基于最小二乘支持向量机的地铁车站客流预测

以地铁车站客流监测数据为分析基础,给出基于Bayes理论的地铁车站客流数据曲线自适应特征提取流程和方法,通过特征指标的提取和优选,选择4个特征指标组成地铁车站客流预测模型的特征输入向量。在提出的基于最小二乘支持向量机的地铁车站客流预测算法中,采用修剪算法,通过实例分析证明:基于最小二乘支持向量机的地铁车站客流预测算法具有较强的自学习能力和较高的预测准确率。     

基于技术扩散的客流预测

旅游客流预测是旅游开发的基础研究内容,同时旅游客流具有动态的变化性和影响因素的多样性等特征,使得定量的描述和预测旅游客流具有较大的难度。有鉴于此,本文综合技术扩散理论和区位论等理论,根据技术扩散的思想,在区域选择分析的基础上建立了具有较强实用性的客流动态预测模型。     

基于出行链特征的地铁换乘公交客流概率区间预测（英文）

为精准分析地铁换乘公交客流的时变差异波动范围,提出应用概率区间预测模型预测换乘客流量.首先,对公交和地铁数据处理与关联匹配,构建公共交通出行链提取的数据基础.然后,利用判别换乘关系的合理匹配阈值方法提取公共交通出行链,分析基于出行链的出行基本特征,获取地铁换乘公交客流量.接着,针对点预测精度不够等问题,提出采用DeepAR模型开展区间预测,其中输入为换乘客流量,输出为预测的客流中值和客流区间,预测场景有工作日、非工作日、工作日早高峰以及晚高峰.其次,为减小预测误差,利用粒子群算法(PSO)优化DeepAR模型,构建PSO-DeepAR组合模型.最后,利用北京西直门地铁站数据进行验证.结果表明,PSO-DeepAR模型预测准确,90%置信区间覆盖率最高能达到93.6%.     

改良马尔可夫模型在节假日客流预测中的应用

选取上海城市轨道交通国庆假期客流数据为研究对象,使用指数平滑法与马尔可夫组合模型对国庆假期上海地铁短期客流数据进行预测,并结合影响客流预测的相关因素对精度较低的预测结果进行修正,最后利用粒子群算法进一步改良了模型.实验结果表明,经过改良的指数平滑法与马尔可夫组合模型在10月1日、2日、3日、4日客流预测上的平均绝对值误...     

基于改进MD模型的川藏铁路诱增客流预测方法（英文）

针对传统MD模型由于假设出行时间价值和出行效用服从固定的概率分布导致对诱增客流预测研究存在一定局限性,提出一种基于前景理论改进MD模型的诱增客流预测方法.研究结合川藏客运通道的实际交通流量调查数据,采用改进MD模型预测川藏铁路沿线地区的客流总量和诱增客流量.最后,将改进MD模型分别与传统MD模型和Logit模型对比,并分析前景理论中的参数取值对预测结果的影响.结果表明,Logit模型预测结果比改进MD模型预测结果大8.5%,传统MD模型比改进MD模型预测结果大3.7%,但是各方式的预测结果差值都在10%以内.前景理论中的参数取值对客流预测结果有很大的影响,尤其体现在易变型和保守型两类出行者,预测差异达到23%.     

基于Nested Logit模型的城市轨道交通客流转移研究

为提高轨道交通客流转移预测精度,以乌鲁木齐市居民出行方式选择行为的SP调查(stated preference survey)数据为基础建立Nested Logit模型,考虑交通信息及居民出行方式选择习惯等因素,对城市轨道交通客流转移进行实证研究。研究结果表明,考虑各交通方式之间相关性的Nested Logit模型可以有效地预测新增轨道交通后各出行方式的出行分担比例;交通信息准确度和出行者通常选择的出行方式显著影响着居民的出行方式选择,一定程度上反映了交通信息及居民出行方式选择习惯对轨道交通客流转移的影响;轨道交通1号线和2号线建成后,预测可承担居民34.7%的出行。通常选择出租车出行的居民倾向于向轨道交通转移,常规公交和出租车的出行比例大幅减少,而私家车出行比例减少幅度最小。该研究为轨道交通的建设和运营管理、常规公交线路调整以及交通结构优化提供了有效的理论依据。     

