分?jǐn)?shù)階GM（1，1）模型的高速公路交通量預(yù)測(cè)

通過(guò)分析高速公路交通量的變化規(guī)律,將高速公路運(yùn)營(yíng)期間的交通量預(yù)測(cè)分為三個(gè)階段,運(yùn)用交通規(guī)劃軟件transcad對(duì)高速公路運(yùn)營(yíng)期的基年的交通量進(jìn)行預(yù)測(cè),將高速公路流量飽和前增長(zhǎng)期內(nèi)的交通量分成趨勢(shì)交通量、轉(zhuǎn)移交通量和誘增交通量三部分分別進(jìn)行預(yù)測(cè),用彈性系數(shù)法和時(shí)間序列法兩種方法結(jié)合對(duì)其趨勢(shì)交通進(jìn)行預(yù)測(cè),用效用比例法確定分擔(dān)率對(duì)其轉(zhuǎn)移交通量進(jìn)行預(yù)測(cè),用生長(zhǎng)曲線(xiàn)模型對(duì)誘增交通量進(jìn)行預(yù)測(cè),最后分析了高速公路流量飽和后其交通量的變化情況,并計(jì)算出高速公路投入運(yùn)營(yíng)后交通量達(dá)到飽合的時(shí)間。

通過(guò)分析高速公路交通量的變化規(guī)律,將高速公路運(yùn)營(yíng)期間的交通量預(yù)測(cè)分為三個(gè)階段,運(yùn)用交通規(guī)劃軟件transcad對(duì)高速公路運(yùn)營(yíng)期的基年的交通量進(jìn)行預(yù)測(cè),將高速公路流量飽和前增長(zhǎng)期內(nèi)的交通量分成趨勢(shì)交通量、轉(zhuǎn)移交通量和誘增交通量三部分分別進(jìn)行預(yù)測(cè),用彈性系數(shù)法和時(shí)間序列法兩種方法結(jié)合對(duì)其趨勢(shì)交通進(jìn)行預(yù)測(cè),用效用比例法確定分擔(dān)率對(duì)其轉(zhuǎn)移交通量進(jìn)行預(yù)測(cè),用生長(zhǎng)曲線(xiàn)模型對(duì)誘增交通量進(jìn)行預(yù)測(cè),最后分析了高速公路流量飽和后其交通量的變化情況,并計(jì)算出高速公路投入運(yùn)營(yíng)后交通量達(dá)到飽合的時(shí)間。

本文從影響高速公路交通量增長(zhǎng)的宏觀經(jīng)濟(jì)指標(biāo)出發(fā),借鑒了matas(2001)高速公路交通量增長(zhǎng)預(yù)測(cè)模型,回歸出我國(guó)基于宏觀經(jīng)濟(jì)因素的高速公路交通量增長(zhǎng)預(yù)測(cè)模型,結(jié)果表明影響交通流量增長(zhǎng)的最主要經(jīng)濟(jì)因素為地區(qū)生產(chǎn)總值和地區(qū)失業(yè)人口。本文還基于福建省某條高速公路的相關(guān)數(shù)據(jù),在預(yù)測(cè)其經(jīng)濟(jì)因素概率分布模型的基礎(chǔ)上,預(yù)測(cè)出其交通流量增長(zhǎng)概率分布圖。本文目的在于指出影響高速公路交通量增長(zhǎng)的經(jīng)濟(jì)因素,同時(shí)為預(yù)測(cè)交通流量的增長(zhǎng)提供一種客觀的方法。

本文將灰色理論引入交通預(yù)測(cè)中進(jìn)行建模,并在某高速上進(jìn)行實(shí)例分析,該方法具有較高的可靠性和實(shí)用性.

高速公路交通量預(yù)測(cè)過(guò)程涉及眾多的輸入因素,其中許多因素的不確定性將導(dǎo)致預(yù)測(cè)結(jié)果存在一定程度的風(fēng)險(xiǎn)。該文運(yùn)用風(fēng)險(xiǎn)分析方法,對(duì)影響交通量的風(fēng)險(xiǎn)因素進(jìn)行了分類(lèi)和識(shí)別,闡述了風(fēng)險(xiǎn)的產(chǎn)生及其特性,估計(jì)了主要風(fēng)險(xiǎn)因素的概率分布,并用蒙特卡羅方法對(duì)未來(lái)交通量進(jìn)行了模擬,得到了交通量的概率分布曲線(xiàn),為合理計(jì)算高速公路建設(shè)規(guī)模與制定投資決策提供了可靠依據(jù)。

