交通出行预测的神经网络模型

针对交通出行集计预测模型的缺陷,结合神经网络在非线性关系映射方面的优势,本文提出了交通出行预测的BP神经网络模型。作者在对BP神经网络的结构和算法进行分析的基础上,研究了交通出行预测BP神经网络模型的影响因素、模型结构和模型数据,并采用实际调查数据对模型进行了检验和应用。研究结果表明模型预测精度较高,既有很强的理论优势和解释性,又有良好的操作性。最后,文章讨论了下一步的研究方向。

特大城市交通出行预测:中国面临的挑战与机遇

作为城市交通规划的一个重要组成部分,城市交通出行预测的发展已经走过了60年。最初的研究工作于20世纪50年代在北美展开,随后延伸到欧洲、澳大利亚、新西兰和南美洲以及中国等发展中国家。作为一个相对成熟的领域,交通规划依然包含着许多新的研究方向,同时专业人员在正确合理的使用商业软件方面还有一定的困难。中国正在经历高速的城市化进程,这意味着对道路、公交系统、机场以及城际间高速公路建设有大量的投资。合理的投资决策需要对未来中国交通拥挤的都市进行出行预测。为了更好的了解中国交通出行预测的发展现状,笔者和几个大城市的交通规划部门以及大学的相关院系进行了探讨和交流。此文的初衷是记录下从会谈中所获得的有普遍意义的发现与印象,以及提供给参加讨论者的意见。

基于多尺度时空图卷积网络的交通出行需求预测

满足公众高质量出行需求是智能交通系统(ITS)的主要挑战之一。目前,针对公共交通出行需求预测问题,现有模型大多采用固定结构的图描述出行需求的空间相关性,忽略了出行需求在不同尺度下具有不同的空间依赖关系。针对上述问题,提出一种多尺度时空图卷积网络(MSTGCN)模型。该模型首先从全局尺度和局部尺度构建全局需求相似图和局部需求相似图,这2种图可以捕获公共交通出行需求长期内较为稳定的全局特征和短期内动态变化的局部特征。利用图卷积网络(GCN)提取2种图中的全局空间信息和局部空间信息,并引入注意力机制融合两种空间信息。为了拟合时间序列中潜藏的时间依赖关系,利用门控循环单元(GRU)捕捉公共交通需求的时变特征。采用纽约市出租车订单数据集和自行车订单数据集进行实验,结果表明MSTGCN模型在自行车订单数据集上均方根误差(RMSE)、平均绝对误差(MAE)和皮尔逊相关系数(PCC)达2.7886、1.7371、0.7992,在出租车订单数据集上RMSE、MAE、PCC达9.5734、5.8612、0.9631。可见,MSTGCN模型可以有效地挖掘公共交通出行需求的多尺度时空特性,对未来公共交通出行需求进行准确预测。

基于状态空间模型的动态交通出行量预测研究

在现代交通管理中,短时交通信息预测有着非常重要的地位。动态交通出行量作为重要的交通信息之一,对其进行预测研究可以丰富短时交通信息预测的理论研究,为提前实施相应的交通管理策略,引导交通需求,提高路网利用效率提供数据支撑。本文在总结动态交通出行量反推理论的基础上,构建了用于动态交通出行量预测的状态空间模型,描述了卡尔曼滤波算法。最后将模型和算法应用到南京某路网进行预测计算,结果表明所构建的模型具有较高的预测准确性。

“四阶段法”在广州开发区公共交通需求预测中的应用研究

采用基于VB编程的"四阶段法"对广州开发区公共交通需求进行了预测。交通生成预测采用生成率法进行交通发生和吸引量的预测;而交通分布预测则采取增长率法中的弗雷特法;对于交通方式划分根据宏观与微观相结合的思路,采用单约束重力模型来进行开发区未来各规划年交通方式结构的预测;利用前面3个预测数据得出公共交通出行预测。公交出行OD矩阵的得出是广州开发区公交线网规划的依据。利用计算机语言VB开发了相应的计算程序,对相应的预测阶段进行具体的计算。

基于四阶段法的兰州市雁滩商业圈交通需求预测

交通需求预测是交通影响分析和区域规划中的重要组成部分,可以提前消除和避免一些交通隐患和交通问题。兰州市雁滩商业圈作为兰州市重要的新型商业圈,由于发展速度快、建设规模大,对周边的交通产生很大影响。利用四阶段法,得出交通需求预测结果,该结果能够直观地表示出未来规划年潜在的交通出行量,为雁滩商业圈新建企业的交通影响评价及城市区域规划提供理论依据和指导。

基于神经网络模型和多项式Logit模型的学生出行方式影响因素分析

为了更好地解决学生上学安全问题,对安全程度、出行成本、家校距离、家庭位置等多因素共同作用下的上学出行方式选择行为进行了研究。建立了神经网络模型和多项式Logit模型,结果显示神经网络模型可以更好地预测人们在学校旅行中的选择,但是多项式Logit模型更能体现影响因素与结果的关系。因此在制定更加合理的交通发展战略时应参考多项式Logit模型。

Research on Behavior on Travel Mode, Going to Metro Station at Ho Chi Minh City

This research presents an analysis of travel mode choice for trips to Ho Chi Minh City metro station. Research methods were inherited through a formula to calculate passenger traffic forecasts to predict passengers, going to the station. Based on the collected data of interviews, traffic surveys, and ＂Irwin ＆ Von Cube＂ function, forecast the proportion of travel mode, and use to go to the station and leaving from the station. The results of study are used for the purpose of calculating the size of the metro station parking lots and parking layout plan.