基于四阶段法的旅游交通量预测

公路旅游交通是公路交通运输业的重要组成部分,随着现代旅游业的发展,公路旅游交通在公路交通运输业中的地位日益显现。然而目前缺乏有效的预测公路旅游交通量的方法。采用四阶段分析理论,以利川和万州地区高速公路建设为分析对象,在分析区域社会经济、旅游人数和旅游产业发展趋势的基础上,预测区域旅游交通总量,在分析基年旅游交通量分布的基础上确定各路段的交通出行量。有效地预测了利川和万州地区高速公路建设中的旅游交通量。     

基于模式识别的短时交通流预测

实时准确可靠的短时交通流预测是智能运输系统的基础,有很多种方法被用来对交通流进行预测.基于模式识别的交通流预测方法是较新的预测方法之一.提出一个用于短时交通流预测的模式和对应的模式识别算法,并对城区道路的交通流做了实验预测,结果表明在趋势上较为准确.     

基于优化灰色神经网络模型的内燃机气缸套磨损量预测的研究

气缸套磨损量是衡量汽车发动机寿命的重要因素。针对传统灰色预测模型的缺陷,采用均值修正策略,对样本数据进行预处理,实现灰色预测模型的优化;将灰色预测模型与BP网络相结合,建立了优化灰色神经网络预测模型;实例分析结果表明,优化模型能更精确地预测发动机气缸套的磨损量,为发动机的寿命预测与维修提供了更有效的方法。     

基于改进灰色定权聚类的城市轨道交通网络规划方案优选研究

综合考虑路网结构合理性、建设实施性、运营效果、社会经济效益以及城市发展的协调性等五方面的影响因素,建立了城市轨道交通网络规划方案综合评价指标体系。引入高斯白化函数、等面积法则确定参数和基于信息熵的聚类权的标定法,提出了改进灰色定权聚类优选模型,并将其应用于某市轨道交通规划方案优选,评价结果与实际专家评审结果一致,验证了该模型的有效性和实用性。     

出租车保有量评价与预测

出租车是城市公共交通系统的重要组成部分,其保有量是影响城市公共交通的重要因素之一。首先建立出租车保有量综合评价模型,并在此基础上提出基于供需平衡的预测方法,从而预测出租车保有量。以湖南郴州为例验证模型的可靠性和预测方法的可行性。     

民用汽车拥有量非线性时空组合预测模型

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.     

一种离散GM(1,1)模型的研究

分析了离散GM(1,1)模型与原始GM(1,1)模型的关系,二者形式相同,建模机理相同,但建模过程不完全相同,所以二者的时间响应函数不同。解释了离散GM(1,1)模型比原始GM(1,1)模型优越的原因,并从理论上证明了该离散GM(1,1)模型不仅具有白化指数律、白化系数律重合性,而且具有线性变换一致性。     

基于灰色理论的点速度预测模型分析

利用灰色系统理论,建立快速路地点车速预测的GM（1,1）灰色预测模型,对点速度进行预测,并结合实例应用和验证,预测结果和实测结果较好的吻合,精度较高,表明灰色预测方法的可行性,而且方法简便。     

福州市闽江过江交通量预测与分析

过江交通问题是沿江城市交通发展的瓶颈,过江通道的建设是沿江城市需解决的首要问题。福州市过江交通成为阻碍福州市城市交通发展的门槛。通过选择双约束重力预测模型预测福州市闽江未来年过江交通量,并分析其原因及对策,为福州市未来过江交通规划提供科学依据。     

Non-Linear Combined Prediction Model of Medium and Long-Term Civil Vehicle Population of China

With consideration of the economy development tendency in China, a civil vehicle population prediction model is developed based on the space-time theory. First, with the domestic and international experience on vehicle development, the gray Verhulst model is used to describe the vehicle population development tendency and predict the vehicle population in the next 20 years. Second, several social and economical indexes related to the civil vehicle population are selected by comparing the correlation coefficient value, and then, the principal component method is used to reduce dimension of the selected indexes and obtain some principal indexes. Based on the econometrics theory, a forecasting model is formulated to predict the vehicle population in the next 20 years. Integrating these two forecasting models, a non-liner combination forecasting model is developed based on the BP neural network. The reliability and accuracy of the linear combination forecasting model are tested by the vehicle data from 2003 to 2007. Finally, the civil vehicle population of China in the next 20 years is predicted based on the linear combination forecasting model.