本文介紹了transcad軟件的特點(diǎn)及其功能，作為交通規(guī)劃軟件對(duì)濟(jì)南至東營(yíng)高速公路的未來(lái)特征年的交通量進(jìn)行了預(yù)測(cè)，并提出了應(yīng)用該軟件的不足。

基于甘肅高等級(jí)公路收費(fèi)年收入的統(tǒng)計(jì)數(shù)據(jù),結(jié)合其收入和交通量之間的粗略關(guān)系,運(yùn)用bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)高等級(jí)公路各收費(fèi)站年收入,從而間接地對(duì)高等級(jí)公路交通流量進(jìn)行預(yù)測(cè),為提高高速公路的管理與服務(wù)水平,對(duì)提高高等級(jí)公路管理部門(mén)的信息感知能力和應(yīng)急處置能力、提高路網(wǎng)運(yùn)行效率、建設(shè)和諧高等級(jí)公路具有極其重要的意義。

引言高速公路交通量預(yù)測(cè)是高速公路建設(shè)項(xiàng)目可行性研究報(bào)告的一項(xiàng)重要內(nèi)容,它是進(jìn)行交通量現(xiàn)狀評(píng)價(jià)、綜合分析建設(shè)項(xiàng)目的必要性和可行性的基礎(chǔ),是確定高速公路建設(shè)項(xiàng)目的技術(shù)等級(jí)、工程規(guī)模、效益分析的主要依據(jù)。同時(shí),其準(zhǔn)確率直接關(guān)系高速公路投資回報(bào)率,甚至影響項(xiàng)目國(guó)民經(jīng)濟(jì)評(píng)價(jià)及財(cái)務(wù)評(píng)價(jià)。根據(jù)調(diào)查資料和工程項(xiàng)目的性質(zhì)選用不同的預(yù)測(cè)方法,國(guó)內(nèi)、外已提出的各種預(yù)測(cè)方法多達(dá)200種左右,但用于實(shí)際操作的較少,如頭腦風(fēng)暴法、專(zhuān)家預(yù)測(cè)法、

區(qū)域高速公路網(wǎng)是區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展的重要基礎(chǔ)設(shè)施,為預(yù)測(cè)區(qū)域高速公路網(wǎng)交通量,引入經(jīng)濟(jì)學(xué)中的柯布-道格拉斯生產(chǎn)函數(shù),以人均gdp、人口密度為參數(shù)構(gòu)建運(yùn)輸需求函數(shù),基于運(yùn)輸需求函數(shù)構(gòu)建區(qū)域高速公路網(wǎng)交通量預(yù)測(cè)模型。模型能以簡(jiǎn)單的因素分析基礎(chǔ),對(duì)區(qū)域高速公路網(wǎng)交通量進(jìn)行預(yù)測(cè),為區(qū)域公路網(wǎng)交通量預(yù)測(cè)提供了新的思路決策依據(jù)。

雖然影響交通量增長(zhǎng)的因素有很多,但有兩點(diǎn)是最重要的,一個(gè)是國(guó)民經(jīng)濟(jì)的發(fā)展現(xiàn)狀,一個(gè)是經(jīng)濟(jì)總量與經(jīng)濟(jì)結(jié)構(gòu),前者是主導(dǎo)因素,后者為具體因素。本文基于高速公路入口處的交通量,對(duì)探討高速公路出入口交通量與經(jīng)濟(jì)發(fā)展關(guān)系的相關(guān)性提出了建議,旨在提高公路網(wǎng)規(guī)劃的科學(xué)性。

基于邊坡變形監(jiān)測(cè)信息具有一定的灰色特征,應(yīng)用灰色系統(tǒng)理論的原理和方法,建立了邊坡變形預(yù)測(cè)等步長(zhǎng)與非等步長(zhǎng)gm(1,1)預(yù)測(cè)模型。采用gm(1,1)模型對(duì)衡桂高速公路某典型邊坡段測(cè)斜管監(jiān)測(cè)變形監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果較為一致,表明了本文建立的灰色預(yù)測(cè)模型具有較好的可行性和適用性。

針對(duì)交通流中未知的流量難以有效預(yù)測(cè)的困難,提出應(yīng)用gm(1,1)模型進(jìn)行交通運(yùn)量預(yù)測(cè)的方法,為交通管理提供精確的預(yù)測(cè)信息。應(yīng)用基于gm(1,1)模型的灰色預(yù)測(cè)方法對(duì)北京春運(yùn)鐵路客運(yùn)量數(shù)據(jù)進(jìn)行預(yù)測(cè)分析,最后通過(guò)誤差分析證明了該方法具有良好的精確度,表明其在公共交通運(yùn)量預(yù)測(cè)中是有效的。

