公交線路客運量預(yù)測研究背景目的意義及現(xiàn)狀-wenkub.com
2025-08-06 01:29 本頁面
【正文】 綜上，因果法和外推法各有優(yōu)缺點，由于公交營運受人口流動、天氣變化等多種因素的影響和制約，公交客運量變化是動態(tài)的，波動也比較大。不足在于未能考慮影響客運量變化的客觀因素，且不適用長期預(yù)測。得到了與實際相符的結(jié)果，并且擬合度及預(yù)測精度較高。具有周期波動項的離散預(yù)測模型黃文韜、徐安農(nóng)和劉繼光認為客運量的變化趨勢不僅包含長期變動趨勢，而且含有固定周期的周期波動趨勢，在2000年3月提出客運量函數(shù)由長期趨勢函數(shù)和相對波動函數(shù)構(gòu)成。AR模型通過前多個時刻的觀測值與當(dāng)前時刻隨機擾動的線性組合來表現(xiàn)當(dāng)前值。在迭代的每一步中，該方法用捕捉到的上一步的誤差信息對預(yù)測因子向量和系統(tǒng)本身的狀態(tài)向量不斷地進行修正，從而力求在有噪聲項的情況下，使估計的參數(shù)向量趨于最優(yōu)，以準確的預(yù)測。其模型理論充分，既能反映居民出行與城市土地使用數(shù)據(jù)之間的關(guān)系，又能反饋不同交通方式相互作用對客流分布的影響。Jonas Butkevicious, Mindaugas Mazura等人在分析立陶宛公共交通客運量的基礎(chǔ)上，綜合考慮國家收入居民平均月收入、居民薪水和支出等因素，預(yù)測函數(shù)由周期內(nèi)的趨勢函數(shù)和部分因素引起的隨機函數(shù)，利用多元回歸模型預(yù)測城市和郊區(qū)公交出行量以及鐵路客運量。預(yù)測的精度也較好，平均在10%左右。楊新苗等人將影響客流量的部分因素，如天氣、節(jié)假日融入到系統(tǒng)中，并經(jīng)過隸屬函數(shù)處理，生成規(guī)則判斷所需的語言變量。各種預(yù)測模型的優(yōu)缺點總結(jié)如下：模糊神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)的信息分布式存儲在權(quán)系數(shù)中，具有集體運算和自適應(yīng)學(xué)習(xí)的能力。因此，從公交營運自身出發(fā)，根據(jù)公交營運數(shù)據(jù)規(guī)律，結(jié)合影響公交客流的可以量化的因素，研究出適合公交營運的客流預(yù)測模型，才是解決公交行業(yè)中生產(chǎn)計劃和實際營運較大偏差的根本出路。因此，城市公交線路上客運量的分布規(guī)律和變化情況，是生產(chǎn)任務(wù)計劃制定、線路運力配置、車輛管理調(diào)度、服務(wù)水
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1