短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。     

交通预测原则和预测模型评价方法

在总结已有研究成果的基础上,提出了交通预测应遵循的原则,并对交通预测评价方法和模型选择等问题进行了探讨,以期更好地指导交通实际预测工作。     

雅泸高速公路雅安至九襄段公路安全性评价

以雅泸高速公路雅安至九襄段路线平纵面设计为依托,介绍了公路运行速度协调性评价方法,对爬坡车道和避险车道的设置、停车视距的检验及具体安全措施进行了简述,提出了高速公路安全性评价应主要考虑的问题。     

一般收费道路通行费收入实用预测方法研究

重点探讨实际道路规划项目中一般收费道路的收费收入预测方法,目的在于尽可能使收费收入预测更为精确。在我国,高速公路通常采用依靠征收通行费以偿还投资借贷的方式进行建设,因此在规划的过程中需要对通行费收入进行预测,并进行财务分析,以保证决策者做出正确的投资决策。以笔者在日本从事的高速公路建设项目为例,分析研究了基于实用型交通量增量分配方法结合使用车种转换矩阵的高速公路路网中一般收费道路通行费收入的预测方法,并将其应用到实际道路项目财务评价中。结果表明通过控制收费道路出入口间交通量预测精度,以及采用需求相关性较大的车种转换调查数据可以提高通行费预测精度。研究表明这一方法具有很强的实用性,该方法对我国的高速公路需求预测有着借鉴作用。     

基于广义回归神经网络的公路货运量预测方法研究

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述.采用广义回归神经网络(GRNN)对货运量进行分析及预测.通过对1995～2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004～2005年的实际数据进行模型检验,结果证明了GRNN用于货运量预测的有效性.     

重卡市场热度不减的原因分析与后市预测

2007年以来，重卡市场销售出现了近几年少有的“井喷”现象，大部分企业都实现产销量大幅度增长。根据中国汽车工业协会的统计数据，2007年前7个月，重卡共销售近30万辆，同比增长76％。重卡行业前六家企业中有四家同比增长超过60％。除了传统的卡车生产厂家，部分进入重卡市场的新兴企业也有收获。中国重汽在这场争夺战中，成了最大赢家，前7个月公司销售重卡超过6万辆，[第一段]     

基于神经网络的高速公路出入口OD矩阵估计方法研究

通过高速公路出入口OD矩阵计算,得到高速公路的断面交通流量,这些数据对于高速公路各项管理措施的制定是非常重要的.针对高速公路出入口OD矩阵推算方法中假设每一留线车辆以等概率驶离高速公路的不足,提出了基于改进BP神经网络的高速公路出入口OD矩阵推算模型,并设计了OD推算神经网络.实例分析表明,该模型推算结果理想,且推算精度得到一定提高.     

汽车操纵稳定性主客观评价数据的一种处理方法

汽车操纵稳定性主客观评价之间的相关性分析是汽车技术的重要课题。提出了汽车操纵稳定性主客观评价数据的一种处理方法．通过回归分析筛选客观参数，运用BP神经网络建立相关性模型，验证结果说明了该方法的可行性。