基于改进的GM（1，1）模型的公路里程预测

分析了传统GM(1,1)模型在公路网里程预测中存在的问题,利用残差改进了GM(1,1)模型,运用马尔可夫状态转移矩阵判断残差预测值在k≥n时的符号,提高了预测精度.对广西省公路网里程进行了预测分析,结果表明该法具有较高的实用性.     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一，为解决现有预测算法模型精度低、相对误差大的问题，本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入，通过聚类和过滤封装式特征筛选，提取最优特征集合，并基于行驶片段样本量选择预测方法，通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度，通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035，平均相对误差为1.71%，能够精确稳定地实现行驶里程预测.     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一，为解决现有预测算法模型精度低、相对误差大的问题，本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入，通过聚类和过滤封装式特征筛选，提取最优特征集合，并基于行驶片段样本量选择预测方法，通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度，通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035，平均相对误差为1.71%，能够精确稳定地实现行驶里程预测.     

基于熵的干线公路通车里程组合预测

干线公路通车里程预测是干线公路网规划的主要内容之一。以甘肃省1997-2007年干线公路通车里程为基础数据,分别采用回归分析法和灰色预测法进行拟合预测,鉴于单项预测方法的局限性,建立基于熵权法的组合预测模型,通过相关误差指标分析表明该组合模型能够提高预测精度,具有较强的理论与实际应用价值。     

灰色系统理论在预测公路里程发展上的应用

利用灰色系统理论 ,根据黑龙江省 1997～ 2 0 0 1年公路实有里程的数据资料 ,建立公路发展里程的预测模型 ,对所建模型进行了精度检验并利用此模型对 2 0 0 2年公路发展情况进行预测。     

����BPNN-MOPģ�͵�����·�������ģԤ���о�

区域公路网规模是保障交通供给能力的基础,确定合理的路网规模是调节交通供需平衡的关键. 本文从路网发展数量和质量两方面,里程、密度、等级结构三项指标出发,建立了基于BP神经网络与马尔可夫链的公路网里程规模组合预测模型,并采用多目标规划方法对公路网等级结构进行了优化研究. 该方法能够充分挖掘公路网规模演变的宏观调整与微观波动规律,提高了预测的精度和可靠性. 最后本文结合实际案例,对区域特征年公路网的合理规模及结构进行了分析预测. 结果表明,组合预测方法能够较科学、客观地反映公路网发展的数量特征和质量要求,具有一定的理论价值和现实意义.     

基于BPNN-MOP模型的区域公路网合理规模预测研究

区域公路网规模是保障交通供给能力的基础,确定合理的路网规模是调节交通供需平衡的关键. 本文从路网发展数量和质量两方面,里程、密度、等级结构三项指标出发,建立了基于BP神经网络与马尔可夫链的公路网里程规模组合预测模型,并采用多目标规划方法对公路网等级结构进行了优化研究. 该方法能够充分挖掘公路网规模演变的宏观调整与微观波动规律,提高了预测的精度和可靠性. 最后本文结合实际案例,对区域特征年公路网的合理规模及结构进行了分析预测. 结果表明,组合预测方法能够较科学、客观地反映公路网发展的数量特征和质量要求,具有一定的理论价值和现实意义.     

电动汽车行驶里程与电池SOC 相关性分析与建模

为解决电动汽车驾驶员里程焦虑问题,并为车辆行驶里程预测提供重要依据,本文提出一种基于数据驱动的方法来探讨电动汽车行驶里程和电池SOC之间的关系.首先对采集的原始数据进行删除、插值和平均处理,再对电动汽车行驶里程和电池SOC进行相关性分析并建立模型,利用递推最小二乘法对模型参数进行辨识.利用北京市运营物流电动车的数据对建立的模型及参数辨识结果进行验证.实验结果表明,本文采用的基于数据驱动预测行驶里程的方法是可行的,所建立的行驶里程与电池SOC模型具有较高的准确度.     

�綯������ʻ�������SOC ����Է����뽨ģ

为解决电动汽车驾驶员里程焦虑问题,并为车辆行驶里程预测提供重要依据,本文提出一种基于数据驱动的方法来探讨电动汽车行驶里程和电池SOC之间的关系。首先对采集的原始数据进行删除、插值和平均处理,再对电动汽车行驶里程和电池SOC进行相关性分析并建立模型,利用递推最小二乘法对模型参数进行辨识。利用北京市运营物流电动车的数据对建立的模型及参数辨识结果进行验证。实验结果表明,本文采用的基于数据驱动预测行驶里程的方法是可行的,所建立的行驶里程与电池SOC模型具有较高的准确度。     

基于BP神经网络的浙江省交通发展预测问题研究

基于BP神经网络研究了多因素的交通预测问题。通过分析影响交通指标预测值的15个因素信息，预测到2015年浙江省公路总里程为94984b，其中高速公路总里程为4533km，对今后浙江省交通发展规划具有一定的指导意义。     

农村公路发展总量预测

以县域社会经济及农村公路为研究对象,利用宏观经济指标及行政村数、农村公路里程、条数等,构成相关分析的样本量,通过散点分析与拟合,建立多因素关联分析经验回归模型,以此进行经济欠发达县域(特别是我国中西部地区)的农村公路发展总量里程的预测.     

