跨海大桥交通事件特征分析与预测方法

本文基于某跨海大桥交通事件及流量数据,分析了跨海大桥流量和交通事件时间特征,选用SARIMA模型在时间序列上开展了线性拟合,考虑流量和车型比例对事件数的影响,结合SVM模型对时间序列开展了非线性逼近,采用基于季节性差分自回归滑动平均(SARIMA)模型和支持向量机(SVM)模型,运用最优加权法确定组合模型的权重系数,建立了基于SARIMA模型和SVM模型两种单一预测方法的最优加权组合预测模型,对跨海大桥交通事件数做出趋势预测。结果表明:交通事件时间序列呈现出较为明显的趋势性、周期性和季节性规律,同时受流量及各车型比例的影响;最优加权组合模型综合利用了SARIMA模型、SVM模型的有效信息,均方根误差(RSME)降低到1.94,预测精度优于单一模型,可为跨海大桥交通安全预测与评价提供理论依据。     

组合预测模型在铁路集装箱运量预测中的应用

根据我国铁路集装箱运输发展,研究构建集装箱运量预测模型和方法.基于1999-2008年铁路集装箱运量历史数据和GDP数据,分别选用回归分析模型、灰色系统预测模型、BP神经网络预测模型,预测2009-2014年铁路集装箱运量,根据各方法的误差确定权重,进行了运量组合预测.组合预测模型能在一定程度上提高预测精度,对铁路集装箱运量预测是可行的.     

基于线性回归-马尔可夫模型的铁路客运量预测

随着我国经济的快速发展和社会进步,旅客出行更加注重运输的便捷性、舒适性、安全性等,客运量规模和增长速度是衡量铁路运营效果的一项重要指标。在分析各种客运量预测模型的基础上,通过对线性回归预测模型的结果进行马尔可夫链改进,可以提高铁路客运量预测的准确性,但回归-马尔可夫预测模型的应用还需要不断完善。     

基于马尔可夫理论的铁路安全管理的研究

在分析人—机—环境理论与事故树分析法在铁路运输安全管理中的应用的基础上,提出利用马尔可夫理论建立模型,预测铁路运输系统的安全状态,对造成安全事故的各种可能因素,根据不同的概率值加以区别对待,从而有效降低事故发生的可能性。最后通过实例验证,说明此模型是可靠、实用的,对铁路安全管理有一定的借鉴作用。     

基于IOWA组合模型的高速铁路客运量预测研究

准确预测高速铁路客运量,对铁路资源配置及经营管理具有重要作用。在考虑高速铁路客运量存在多重相关性影响因素和灰色特性的基础上,运用偏最小二乘回归模型和灰色GM(1,1)预测模型对我国高速铁路客运量进行预测,通过采用IOWA算子,依据单项预测方法在样本区间上各个时点的预测精度从高到低按顺序赋权,以误差平方和为准则构建IOWA组合预测模型,并运用该模型对"十三五"期间我国的高速铁路客运量进行预测。预测结果表明,IOWA组合预测模型能提高预测精度。     

运用前向神经网络法预测铁路客运量

为提高铁路客运量的预测精度,应用一种非线性预测方法:多层前向神经网络建立铁路客运量预测模型。在介绍误差修正学习算法和误差反向算法的基础上,通过预测实例计算,与其他3个常用预测模型:多元回归模型、简单移动模型和平均移动模型进行预测比较,结果表明误差反向算法的多层前向神经网络模型预测精度最高。     

基于支持向量周期回归的机场加油量预测

本文精确地预测各机场短期加油量,可帮助航油公司确定采购量和库存量,从而达到降低成本的目的。在分析了影响机场加油量的主要因素之后,以支持向量机回归理论为基础,带周期的支持向量回归机被提出,并对机场加油量时间序列进行预测,同时将该预测结果与其他方法的预测结果进行了比较。研究表明,带周期的支持向量机回归比传统预测方法对机场加油量时间序列有更高的预测精度。     

基于并联灰色—线性回归组合模型的客运量预测

对铁路客运量准确的预测与分析是铁路部门进行相关决策和判断的依据,为此运用灰童色模型—线性回归组合预测方法,对武昌站2008—-2012年的客运量进行预测.预测结果和单一模型相比,组合预测模型考虑的影响因素较多,可操作性强,预测数据综合了内外因素影响,预测结果较为可靠。可作为决策判断的依据。     

铁路行车安全信息系统设计探讨

在阐述铁路行车安全信息系统设计背景的基础上,针对建立全路行车安全信息数据库、实现安全信息快速检索、提供预警及辅助决策、实现大数据分析及预测、储备后续事故认定信息等设计目标,从系统的工作原理、总体方案、用户权限、功能框架等方面构建铁路行车安全信息系统,实现安全风险预警及辅助决策和安全管理水平分析评价,对提高运输调度指挥应急处置能力、指导制订相关行车设备维护方案等精细化管理工作具有重要现实意义。     

基于灰色马尔可夫链模型的铁路客运量预测研究

阐述灰色马尔可夫链预测模型原理,根据灰色预测思想和马尔可夫链预测思想,将灰色GM(1,1)预测模型结合马尔可夫链状态转移,能较好地反映铁路客运量的发展规律。通过对我国铁路客运量预测的实证分析,说明灰色马尔可夫链预测模型对于具有一定波动性和随机性的铁路客运量有较高的预测精度。     

