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。     

Logistic曲线模型和Gompertz曲线模型的修正

本文提出Ｌｏｇｉｓｔｉｃ及Ｇｏｍｐｅｒｔｚ曲线的修正模型，给出相应的参数估计方法。解释该模型在经济学中的实际意义。修正后的模型可得出高于原曲线模型的预测精度。     

基于Logistic和S曲线的交通量预测方法

分析了Logistic曲线和定标模型S曲线的特征和参数标定,提出了将这2种曲线模型结合起来的交通量预测模型,并应用于广东省国省道“十一五”规划公路网路段的交通量预测,取得了较好的预测结果。     

重庆市汽车保有量和维修需求量预测

笔者对汽车保有量和维修需求量的预测方法进行了分析比较,并根据历史原始数据进行了预测和分析,所得结果为测定重庆市汽车维修行业发展规划提供了科学的依据。     

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.     

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.     

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。     

基于遗传BP算法的我国汽车保有量预测

在对我国中长期汽车保有量预测时,针对传统BP算法的不足,采用遗传算法优化BP算法的连接权值,使优化后的BP网络的训练速度和预测精度得到了有效提高,说明该方法具有较好的实用性和推广价值.     

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。     

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.     

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。     

BP神经网络对汽车保有量的预测

研究了BP神经网络技术在汽车保有量预测方面的应用,解决了网络收敛速度慢,准确率低的实际问题,并且提出了一些新的理论与方法。     

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.     

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.     

基于模型预测控制的汽车主动避障系统

为了加强汽车行驶安全性,搭建了包含环境感知、危险态势评估、路径决策和控制执行四部分的智能汽车主动避障系统。基于改进人工势场模型构建了以道路边界斥力势场、动态障碍物斥力势场和引力势场核心的路径规划模块,同时,建立以前轮偏角为控制变量的车辆动力学模型,利用模型预测算法对路径进行跟踪。利用动力学仿真软件CarSim和控制仿真软件Simulink联合仿真,结果表明文中运用的模型预测控制优于驾驶员预瞄控制,对路径具有更好的跟踪效果、提高了跟踪精度,实现了汽车主动避障。     

基于机器学习的私人汽车保有量影响因素分析及预测——以新疆为例

相对准确的私人汽车保有量预测可为测算私人汽车二氧化碳排放量、科学规划城市道路、制定交通拥堵缓解措施等奠定基础。鉴于此,构建基于机器学习的私人汽车保有量影响因素分析及预测模型。首先,采用机器学习中的极度梯度提升树（Extreme Gradient Boosting, XGBoost）法,以新疆的统计数据为基础,识别影响私人汽车保有量的因素。然后,比较XGBoost、随机森林（Random Forest）、神经网络（Neutral Network）三种方法的预测效果,发现神经网络在私人汽车保有量预测模型中具有较好的预测精度。最后,基于神经网络方法,对未来新疆私人汽车保有量进行预测。研究结果表明,人均GDP和城镇化率是影响新疆私人汽车保有量最重要的两个因素;到2030年,在低、中、高三种发展情景下新疆私人汽车保有量预计将分别达到650万、688万和734万辆。