基于MATLAB神经网络工具箱的公交出行比例预测

在分析影响公交出行比例因素的基础上,运用城市已有的交通调查资料,建立了公交出行比例的BP神经网络预测模型,并利用MATLAB环境下的神经网络工具箱开发了相应程序.预测结果表明,该模型程序具有学习能力强、预测精度高、快速方便等特点,为公交出行比例的预测研究提供了一种可供借鉴的思路与方法,同时为用地规划、公交优先政策和需求管理政策的实施提供帮助.

公交出行比例的预测与分析——以邯郸主城区为例

本文以邯郸主城区为例,通过城市交通调查资料分析,根据城市居民选择城市公共交通的内在规律．运用公交竞争力法对城市公交出行比例进行了定量分析,为公交出行预测和公交发展提供了有力的参考依据。

基于时间效益的城市公交专用道设置流量条件

为了精确分析公交专用道设置临界条件,在基本路段车速模型适用性分析的基础上,引入公交车流量、社会机动车流量、公交车比例等参数,分别建立了改进的混行机动车运行速度模型和设置公交专用道后机动车运行速度模型,并选取单向三车道路段进行实验调查,用采集的数据对改进模型进行标定.运用改进的模型,对公交专用道设置前后车辆运行速度差异性的分析可以发现,随着路段车流量(饱和度)的变化,车辆速度差异的变化呈现无差异、差异变大两个显著的阶段.进而从总出行时间的最小的角度,建立时间效率模型,用于计算设置公交专用道的临界条件.试算结果表明在公交比例较小时公交专用道设置的临界条件低于传统标准,公交比例较大时公交专用道设置的临界条件高于传统标准,公交比例变量的引入有助于细化公交专用道设置的临界条件.

铁路客运站站前公交车场规模预测方法

在分析铁路客运站站前公交车场规模影响因素的基础上,根据铁路客运站高峰小时到发客流量、接送人流、铁路系统内部换乘系数以及客运站城市人流等确定高峰小时站前总客流量,利用可变权重的广义费用函数建立站前公交分担率计算式,从而测算高峰小时站前公交车场的客流量及其需要的公交车数量;分别对站前公交车场及其公交站台的布局形式进行分析,进而根据公交候车区面积、公交停车区面积、公交换乘区面积和公交换乘区车道面积确定站前公交车车场的基准面积;利用数理统计学方法确定环境空间比以及附加面积系数,建立站前公交车场规模预测模型。以此模型对高铁武汉站的站前公交车场的规模进行预测,并与实际公交车场规模进行对比,验证了预测模型具有较高的准确性。

基于人工神经网络的商业网点交通方式研究

针对商业网点的交通方式构成特性,首先分析了影响交通方式选择的因素,在北京市商业网点的调查数据基础上,利用人工神经网络强大的非线性映射能力和泛化功能,建立了公交出行比例预测的神经网络模型,并定量地分析了影响因素值的改变对公交比例的影响,预测了在不同策略下商业网点公交出行比例的变化情况.