文章從灰色預(yù)測(cè)模型gm(1,1)原理和誤差檢驗(yàn)入手,以銅旬高速滑坡監(jiān)測(cè)示范工程點(diǎn)地表位移監(jiān)測(cè)為例,介紹了灰色預(yù)測(cè)模型gm(1,1)在滑坡監(jiān)測(cè)預(yù)警中的應(yīng)用,并對(duì)監(jiān)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)進(jìn)行了比較分析,證明了灰色預(yù)測(cè)模型gm(1,1)在滑坡監(jiān)測(cè)預(yù)警中的應(yīng)用是合理可靠的。

文章從灰色預(yù)測(cè)模型gm（1,1）原理和誤差檢驗(yàn)入手,以銅旬高速滑坡監(jiān)測(cè)示范工程點(diǎn)地表位移監(jiān)測(cè)為例,介紹了灰色預(yù)測(cè)模型gm（1,1）在滑坡監(jiān)測(cè)預(yù)警中的應(yīng)用,并對(duì)監(jiān)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)進(jìn)行了比較分析,證明了灰色預(yù)測(cè)模型gm（1,1）在滑坡監(jiān)測(cè)預(yù)警中的應(yīng)用是合理可靠的.

目前高速公路交通預(yù)測(cè)方法側(cè)重分析跨區(qū)域問(wèn)的公路交通需求，難以有效反映高速公路進(jìn)入城市連綿建成區(qū)后，其承擔(dān)的城市交通對(duì)交通量的影響，既有公路交通量預(yù)測(cè)方法不大適用于城區(qū)段高速公路交通量預(yù)測(cè)。對(duì)公路交通量預(yù)測(cè)方法進(jìn)行改進(jìn)，建立了適用于城區(qū)段高速交通量預(yù)測(cè)的傳統(tǒng)公路交通量預(yù)測(cè)方法和城市交通預(yù)測(cè)方法相結(jié)合的組合預(yù)測(cè)方法。組合預(yù)測(cè)方法以成熟的城市交通預(yù)測(cè)流程為基礎(chǔ)，交通生成和交通分布階段采用兩種方法分別平行進(jìn)行預(yù)測(cè)。在交通分布／交通方式劃分階段，利用公路交通量預(yù)測(cè)方法預(yù)測(cè)所得項(xiàng)目影響區(qū)車(chē)輛od矩陣，對(duì)城市交通規(guī)劃模型獲得的分車(chē)型od矩陣進(jìn)行校正。最后利用校正后的od矩陣在城市交通規(guī)劃模型中進(jìn)行分配得到預(yù)測(cè)結(jié)果。該預(yù)測(cè)方法已應(yīng)用于廣深沿江高速沙井互通工程可行性研究交通量預(yù)測(cè)。

論文 題目bp神經(jīng)網(wǎng)絡(luò)在高速公路交通量預(yù) 測(cè)中的應(yīng)用 作者孫學(xué)毅孫學(xué)凡 指導(dǎo)老師汪海洋 帶隊(duì)老師冉北 學(xué)校名稱(chēng)欒川縣第一高級(jí)中學(xué) 摘要：本文介紹應(yīng)用bp神經(jīng)網(wǎng)絡(luò)對(duì)高速公路交通量的預(yù)測(cè)，采用 matlab神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，運(yùn)用該模型對(duì) 高速公路的收費(fèi)情況進(jìn)行預(yù)測(cè)，從而間接預(yù)測(cè)該高速公路的交通量。 abstract;thisarticleintroduceshowtousethebpneuralnetworkin freewaytrafficvolumeforecasting,adoptingthematlabneuralnetworks toolboxfunctiontobuildtheneuralnetworksforecast

分析了專(zhuān)用公路交通量預(yù)測(cè)的影響因素,把專(zhuān)用公路交通量預(yù)測(cè)分為3類(lèi):a類(lèi)機(jī)械變化交通量、b類(lèi)園區(qū)誘增交通量及c類(lèi)趨勢(shì)交通量。提出了3類(lèi)交通量的預(yù)測(cè)方法,并通過(guò)實(shí)例應(yīng)用,驗(yàn)證了預(yù)測(cè)方法的可行性。