基于灰色改良模型的城市轨道交通客流预测研究

为缓解日益增长的城市轨道交通拥堵,避免由此导致的一系列事故发生,以上海地铁客流数据为研究对象,基于灰色理论对上海地铁短期客流数据进行预测,并采用Holt双参数指数平滑法优化传统的灰色新陈代谢预测模型,建立灰色改良新陈代谢模型.实验结果表明,优化后的灰色预测模型在普通工作日、特殊工作日和周末客流量预测上的方差比分别为0....     

交通大数据的特征及价值

当前,城市交通正面临着安全、堵塞、环境污染三大难题。随着云计算、物联网、移动互联网、大数据等新兴技术的发展,城市交通进入智能化阶段。而智能化实现需要利用各种技术获取有价值的数据资源,提供决策依据。交通大数据为交通决策与服务带来了新的解决思路和方法。     

基于驱动模式的芜湖市旅游客流优化研究

旅游客流作为旅游产业链的基础,其重要性日益突出,因此旅游客流驱动模式研究已成为旅游界研究的一个新热点。通过对芜湖市旅游客流统计资料的科学分析,归纳出其客流驱动模式,在此基础上构建一种系统性的客流驱动优化模式—客流综合驱动模式。     

一种基于数据平滑技术的回归预测算法

在基于固定窗口宽度滑动窗口模型的基础上。提出了一种基于回归参数存储的预测模型,该模型设置了计算区、数据区和参数区。计算区用于获得最近一个滑动窗口中的数据。数据区用于接收新数据,参数区存储最近若干组滑动窗口数据所计算得到的线性回归参数值,作为计算预测结果的原始数据集。按照这种模型的处理思路。提出了一种基于数据平滑技术的回归预测算法,随着窗口的滑动。对数据区中的数据进行回归分析,获得前面若干组滑动窗口数据的回归函数并存入参数区中,检验当前窗口中数据获得的回归函数预测效果。实验分析表明。通过修正当前回归函数的参数。可以使预测函数的预测精度得到很大程度的提高。     

基于 WOA-GRU 的销售预测研究

防晒用品属于快速消费品,其销售情况受季节变动影响,具有非线性特征。人工神经网络强大的学习能力使其在销售量预测领域显示出非线性预测的应用优势。作为新兴智能算法,鲸鱼群算法具有快速收敛、全局优化等特点。为精准预测上海某化妆品公司防晒产品销量,基于鲸鱼算法,构建优化网络权值的门控循环神经网络模型。实验结果表明,经鲸鱼算法优化后的门控循环神经网络训练相对误差比优化前降低 0.6 个百分点,测试相对误差比优化前降低约 2 个百分点。     

基于Hedonic模型的城市轨道交通对沿线房价的影响研究——以郑州地铁1号线为例

选取了郑州地铁1号线沿线21个住宅楼盘,分析了城市轨道交通对沿线楼盘房价的影响,采用Hedonic模型,从建筑特征、区位特征、邻里特征三个方面选取了11个因子分析其对房价的影响。研究结论得出:建筑面积、物业费等因子对房价的高低有显著的影响,除距地铁口距离这一因子与房价呈负相关外,其余4个因子均与房价呈正相关关系。根据分析结果从政府、开发商、购房者三个不同的角度提出对策与建议。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。     

一种基于多特征融合的俯视行人检测与跟踪方法

针对俯视的行人,提出一种基于俯视行人特征、矩形分块特征、颜色均匀特征等多特征融合的行人检测和跟踪方法。该方法主要由4个部分组成：运动检测、目标识别、目标跟踪建模、目标跟踪。系统在整张图像上用检测窗遍历扫描的方式检测是否含有人头目标,每次移动都是在原图像的一个采样,将所有候选目标都依次检测,保留目标图像;同时,对检测到的目标重新建模以便后续跟踪;最终利用MeanShift算法跟踪检测到的目标。实验表明：该算法精度高、速度快,能有效避免漏检、误检等情况,可以很好地适应复杂场景下的行人检测     

