客运需求预测方法之比较分析

交通需求预测是交通规划的基础,包括客运量和货运量需求预测等。文中主要研究客运需求预测方法,对综合交通规划中常用的10余种旅客运量预测方法进行比较、分析,分别指出了各种方法的优点、缺点以及适用范围,并对我国旅客运量预测工作提出了相应建议。     

工程机械大修费预测方法分析

指出了施工企业做年维修费用计划时存在的不准确问题,研究了指数平滑法和季节周期预测法的基本原理及计算方法,通过实例分析比较,指出了指数平滑法和季节周期预测法在工程机械大修费预测中应用的优缺点.结果表明,在工程机械大修费预测中选取季节周期预测法可得到较高的预测精度,能够满足施工企业做年维修费用计划时的决策需要.     

基于模糊解释结构模型的客运交通结构优化方法

客运交通结构优化是实现城市交通系统可持续发展的重要方法之一,在提升城市客运交通系统效率方面发挥重要的作用.根据客运交通结构影响因素的性质,建立模糊解释结构模型,将客运交通结构的影响因素划分为4个层次:直接影响感知因素层、间接影响认知因素层、过渡连接因素层和根本性因素层,并使用有向弧对于层级之间与层级内部的影响因素关系进行了连接.根据模型的分析结果可知,城市规模为根本性因素,资金投入为过渡连接因素,道路布局、基础设施、出行者特性为间接影响认知因素.研究结果确定了优化客运交通结构的关键性因素,以哈尔滨市为实例,从交通政策、土地利用、出行方式效用等方面提出了优化城市客运交通结构的建议.     

基于共生理论的山区客运企业安全投入优化分析

为了解决山区客运安全投入优化问题,在客运企业运营现状和安全投入现实水平的基础上,把客运企业、客运管理部门、从业者和旅客的利益相关性结合起来,依据共生理论构建服务于客运安全投入的市场需求与公共服务共生模型,确定合理的安全投入分配比例,从而提高客运安全产出效率。考虑山区客运市场需求与公共服务的特殊性和开放性,共生模型可以通过分配调节系数动态调整共生单元的安全投入比例,兼顾企业效益与社会效益,推动山区道路客运企业和公共交通的健康可持续发展。     

基于高速公路进出口数据反推的OD矩阵的应用

提出基于高速公路收费站进出口数据推算OD矩阵的一般方法。在缺乏初始OD矩阵的条件下,结合指数平滑法和无约束重力模型思想,通过VB编程反复迭代进行初始OD矩阵推算;利用组合模型预测高速公路各收费站出入口流量,通过弗雷特法进行OD分布推算。以沪宁高速公路为例证实此方法具有较高的精度。     

我国房地产行业发展轨迹的数据观察与预测——基于经济预测的理论方法的应用

近年来,恐怕没有哪个行业会向房地产行业这样吸引如此多的社会关注,从07年的一路走高到08年受金融海啸波及的萧瑟低迷,再到09年一季度的回暖苗头,其曲折的发展道路引得各种论调扑面而来,难辨真假。本文旨在运用经济预测与决策及时间序列分析学到的理论知识,在这个纷繁复杂的论战中通过自己的分析,从理论与实践中得到更深的认识。     

基于乘客需求的综合客运枢纽信息重要度模型

为了提高综合客运枢纽的服务水平以及满足乘客对枢纽各类服务信息不同的需求,以现有综合客运枢纽信息系统为研究对象,从枢纽乘客的需求出发,首先基于马洛斯需求层次理论分析乘客对枢纽信息的需求层次;再应用Kano模型设计问卷并展开调查,对枢纽信息需求类别进行分类,筛去乘客需求程度较低的信息;对筛选后的枢纽信息重新设计问卷进行乘客需求重要程度调查,运用熵值法处理调查数据得到枢纽信息需求重要度的初始权重,再通过Kano模型对初始权重进行调整,得到枢纽信息需求重要度的最终权重;最后提出一种基于乘客需求的综合客运枢纽信息需求重要度模型.该方法应用于北京四惠交通枢纽的调查数据,研究结果表明车辆运营状态类信息重要度较高,最终权重为0.091 29;而时间类信息重要度较低,最终权重为0.090 68.最终重要度权重的不同说明了不同枢纽信息类别对于乘客满意度提升效率的差异.     

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.     

融合语义的时空相关多步乘车需求预测方法

为了准确预测乘车需求,提高车辆利用率,缓解供需不平衡和交通拥堵,提出一种融合语义的时空相关多步乘车需求预测方法。在空间相关性建模方面,计算区域历史需求数据的互信息以对空间历史需求模式相关性建模;同时考虑基于兴趣点的城市功能区对乘车需求的影响,利用反映城市功能特征的语义信息,借鉴词频-逆文档频率方法对区域兴趣点赋予权重,继而计算区域功能相似度并对空间功能相关性建模。在时间相关性建模方面,利用深度学习网络Transformer捕获数据中潜在的长时依赖性。最后,在真实数据集上验证所提方法的有效性。结果表明：单步预测时,与基线方法的均值相比,所提方法的均方根误差、平均绝对误差和平均绝对百分比误差3个指标分别降低了38.77%、38.79%和54.11%;多步预测时,所提方法的预测精度也有较大提升,在预测步长为6时,与基线方法的均值相比,所提方法的3个指标分别降低了21.35%、21.98%和15.72%。该方法能够更准确预测乘车需求时空分布,合理配置运力资源。     

