灰色关联弹性模型在公路客运量预测中的运用

根据公路客运量预测受到多因素影响以及非线性的特点[1],选取了影响公路客运量的主要因素,并计算出关联因素对公路客运量的关联度,进一步提出了灰色关联弹性模型预测公路客运量的方法。该方法提出灰色综合弹性系数的概念,基于灰色关联弹性模型的原理,根据若干年已知数据计算得出的灰色综合弹性系数并预测出后面紧邻若干年份的客运量。将该模型运用到对我国公路客运量的预测,发现预测精度同传统弹性系数法相比有了一定提高,验证了该模型具有一定的实用性和参考价值。     

灰色预测模型在公路客运量预测中的应用

运用灰色预测系统理论,对国内公路客运量建立了基于灰色预测理论的GM (1, 1) 模型, 并运用GM (1, 1) 模型对2007～2015年国内公路客运量进行了预测.预测结果表明,该方法具有较高的预测精度.     

公路客运短期运量预测研究

科学有效地预测公路客运量对于公路客运的管理和决策具有重要意义。本文结合实际应用,基于客运量中短期变化规律的分析,对公路客运量短期预测方法进行研究,给出了预测系统的总体结构和预测算法,以协助运力配置、运力调拨,进而实现运力运量的平衡。     

公路客运量预测的神经网络组合模型

针对公路客运量预测的问题,基于常用预测方法的研究,提出BP神经网络组合预测模型.结合河南省客运量运输情况,对组合预测模型进行了验证.实验结果表明,该方法对公路客运量的预测很有效.     

GM(1,3)模型在交通系统公路客运量预测中的应用

交通系统公路客运量预测不仅具有模糊性和动态性等特点,而且受多个因素影响。许多交通研究人员只根据客运量一个因素,用GM(1,1)模型预测。文章运用GM(1,N)系统综合预测模型,考虑系统中多个相关因素,并结合GM(1,1)模型,以原始离散的公路客运量、人口和国内生产总值GDP三组数据数列为基础,建立GM(1,3)模型来预测公路客运量。在详细论述了系统综合预测模型GM(1,3)的建立过程后,用后验差检验法对预测结果进行了检验,预测精度较好,表明此模型对公路客运量预测有一定应用价值。     

一种顾及多因素影响的公路客运量预测模型

提出采用双线性模型预测公路客运量。预测模型包含时序自回归项、线性回归项和双线性项三部分。为了研究模型参数的时变特性,将公路客运量预测分为模型参数的预测和在此基础上的客运量预测,采用多层递阶方法计算模型的时变参数,然后进一步分析拟合参数的变化曲线,计算后续时段的参数预测值,并以此进行公路客运量预测。实例分析表明,双线性动态预测模型能很好地反映公路客运量的发展特性,具有较高的预测精度和实用价值。     

公路客运量预测方法的应用

本文主要介绍如何利用季节指数修正指数平滑预测值对公路客运量进行预测，并以长春市公路客运公司客运量预测值为例予以说明。     

基于灰色关联度的公路客运量预测研究

公路客运量预测是综合交通规划、公路专项规划、站场枢纽布局的前提和基础,科学、准确地预测公路客运量具有重要意义。目前常用的预测方法有增长率法、弹性系数法、回归预测法等,均为单因素预测方法。文中引进灰色系统理论,通过定量分析影响公路客运量因素的关联度,合理分配权重,构建组合预测模型,并通过实例加以说明和验证。     

基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.     

基于灰色Verhulst-马尔可夫链组合预测方法的公路客运量预测研究

将灰色系统理论和马尔可夫链理论相结合,提出了灰色Verhulst-马尔可夫链组合预测方法来预测具有饱和状态发展趋势的观点;结合广东省公路客运量发展趋势来对该组合预测方法进行具体应用.计算分析证明,该模型较灰色Verhulst模型、灰色GM(1,1)-马尔可夫模型具有预测精度高、适应弹性大、实用性强等特点,可对公路客运量的发展趋势进行宏观把握,对宏观决策具有指导意义.     

