论文部分内容阅读
近十年来，中国经济稳健前行，GDP年均增长率达10.7%，这极大地推进了我国城市化的进程，也促进了机动车工业的巨大进步。由于城市道路面积有限，停车场等基础设施远不能满足机动车的快速增长，这就导致城市交通问题日趋严重，机动车保有量急剧增加所产生的交通安全、环境污染等问题引起了人们的关注。如何科学地预测城市机动车保有量并合理地限制城市机动车保有量的规模成为了交通管理和城市规划部门的重要课题。本文基于BP神经网络、时空消耗、时间序列等方法建立了机动车保有量的预警模型，实现信息的超前反馈，为及时布置、防风险于未然奠定基础，为政府及相关部门制定政策提供了理论依据和模型依据。本文的主要研究工作如下：（1）建立了基于BP神经网络的机动车保有量预测模型。机动车保有量的增长受到许多因素的影响，本文选取了包括经济、人口及道路交通在内的10个影响指标，采取了一种滚动预测的方法，利用2001年－2008年的指标对2002年－2009年的机动车保有量进行训练，利用2002年－2009年的指标对2003年－2010年机动车保有量进行测试，最后利用2003年－2010年的指标对2011年的机动车保有量进行预测。（2）建立了基于时空消耗的路网交通容量模型。利用时间序列中的一次指数平滑法对道路净面积进行预测，根据预测的2011年的道路净面积来计算2011年的路网容量。最后根据预测的机动车保有量和路网容量来求得预警系数。（3）建立了机动车保有量的预警模型，包括警情、警情系数、警情描述和总评，用机动车保有量和路网容量的比作为机动车保有量的饱和度，可以对城市未来一年的机动车保有量的饱和度大小进行预测，这样政府可以根据未来机动车保有量的饱和度的大小来对未来一年做一个合理的规划。（4）用大连市为例对建立的模型进行分析验证，根据实际的数据预测出未来两年的机动车保有量和路网交通容量，它们的比值作为机动车保有量预警模型的系数，分析城市处于哪一个级别下的警情，并判断是否需要发出警报。通过实例分析验证，基于BP神经网络的机动车保有量预警模型在一定程度上能够对机动车保有量的饱和度进行预警，能够预测城市未来机动车保有量的预警系数，从而实现超前反馈，有利于相关部门针对有可能会出现的交通问题提前做出防范。