农村公路发展总量预测

以县域社会经济及农村公路为研究对象，利用宏观经济指标及行政村数、农村公路里程、条数等，构成相关分析的样本量，通过散点分析与拟合，建立多因素关联分析经验回归模型，以此进行经济欠发达县域(特别是我国中西部地区)的农村公路发展总量里程的预测。     

基于大数据的城市尾号限行方案设计与评估研究

为提升城市尾号限行方案设计与评估决策水平,制定了统一规范的设计流程,将出行目的分为基家工作、基家上学、基家购物、基家其他、非基家出行等5类,建立了交通方式划分模型;基于层次分析法以路网运行车速、拥堵里程、改善路段数量、节点改善数量、流量均衡、实施难度等6项指标,建立路网运行评价模型,实现了各评价指标的量化分析.依托重庆主城区交通大数据,以重庆为案例进行了实例验证,结果表明：重庆交管部门根据评估最优方案进行了实施,桥梁限行实施后,实际运行车速和拥堵里程分别为23.8 km/h,171 km;模型预测相对误差分别为2.9%,5.2%;预测精度较高,达到了实际应用要求,可为其他城市尾号限行提供一定借鉴.     

线路设计中圆曲线和缓和曲线里程计算的CASIOEX-4500P程序编制及应用

公路、铁路等带有圆曲线、缓和曲线的测设、放样等野外工作,其主点里程计算十分复杂.利用普通计算器计算尤其麻烦、复杂,精度差;针对上述状况,利用CASIOFX-4500P计算器,结合圆曲线和缓和曲线里程计算公式编辑了程序.使用结果表明,不仅精度满足要求,而且携带方便,具有广泛的使用前景.     

线路设计中圆曲线和缓和曲线里程计算的CASIOFX-4500P程序编制及应用

公路、铁路等带有圆曲线、缓和曲线的测设、放样等野外工作,其主点里程计算十分复杂。利用普通计算器计算尤其麻烦、复杂,精度差;针对上述状况,利用CASIOFX-4500P计算器,结合圆曲线和缓和曲线里程计算公式编辑了程序。使用结果表明,不仅精度满足要求,而且携带方便,具有广泛的使用前景。     

甘肃省高速公路网合理规模预测

合理的公路里程能促进社会经济健康有序的发展.在分析甘肃省高速公路现状的基础上,构建了基于TransCAD的经济与人口需求模型及改进的连通度模型,并用这两种模型对甘肃省高速公路网规模进行了预测,最后对预测结果作出了合理分析.该预测方法可指导西部省域高速公路科学合理的发展.     

�������ģ�͵������˼�ָ��������Ԥ��

分析原油价格对油轮运价指数的影响关系,并预测油轮运价指数发展变化趋势.本文通过Granger因果关联分析,原油价格是油轮运价指数的3阶Granger因.因此,建立了3阶ARCH模型对油轮运价指数进行了预测,预测精度在8%之内.根据油轮运价指数的自身非线性变化趋势,建立了三层BP神经网络模型预测油轮运价指数的发展趋势,精度在3%以内.为进一步提高模型的预测精度,结合ARCH预测模型和BP神经网络预测模型的特点,通过预测误差最小化模型,确定组合权重,建立了新的组合预测模型对未来油轮运价指数进行分析预测,模型的精度控制在2%以内,预测精度显著提高.此研究对油轮运价指数的预测提供了较好的方法.     

公路网合理规模预测和评价方法研究

在探析公路网规模影响因素和发达国家公路建设发展规律的基础上,分析预测公路网总里程的各种方法的优缺点,并采取综合模型法对传统预测模型预测结果进行优化,并建立指标体系,采用模糊多层次综合评判法对预测结果进行评价。根据实例验证,提出的方法具有良好的科学性和可操作性。     

基于高分遥感影像的农村地区公路网规模预测

为准确预测农村地区公路网中短期发展规模,研究提出了基于高分遥感影像与地形、区域功能及周边环境划分的农村地区公路网中短期发展规模预测模型.模型采用基于地形区域分类的方法,以深度神经网络提取的路网高分遥感影像为基础数据,综合考虑路网分布、自然村分布及路网提取算法精度等客观情况,并对遥感影像质量偏低导致的识别率下降进行了里程...     

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．