基于人工鱼群算法的电网物资需求预测

为满足电网建设项目物资需求管理的发展要求,在现有企业资源计划(ERP)系统完成上线并能够提供初步数据支持的基础上,针对如何依据电网建设项目里程碑计划中的基本工程建设指标,合理预测物资需求的问题,借助支持向量机模型(SVM)和人工鱼群算法(AFSA)构建了电网建设项目物资需求预测模型。在支持向量回归机的基础上,融合添加混沌搜索后的改进工鱼群算法,优化了向量机核函数选取和参数设置,通过省级电网建设项目物资需求历史数据测试,模型预测结果满足实际使用要求,能够有效解决电网建设项目物资需求预测的问题。     

对现行铁路行画事故分类的思考

就铁路步入社会主义市场经济后，铁路行车事故分类如何与之相适应，提出铁路行车事故应严重按人、财、物的损害程度进行最化分类，使铁路行车事故的定性更趋合理，确切、，从而对安全管理、安全意识、工作责任心的加强和纠正事故处理中的不正之风起到促进作用。     

加强非正常情况下铁路车站行车安全管理

非正常情况主要是指铁路车站由突然发生的危及运输安全的条件和环境变化所引起的情况.其主要包括发生行车设备故障而影响行车秩序,引发行车组织变化;发生铁路交通事故,需要应急处置和事故救援;出现风、雪、雾等不良天气,直接威胁运输安全,需要采取特定的行车组织方式;营业线和临近营业线施工,造成行车条件变化或施工中对运输安全构成一定的威胁.     

我国铁路旅客发送量预测模型研究

采用2006—2010年我国铁路旅客发送量月度数据,建立模型进行时间序列分析,选用求和自回归移动平均模型(ARIMA)拟合原始观察值序列,并使用PASW Statistics 18统计软件辅助完成建模。通过对2010年3—12月铁路旅客发送量进行预测,说明ARIMA模型有比较好的预测效果,可以为提升铁路营运水平提供预测理论和依据。     

铁路行车人因事故的不安全行为研究

根据对2008—2013年铁路行车人因事故的剖析,采用灰色关联分析法研究导致铁路行车人因事故的不安全行为,得到6项主要不安全行为,即未遵守规则、未发出正确操纵信号、间断瞭望、确认不到位、采取了错误行动和未及时采取行动。最后,从强化安全生产确认制度、加强员工心理健康、加强行车安全风险管理及创新行为安全培训形式4个方面提出防控不安全行为的对策,为防控行车人因事故的不安全行为提供参考。     

铁路行车事故相关痕迹的研究与探讨

铁路是国民经济的大动脉，高速行驶的列车一旦发生事故，不仅会给国家和人民生命财产造成巨大损失，而且对杜会安定也会产生较大影响。参与对已发生的行车事故的调查，澄清事故的性质和原因，查明犯罪嫌疑人和责任者，是铁路公安机关的重要任务之一。     

包神线责任事故的分析与思考

通过对包神线1998-2007年10年间发生的责任事故的分析,找出铁路行车事故发生的规律性原因,提出更新观念,探索规律,努力构建科学合理的安全管理体系;加大投入,勇于创新,坚持走科技保安全的管理新路;因材施教,提高素质,充分发挥人在安全管理中的主观能动性等加强铁路行车安全的建议和对策.     

铁路行车安全智能辅助决策系统构建研究

基于铁路行车安全智能辅助决策系统的构建，提出了系统的设计思想及系统体系的结构。并对系统主要实现的行车安全信息管理；行车安全评价、安全隐患诊断与预警；行车事故原因分析；自然灾害事故抢修辅助决策等四大功能进行细分。最后得出系统构建的关键技术。     

交通能源需求预测的支持向量机模型研究

交通能源需求系统是一个复杂多变量的非线性系统.我国交通能源时间序列数据存在着高度的非平稳性和非线性,这使线性方法建立的交通能源需求模型受到了严峻的挑战.在这种情况下,非线性模型就引起了人们的广泛关注,为此根据交通能源时间序列数据的非线性特征,运用支持向量机理论构建我国交通能源需求模型,进行实证分析.并对比分析了基于非线性的支持向量机模型和基于线性的协整与误差修正模型,结果表明,前者比后者具有较高的预测精度.     

基于误差融合模型的地铁车站客流监测方法研究

针对城市轨道交通拥堵问题和智慧地铁发展要求，提出了一种基于误差融合的城市轨道交通短时客流预测模型。采用灰色关联分析方法对客流关键影响因素进行识别，基于线性回归模型对车站客流进行预测，并进一步利用神经网络模型对预测误差进行修正，以广州地铁十八号线某站的进、出站客流数据为例进行案例研究。研究结果表明：与传统统计模型及单一的神经网络模型对比，基于误差融合的短时客流预测模型均方根误差分别降低了38.0%与29.6%，平均绝对误差分别降低了46.4%与35.1%，证明了该模型在短时客流预测方面的准确性、可靠性，为地铁车站客流监控提供了技术支撑。