加权几何平均组合预测方法在公路客运量预测中的应用研究

对我国公路客运量进行科学、准确的预测,提前掌握客运量的变化发展趋势及规律,是为职能部门制定公路客运发展规划和配置基础设施的基础。提出基于向量投影法的加权几何平均的组合预测模型,并运用该模型对某城市2003－2015年公路客运量进行了预测,预测结果表明该方法具有较好的预测精度。     

广州市公路客运线路客运量的预测

公路客运量的预测对于公路客运的管理和决策具有重要意义。本文研究了利用重力模型预测2005年和2010年广州市公路客运线路客运量的方法,并给出了主要线路的预测和分析结果。     

新疆伊犁州直综合客运枢纽的布局规划

采用加权移动平均法、指数平滑法,结合国民经济发展情况综合利用弹性系数法,分析预测伊犁州直客运总量、公路客运量和分县市客运量.以预测出的客运量为基础,计算伊犁州直各市县的综合客运需求总量和适站量,并结合客运场站布局影响因素,针对市级、中心区级和片区级客运交通枢纽分别进行预测,布局规划伊犁州直客运场站.     

河南省2012—2020年交通客运量预测与分析

以1998—2011年河南统计年鉴中列出的河南省历年交通客运量数据为研究对象,运用时间序列模型(指数平滑和ARIMA模型)和非线性回归方法,对河南省2012—2020年的交通客运总量以及各交通运输方式客运量做出预测.预测结果显示:未来几年公路交通客运在河南省仍占主导地位,河南省交通客运总量2012年达到215 219.29万人,其中公路、铁路、民航、水运客运总量分别为204 873.13、9493.39、526.99、313.61万人,2020年客运总量将达到579 099.71万人.     

影响浙江省公路客运量主要因素的回归分析

为了研究浙江省的公路客运量,选取居民总消费水平、全省生产总值、年末总人口数、人均可支配收入、通车总里程数和其他客运总量六个主要影响因素,根据多元线性回归方法建立数学模型,运用SPSS统计软件,得到这些影响因素与浙江省公路客运量的关系,并对未来的公路客运量进行一些预测.     

基于乘法ARIMA模型的公路客运量预测

在收集了2004-2007年我国公路客运量月度数据的基础上,进行时间序列分析,建立了我国公路客运量月度数据的求和自回归移动平均（ARIMA）模型。分析结果显示：与常用的多项式曲线预测模型和灰色预测模型相比,模型ARIMA（2,1,2）（1,1,1）12有更好的预测效果,可以用于我国公路客运量月度数据的短期预测。     

基于Softplus函数的双隐含层BP神经网络的公路客运量预测

为了提高预测模型的精度,提出一种基于Softplus激活函数的双隐含层BP神经网络的预测方法,提高了模型的非线性学习和泛化能力及预测精度,并改善了网络性能。将该方法应用于公路客运量实际预测中进行有效性验证,结果表明该方法对公路客运量有更好的非线性拟合能力和预测准确性。     

辽宁省公路客运量预测研究

公路客运量的科学预测对公路的规划建设和管理提供了重要依据,通过对辽宁省2009~2015年公路客运量影响因素进行分析,并充分考虑建模自变量的多重相关性,建立了基于偏最小二乘法改进的预测模型对辽宁省公路客运量进行建模并预测,将预测结果与实测结果进行比较,分析结果表明:利用偏最小二乘回归模型预测相对误差均值为0.91%;相对误差最小值仅为0.30%;最大值为1.17%。     

客运交通量预测模型构建与分析

客运量预测是在客运市场调查的基础上以及历年的客运统计数据为依据,采用科学的方法和手段,对未来一定时期内客运量的需求的变化趋势以及与之相关的各种因素的变化的影响进行分析、测算并做出预见和判断.通过对公交票价和市区人口数以及市区自行车保有量数据进行分析,利用多元线性回归方法建立了城市客运量的预测模型.其次又运用二次指数平滑法对某市下一年的客运量做出了科学的预测,同时建立客运量预测模型.并对两种预测模型的精度进行了比较,将两种预测模型下的拟合值与实际值进行了对比,进一步检验了模型的应用.     