基于多智能体的铁路枢纽客运组织优化方法研究

以探索铁路枢纽客运组织方案的优化为目标,基于复杂系统理论中的多主体模拟方法,结合元胞自动机与多智能体各自的优势,将旅客行为与运输组织部门决策相结合,环境因素由元胞自动机表达,模型涉及到运输组织部门、旅客等不同类型的智能体,个体通过资源和环境的相互作用和与其他个体的交流协商来对周围环境的变化作出相应的反应。通过模拟运输组织部门复杂的决策过程,提出基于复杂适应系统理论的客运站客运组织优化的研究思路、基本框架和优化方法,探讨系统中各个智能体的结构及其竞合关系,设计基于多智能体的进化优化算法;最后以广州站高峰期客运组织优化为例进行了实证分析。     

综合客运枢纽换乘量预测方法及其适用性分析

换乘量预测是交通枢纽规划的关键,是换乘站各种交通方式运营调度的前提.在总结现有预测方法——基于集计与非集计的预测方法的优缺点的基础上,针对枢纽管理的不同需求提出分时段预测、换乘量短时预测、分担率类比预测等预测方法,并应用于辽阳市客运枢纽换乘量的预测分析.从客运枢纽的建设阶段(已建成与未建成)、换乘预测方法构建的难易程度、基础资料准备过程等方面对各方法的适应性进行比较,扩展客运枢纽换乘量预测的研究思路.     

基于引力模型的县域区际公路客运需求分析方法

将区位理论、区域科学、交通规划等学科中广泛应用的引力模型引入县域区际客运需求分析,提出了基于引力模型的县域区际客运需求分析方法。该方法突破了传统方法仅限于用县域范围内的经济、社会变量去解释客流生成的局限,对县域交通需求生成分布特性进行了学术归纳,建立了区际客流量与基于相互作用区域的生产总值、人口、距离、车程时间、区域面积5个经济、社会及交通条件变量之间的方程关系。实证应用表明:该方法模型能被实例数据所标定,能很好地解释县域区际客运需求生成、分布机理,量化识别客运需求影响因素,预测客运需求内生变量的变化对线路客流量与需求潜力的影响;该方法丰富了县域区际客运需求分析理论,具有较重要的理论与实践应用意义。     

基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

常态化疫情防控阶段旅客中长距离城际出行联合选择行为建模

新冠肺炎疫情对旅客中长距离的城际交通出行影响巨大,现有研究侧重疫情暴发初期疫情对城际交通出行的影响,针对常态化疫情防控阶段旅客城际出行选择行为的研究相对较少,因此,本文旨在研究常态化疫情防控阶段旅客中长距离城际出行选择行为。针对民航、高铁、普铁和自驾等方式分别建立包含4种城际出行方式的多指标多因果出行选择模型（MIMIC）,模型中引入感知防疫安全程度、防疫策略、乘车体验与出行习惯4个潜变量,探究潜变量与观测变量的因子载荷并辨识模型参数,求取各潜变量的拟合值;在此基础上建立考虑出行方式特性、旅客社会经济属性与潜变量的多出行方式联合选择行为模型（MIMIC-Logit）,探究常态化疫情防控阶段旅客出行心理对其出行决策的影响;假设出行费用、时间与距离等变量的随机系数服从正态分布,采用抽样1000次的Halton序列对随机系数进行仿真求解,得到随机系数的回归分析结果。以2021年4月—6月到达西安旅客的调查数据为例进行实证研究,结果发现：所提MIMIC-Logit模型的拟合优度与命中率分别为43.621%与83.312%,均高于多项Logit模型与随机系数Logit模型;旅客对不同方式的出行费用、时间与距离的偏好具有异质性,且出行方式特性、社会经济属性与潜变量都对出行选择的效用有显著影响。弹性分析表明,当感知防疫安全程度与防疫策略提升了100%时,旅客选择民航出行的概率分别提升了23.207%与21.349%;而当乘车体验提升了100%时,旅客选择高铁出行的概率提升了18.229%。综上,所提方法揭示了潜变量对旅客出行选择行为的显著影响;通过提升感知防疫安全程度、防疫策略与乘车体验等手段,可以提升旅客选择高铁、民航出行的概率。     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.     

城市公共交通枢纽客流量预测实用方法研究

通过全面分析遗传算法和神经网络的优缺点,在充分考虑各种可量化因素的影响权重的基础上,建立了遗传神经网络模型,提出了城市公共交通枢纽客流量预测实用方法,并通过实例进行了分析验证。结果表明,该方法在城市公共交通枢纽客流量预测的应用过程中具有较强的学习能力和自适应性,,其预测的精度明显得到提高。     

改进的BP神经网络在港口物流量预测中的应用

针对传统BP神经网络模型收敛速度慢的缺陷,对其进行改进,以提高收敛速度。经运用厦门港物流出口量的历史数据进行检验分析,给出BP神经网络仿真计算方法,其仿真结果与实际结果比较,具有较高的可信度。证明了改进后的模型加快了收敛速度,提高预测结果的准确性。     

基于BP神经网络的微观交通安全预测方法

将主成分分析及BP神经网络模型引入到道路交通安全性预测中,从微观层面分析影响交通事故的因素,重点分析道路参数,并形成文中的原始数据。对原始数据进行主成分分析,将结果作为神经网络模型的输入,建立BP神经网络模型,对道路交通安全性进行预测。结果表明,基于主成分分析的BP神经网络模型比一般BP神经网络模型精度更高,而且从微观的层面进行分析可以得到道路参数对交通事故的影响。