索的方法对模型参数进行优化;最后,构造时间-空间状态向量,通过不同的状态向量对时间和空间维度的影响进行了分析.利用高速公路检测器数据,对比不同模型的精度,对在线短时交通量预测模型的有效性和可行性进行了验证.结果表明：在线模型精度优于传统的支持向量回归模型,考虑时空因素影响后交通量预测模型具有更高的精度和稳定性.     

中国城市化与生态足迹的动态计量分析

首先对我国1978--2007年间的生态足迹进行了测算,然后对城市化与生态足迹进行单位根检验及协整检验,最后建立向量自回归模型,利用广义脉冲响应函数法对其关系进行了实证分析。研究结果表明,我国的快速城市化导致生态足迹的增加,即生态环境的恶化。     

中国现代交通运输业效率波动性和影响因素研究 ——基于交叉效率DEA 和VAR 模型的分析

选取1978–2012 年的数据,应用交叉效率数据包络分析法(Cross-efficiency DEA)和向量自回归模型(Vector Autoregression, VAR)对中国现代交通运输业的效率波动 情况及其影响因素进行分析.研究结果表明,交通运输业的投入和产出要素之间,均存在 单向格兰杰(Granger)因果关系;交通运输业的效率波动可以划分为效率上升、高效运行 和效率下降三个阶段,总体上呈现出“先升后降”的趋势;交通运输业对人均消费、政府支 出、能源消耗和固定资产投资的冲击均表现出正向为主的响应,对劳动的冲击表现出负 向响应,而对信息的冲击则表出响应“滞后”     

高速公路上匝道合流区通行能力经验模型

研究了合流区外测车道不同位置车头时距、交通量的变化规律，分析了高速公路上匝道合流区的通行能力，运用回归技术和统计方法，建立了主路外侧车道交通量的实测经验模型，总结出车头时距的实测经验分布为变阶数的Erlang分布。运用间隙接受理论分析了匝道车辆在高速公路合流区汇入主路的运行状态，最终建立高速公路上匝道合流区的通行能力模型，它是主路交通量、匝道交通量、匝道车辆临界间隙、随车时距及加速车道长度的函数。结果表明计算值与理论值基本吻合，该模型是可行的。     

高速公路交通事故严重程度影响因素分析

在高速公路通车里程、交通流量不断增长的背景下,我国高速公路交通安全压力持续增大,形势严峻,高速公路交通安全已日益成为全社会关注和探究的关键性问题。以我国某地区2006~2013年2000起高速公路事故数据为基础,采用支持向量机理论建立高速公路交通事故严重程度分类识别模型,多角度、多层次的研究高速公路交通事故与驾驶员、车辆、道路、环境等因素间的关系。     

高速公路路基压实度动态测试技术研究

高速公路路基压实度检测的常规方法是环刀法和灌砂法,但是这两种测试方法已经不能满足当前高速公路的建设速度,其耗时长,劳动强度法,甚至还会对高速公路造成不同程度的破坏。因此,动态测试技术得到了公路施工企业的欢迎。最为常用的就是瑞雷波法,可建立瑞雷波速和图密度之间的关系模型,运用四种曲线模型进行回归分析。结合具体的工程实例对高速公路路基压实度动态测试技术进行深入分析。     

交通运输、经济增长和碳排放的动态关系研究——基于1949～2012年数据的实证分析

本文采用1949~2012年的数据,应用向量自回归模型(VAR)对中国交通运输、经济增长和碳排放三者间相互影响的动态关系进行探讨.研究表明,经济增长和交通运输对碳排放的贡献存在"拐点效应",即二者在短期内对碳排放的贡献表现出上升趋势明显的现象,然而从长远角度看,这一影响逐渐减弱;碳排放对经济增长的短期刺激效应较为突出,而长期方向上则表现为递减的现象,同时,在样本区间内,经济增长对交通运输业冲击的响应较为微弱,缺乏敏感性;经济增长和碳排放均对交通运输业的发展产生了不同程度的正向刺激作用.     

基于Gaussian-支持向量回归机的高速公路短时交通量预测

针对高速公路短时交通量的实时性、波动性和非线性的特点,将支持向量回归机(SVR)应用于高速公路短时交通量预测,并采用Gaussian损失函数来代替ε-不敏感损失函数,对原始序列进行降噪处理,为了更好的优选SVR模型参数,采用遗传算法(GA)进行参数优选,建立了基于GA优化的GA-Gaussian-SVR高速公路短时交通量预测模型,将本路段前几个时段交通量、天气因素和出行日期作为影响因素输入,结合实例进行了仿真预测.结果表明该方法可有效应用于高速公路短时交通量预测.     

人工神经网络在运行车速预测中的应用

基于太旧高速公路运行车速实测数据,利用Matlab人工神经网络建立运行车速与平面线形要素之间的神经网络关系模型,以期用于对新建公路的线形设计和已有公路的运行车速评估.在太旧高速公路应用发现预测精度较高,有实际利用价值.     

限制速度对交通运行速度影响模型研究

以高速公路、一级公路和二级公路作为研究对象进行调查分析,得出在限速情况下车辆运行速度的分布图;通过分析限速值与运行速度之间的变化关系,利用SPSS建立能够反映限速与运行速度线性互动关系的模型,可为相关研究提供一些思路和参考。     

人工神经网络在运行车速预测中的应用

基于太旧高速公路运行车速实测数据,利用Matlab人工神经网络建立运行车速与平面线形要素之间的神经网络关系模型,以期用于对新建公路的线形设计和已有公路的运行车速评估.在太旧高速公路应用发现预测精度较高,有实际利用价值.     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化。     

基于支持向量回归的图像复原方法研究

针对退化图像复原问题,提出了一种基于支持向量回归的退化图像复原方法.该方法利用支持向量机回归算法非线性映射能力,通过训练样本对的学习训练,在退化图像与原始清晰图像之间建立映射关系,然后对测试样本进行复原.实际图像复原实验表明,得到的复原图像在视觉上和定量分析上都获得了比较好的效果.与神经网络方法相比,支持向量机回归算法克服了神经网络的模型选择与过学习问题、局部极小问题等.