交通量调查与分析英文版.pptVIP

2.假设是泊松分布 根据矩估计 3.拟合优度检验 时间序列法 时间序列预测法是以历史事件、序列数据为基础，用概率统计的方法尽可能减少偶然因素的影响，运用一定的数学方法使其向外延伸，预测未来发展变化趋势的一种方法。 所谓时间序列，就是同一变量的一组观察值，按其发生的先后次序予以排列。他的发展变化是有着一定规律的，一个实际发生的时间序列经过分析整理，大体上可看出其包含三类变化：方向性、周期性、随机性。 预测方法有平均法、移动平均法、指数平滑法、趋势外推法。 简单平均法是以历史数据的算术平均数、加权算术平均数和几何平均数等直接作为预测值的预测方法，这类方法模型简单、使用方便，因而是一类相对简单的预测方法，他们一般是用于短期或近期预测。 移动平均法是以预测对象最近一组历史数据（实际值）的平均值直接或间接地作为预测值的方法。当预测者得到每一个新的历史数据时，就可以计算出新的平均值用作预测，因而，我们称这种预测方法为移动平均法。他可分为一次移动平均法和二次移动平均法。 指数平滑法是利用对历史数据进行平滑来消除随机因素的影响，这种方法只需要本期的预测值便可预测下一期的数据，因此，不需要保存大量的历史数据。 趋势外推法利用各种已知规律对原始数据进行拟合，利用拟合规律向外延伸进行预测。 灰色预测 灰色系统理论研究的是信息不完全的对象，内涵不确定的概念，关系不明确的机制。在数据处理上提出“生成”的方法（累加或累减生成），通过生成使数据列的随机性弱化，从而转化为比较有规律的数据列，将随机过程变为便于建模的灰色过程。 当以时间序列无明显趋势时，采用累加的方法生成一趋势明显的时间序列，按该序列增长趋势建立预测模型，并考虑灰色因子的影响进行预测，然后采用“累减”的方法进行逆运算，恢复时间序列，得到预测结果。 回归分析预测 回归分析预测法就是对其中具有相关关系的变量，通过数理统计方法建立起变量间的回归方程，从而对变量间的密切程度进行描述，并实现对变量回归的估计和测定，进而应用回归方法进行预测。 回归分析的主要步骤如下： 1）收集资料：通过调查分析，确定待预测变量可能的相关因素，并收集和处理这些因素的相关统计资料； 2)初步建立预测模型：应用运输系统的相关知识及实践经验对预测目标和其影响因素做定性分析，确定是否存在相关关系，若存在，选取回归模型。 3）计算模型中的参数：根据最小二乘法估计参数，求出回归方程； 4）检验模型，确定回归预测模型：由于任意给定样本值，都可以建立一个回归方程，根据所给的样本所建立的回归方程不一定反映事物发展的内在规律。因此，在运用回归方程进行预测之前，必须对回归方程和回归系数进行检验； 5）利用模型进行预测：根据需要，利用模型进行预测，并讨论预测结果的置信度。 马尔科夫法预测 马尔可夫过程是研究事物状态及其转移的理论。他是通过对不同状态的初始概率以及状态间转移概率的研究，来确定状态的变化趋势，从而达到预测未来的目的。 马尔可夫过程的特点是：当过程在时刻t0所处的状态为已知的情况下，过程在时刻t所处的状态与过程在时刻t0之前的状态无关。 状态转移概率矩阵 假设预测对象可能处在s1,…,snn个状态中，而且每次只能处在一个状态中，则每一状态都具有若干转移状态（包括转向自身），即期转移概率P(Si---Sj)=P(Si|Sj)=Pij 转移矩阵 稳定状态概率是指系统在一定的一次转移概率条件下，经过多次转移，处于某种状态的概率趋向一个常数。 一次链状相关预测法 1、划分状态 2、初始概率 3、一次转移概率 4、预测 交通量状态分为三种状态，快速发展（增长20%）、一般发展（10%）、缓慢发展（5%）。根据专家经验，状态转移概率表如下，是预测第2005年的路面状况。 Flow direction position In out traffic volume component 例1 交通量的计算 在某路段上观测车流，经过统计得到表1每分钟来车资料，试求出该路段平均小时交通量。 解：1、计算每分钟的发生频率和绘制频率曲线图。 1 1 3 5 8 10 25 30 5 8 7 6 5 4 3 2 1 0 2、根据大样本总体均值的区间估计可知：每分钟来车数的平均值为： 计算结果：m=1.92---2.62 每小时平均交通量为：115---157（辆/小时） 例题2：路段点交通量分析 对一县城某个路段的交通量进行了24小时连续观测见表2和表3。交通量未分向，为双向交通量。请对观测数据进行分析。 当量交通量计算 时间分布分析 交通组成分析 交通指标分析 综合分析 当量交通量计算 以小型汽车为标准汽车计算，各种车辆的换算系数如下： 普通汽车：2.0 铰接车：3.0 拖拉机：2.0 机动二、三轮车：0.8