基于多元线性回归的公路客运量发展预测模型

文章为预测未来公路客运量的发展,在分析影响客运量发展相关因素的基础上,应用多元线性回归方法,建立了客运量发展预测模型;经过统计学相关检验表明,所获得的模型正确,具有一定的科学性和有效性.     

铁路客货运量预测的随机灰色系统模型

针对现有铁路客货运量预测方法的不足和铁路客货运量的随机波动性,基于灰色预测理论,建立了铁路客货运量预测的随机灰色系统模型.该模型在对客货运量原始数据生成处理的基础上,建立了符合检验要求的残差GM(n,h)模型,以预测铁路客货运量的发展趋势;再通过引入相对误差序列的随机过程,建立了随机GM(n,h)模型,以综合考虑随机因素对铁路客货运量未来发展趋势所带来的影响,提高铁路客货运量预测的精度.理论分析和实例计算结果表明:随机灰色系统预测模型直观,且操作性强,预测结果精度较高.     

县乡公路网交通预测方法探讨

根据县乡公路网规划的实际情况，提出了一种不基于现状ＯＤ调查的交通量预测方法，该方法为一种模拟四阶段法，充分考虑了县乡公路交通的变化规律，利用其易得的现状交通量资料为基础进行预测，实际应用效果良好。     

基于混沌自适应遗传 ν SVR的城市客运量预测

针对城市客运量预测问题本身所存在的小样本、高维数和非线性等特点,将ν-支持向量回归机(ν-support vector regression,ν-SVR)应用于城市客运量预测.为了提高ν-SVR模型的预测精度和泛化性能,利用基于混沌理论和自适应机制的混沌自适应遗传算法(chaosadaptive genetic algorithm,CAGA)优选ν-SVR模型参数,建立了基于CAGA进行参数优选的CAGA-ν-SVR城市客运量预测模型.结合1978～2008年统计数据进行了仿真预测,结果表明该模型的预测性能优于RBF神经网络模型、GA-SVR模型和GA-ν-SVR模型,平均绝对相对误差控制在2.3%以内,可有效应用于城市客运量预测.     

基于蚁群优化支持向量机模型的公路客运量预测

针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。     

公路运输量预测的综合时序分析

在公路网规划中 ,正确地确定区域的公路运输量是一项重要的基础工作 ,公路运输量的时间序列具有复杂的非线性关系 ,难以用单一的模型进行预测 ,针对时间序列具有趋势变动、周期变动和不规则变动的特点 ,文章提出用综合集成的方法分别考虑公路运输量序列中所隐含的 3种变动 ,并针对 3种不同变动的特点分别建立相应的模型进行分析 ,在此基础上再从总体上把握运输量时间序列的变化规律。并结合实例对模型进行了验证 ,表明具有较高的拟合精度 ,为公路运输量的预测提供了一种有效的方法。     

拟建支线机场通航可行性论证方法

为论证拟建支线机场通航年是否有充足客源,从航空旅客吞吐量的角度提出了一种系统的论证方法。比选已有拟建机场旅客吞吐量预测方法,采用基于快速聚类分析的航空分担率模型进行航空分担率预测;在此基础上,结合综合交通客运量预测出通航年机场旅客吞吐量,对比近年来中国新通航支线机场通航年旅客吞吐量占当年全国航空旅客吞吐量的比重,拟建支线机场所占比重不低于已通航机场所占比重的最低水平即可通航;将该方法应用于石嘴山市拟建支线机场通航年客运分析。应用表明:基于通航年旅客吞吐量预测的方法,可以很好地论证拟建支线机场通航的可行性。     

一般公路的交通量预测方法及示例

目前,我国规范中未有明确而成熟的一般公路交通量预测的方法.对此,本文以某四级公路为例,叙述了其交通量预测的过程、方法和结果,可供相关公路工程项目的交通量预测借鉴.