針對(duì)傳統(tǒng)的灰色預(yù)測(cè)模型對(duì)建筑物沉降預(yù)測(cè)精度不高、擬合數(shù)據(jù)較差的問(wèn)題,在傳統(tǒng)的gm（1,1）模型基礎(chǔ)上提出了分?jǐn)?shù)階建模的思想,采用粒子群優(yōu)化算法求解最優(yōu)分?jǐn)?shù)階次,建立基于粒子群優(yōu)化的分?jǐn)?shù)階pfgm（1,1）模型.實(shí)例計(jì)算表明,分?jǐn)?shù)階fgm（1,1）模型可以提高建筑物沉降的預(yù)測(cè)精度,通過(guò)粒子群優(yōu)化算法選取最優(yōu)階次可以進(jìn)一步提高預(yù)測(cè)精度和誤差檢驗(yàn)等級(jí).由此可見(jiàn),基于粒子群優(yōu)化的分?jǐn)?shù)階pfgm（1,1）模型對(duì)建筑物的沉降控制有著重要的指導(dǎo)作用.

針對(duì)傳統(tǒng)的灰色預(yù)測(cè)模型對(duì)建筑物沉降預(yù)測(cè)精度不高、擬合數(shù)據(jù)較差的問(wèn)題,在傳統(tǒng)的gm（1,1）模型基礎(chǔ)上提出了分?jǐn)?shù)階建模的思想,采用粒子群優(yōu)化算法求解最優(yōu)分?jǐn)?shù)階次,建立基于粒子群優(yōu)化的分?jǐn)?shù)階pfgm（1,1）模型.實(shí)例計(jì)算表明,分?jǐn)?shù)階fgm（1,1）模型可以提高建筑物沉降的預(yù)測(cè)精度,通過(guò)粒子群優(yōu)化算法選取最優(yōu)階次可以進(jìn)一步提高預(yù)測(cè)精度和誤差檢驗(yàn)等級(jí).由此可見(jiàn),基于粒子群優(yōu)化的分?jǐn)?shù)階pfgm（1,1）模型對(duì)建筑物的沉降控制有著重要的指導(dǎo)作用.

gm(1,1)模型是最常見(jiàn)的灰色系統(tǒng)模型,也是預(yù)測(cè)理論體系中的一個(gè)重要分支,被廣泛應(yīng)用于各種建筑物、構(gòu)造物的變形監(jiān)測(cè)預(yù)報(bào)中。本文針對(duì)傳統(tǒng)gm(1,1)模型中存在的問(wèn)題,對(duì)模型中的初始值、背景值及時(shí)間響應(yīng)函數(shù)進(jìn)行優(yōu)化,得到一個(gè)優(yōu)化的gm(1,1)模型,并將其應(yīng)用到高速公路的沉降預(yù)報(bào)。實(shí)例證實(shí),優(yōu)化的gm(1,1)模型的模擬和預(yù)報(bào)精度比傳統(tǒng)gm(1,1)模型有顯著提高,體現(xiàn)了該模型的優(yōu)良性與適用性。

為研究我國(guó)交通事故發(fā)展趨勢(shì),在已有事故預(yù)測(cè)技術(shù)基礎(chǔ)上,根據(jù)2009-2013年全國(guó)道路交通事故發(fā)生起數(shù)、死亡人數(shù)數(shù)據(jù),建立了交通事故灰色gm（1,1）模型。運(yùn)用matlab進(jìn)行建模分析簡(jiǎn)化運(yùn)算過(guò)程,并直觀顯示曲線(xiàn)擬合情況。預(yù)測(cè)結(jié)果顯示：事故起數(shù)與死亡人數(shù)預(yù)測(cè)相對(duì)誤差分別為e1=0.0023,e2=0.0040;小誤差概率p均為1;后驗(yàn)差比值分別為c1=0.0524,c2=0.1082,預(yù)測(cè)精度均為一級(jí),短期預(yù)測(cè)精度高,能很好地預(yù)測(cè)交通事故的發(fā)展趨勢(shì)。

以宏觀動(dòng)態(tài)交通流模型為基礎(chǔ),分析了模型中各個(gè)參數(shù)之間的函數(shù)關(guān)系.給出了基于bp神經(jīng)網(wǎng)絡(luò)理論的高速公路交通流預(yù)測(cè)模型建立的方法,對(duì)高速公路進(jìn)行建模.該模型可以通過(guò)對(duì)高速公路交通流信息的實(shí)時(shí)采集對(duì)參數(shù)進(jìn)行動(dòng)態(tài)的修正,達(dá)到交通流信息預(yù)測(cè)的準(zhǔn)確性要求.