加权盲数回归法在公路客运量预测中的应用

为克服传统客运量回归预算法中测忽视历史数据对未来预测的影响,以及无法处理影响客运量预测不确定因素的问题,提出了采用加权盲数回归方法进行公路客运量预测.该方法以不同权重区分历史数据的差别,采用加权最小二乘法确定回归系数;同时用盲数的形式来表达预测模型的相关变量,来获得客运量可能出现的多个区间,即各个区间可能出现的可信度情况.算例表明,该方法的预测结果比较合理、可靠,预测可信度高.     

基于最小二乘支持向量机的城市客运量预测模型

针对城市公路客运量预测中存在的非线性、复杂性和不确定性,提出了一种基于最小二乘支持向量机的城市客运量预测模型.结合西安市历年城市客运量数据,编程实现该预测模型,仿真结果表明了该预测模型的有效性.     

客车市场的开拓与竞争

一、我国客车的现状随着国民经济的发展、人民生活的改善和旅游事业的蓬勃兴起,公路客运量急剧增加。全国交通系统营运公路客车的客运量,1985年达41.6亿人次,比1980年增长87.4％,平均年递增13.38％;1985年客运周转量达1543亿人公里,比1980年增长111.7％,平均年递增16.18％。据有关方面预测,“七五”期间全国公路客运平均每年仍将递增12％左右,加以公路客车运输具有覆盖面广、灵活方便、可以直达等优点,因而对客车的需求量在迅速增长。     

运输通道公路旅客中长距离OD模型构造及分段客运量预测

针对运输通道公路旅客中长距离出行特征及调查点OD不一致问题,通过对各运输线路(高速公路、国道等)影响区域交通小区划分及变化的分析,提出利用既有的不同线路上各个调查点的OD调查结果,采用合并、拆分的方法构造通道OD的基本原理及旅客中长距离出行OD模型约束条件和修正方法,进而利用构造的OD模型预测未来年OD分布,推算通道内公路旅客中长距离出行的分段客运量,并结合京郑运输通道的公路分段客运量预测阐述了该方法的具体应用。     

2000年公路货运量103亿t 客运量134．7亿人

随着我国公路建设的加速和公路条件的改善，公路运输的优势日益突出，已成为重要的运输方式。按全社会完成总量计，2000年公路货运量占总货运量的76.5%，是铁路运输的6倍；公路货物周转量占总量的13.8%；公路客运量占总客运量的91.1%，是铁路客运量的12.8倍；公路旅客周转量占总量的54.3%。     

1999年公路货运量99．0亿t 客运量126．9亿人

随着我国公路建设的加快和公路条件的改善，公路运输的优势日益突出．已成为重要的运输方式。按全社会完成总量计，1999年公路货运量占总货运量的76．8％，是铁路运输的6倍：公路货物周转量占总量的14．2％；公路客运量占总客运量的91．1％，是铁路客运量的12．9倍；公路旅客周转量占总量的55．3％。     

公路客运量预测方法研究

应用灰色系统ＧＭ（１．１）模型及残差修正ＧＭ（１．１）模型预测公路客运量的方法避开了许多复杂的相互关系，它将离散变量连续化，用微分方程来代替差分方程，用生成数序列代替原始时间序列，化原始数据的随机性，建立生成数的数学模型。本文以长春市客运量预测为例介绍此种方法的应用。     

从道路客运在综合运输体系中的地位看营运客车的发展

道路客运在我国综合运输体系中的主导地位2010年,全国旅客运输总量328亿人,同比增长10.2%。其中:铁路客运量16.8亿人,同比增长9.9%;公路客运量306.3亿人,同比增长10.2%;水运客运量2.2亿人,同比下降0.7%;民航客运量2.7亿人,同比增长15.8%。公路客运量占全国旅客运输总量的93.38%,铁路     

赤峰市旅客发送量分析预测

科学预测地区客运量,可以为交通运输管理部门合理制定交通运输规划提供依据与数据支持,有利于其规划管理地区客运发展。文中首先采用回归分析法、三次指数平滑法、灰色预测法和弹性系数法建立组合预测模型对赤峰市公路客运量进行了预测;然后根据赤峰市客运适站系数与市内所占客运比例,得出赤峰市内日均旅客发送量;最后通过分析现有客运站场状况,提出在桥北组团新建客运站的建议。     

BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性。实例证明了组合模型的预测精度高于单独的GM(1,1)模型,可以用于公路客运量预测。