基于BP神经网络的交通事故预测

交通事故的发生因受随机因素的影响而呈现出不确定性和非线性的特点。在分析交通事故与人口、车辆、道路、经济发展等因素关系的基础上,综合考虑影响交通事故的多种因素,建立了BP神经网络。进而,选取总人口、机动车驾驶员人数、公路密度、民用车辆、人均GDP作为交通事故预测模型的输入向量,以交通事故的四项指标作为输出向量,利用LM算法或GALM算法优化的BP神经网络模型对交通事故进行预测。实验表明,GALM算法优化的BP神经网络模型与BP神经网络或LM算法优化的BP神经网络相比,具有较高的精度和较快的收敛速度,能更好地适用于交通事故预测。     

基于PredRNN的蓝藻时空序列预测实验方案设计

该文采用Pred RNN技术设计了蓝藻时空序列预测综合实验方案,可为湖泊蓝藻治理提供有效参考。实验利用Python语言,在Pred RNN算法基础上,构建蓝藻时空序列预测系统。整个实验方案包括蓝藻NDVI（归一化植被指数）图像数据预处理、蓝藻数据集划分、时空序列预测模型训练、预测模型测试与彩色化显示5个模块,并通过对比实验说明了PredRNN算法用于蓝藻时空序列预测的可行性和实用性。该实验方案的设计可帮助学生熟练掌握Python编程技能,有利于提升学生对图像处理与计算机视觉知识的综合应用能力,实现计算机视觉课程教学理论至实践的延伸,强化教学与科研的有机结合,提升学生的科研素养,促进计算机视觉课程的建设。     

基于API的疾病预测系统数据导入研究

为了解决疾病预测系统在机器学习过程中数据导入效率不高、易出错、难以审计的缺点,提出一种通过API导入数据的方法.该方法基于SOAP和RESTful API技术,可实现跨编程语言的数据远程调用,最终实现数据集从数据库自动导入到机器学习服务器.实验结果表明,用10万条16字段的数据集测试,相对于基于文件导入方式,后者导入医...     

云计算环境下改进蚁群算法对资源搜索的应用研究

云计算是一种新兴的资源使用和计算交互模型,对于用户提出的服务需求,要对大量的计算资源进行搜索,以寻找最优资源。如何高效搜索计算资源成为云计算模型中所要解决的问题。针对蚁群算法的缺陷,改进了信息素更新策略,改进了状态转移概率,引入了拥挤度的概念,改善了算法的全局寻优能力。     

基于BP神经网络模型的商品房价格预测研究

鉴于目前商品房价格预测方法存在的问题,在分析影响商品房价格主要因素的基础上,提出采用BP神经网络建立商品房价格预测模型,利用果蝇-蛙跳算法优化BP网络初始权值和阈值等结构参数,选取某城市2000～2018年的商品房价格及其主要影响因素数据作为训练样本和测试样本.通过仿真分析表明:BP神经网络模型经过果蝇-蛙跳算法优化后能加快网络的收敛速度,提高商品房价格预测的精准度,对于政府部门进行房价宏观调控以及房产企业的运营管理都具有一定的参考价值.     

预测控制算法的研究现状与展望

预测控制是一种新型的控制算法,该算法最早是在20世纪70年代由Richalet.J在其论文著作中提出.随着控制技术的不断发展以及学者的不断研究与应用,如今预测控制的相关研究已经逐渐趋近于成熟.通过对预测控制的发展和预测控制算法的现状进行探讨,主要包括理论研究与应用研究的分析、算法分析等内容.阐述了当前预测控制在工业控制领域中的发展、算法的现状和今后的研究展望.