试论公路交通客运量预测方法

熊梅

摘要：我国随着改革开放的步伐正在变得越来越繁荣富强，社会基础设施建设越来越完善，道路交通也变得越来越便捷舒适。在我国城市化程度不断提高的同时，道路交通运力面临的压力也急剧加大，如何解决好城市道路交通的客运需求问题，成为各大城市所要面对的沉重挑战。因此，掌握公路交通客运量情况对于解决该问题显得尤为重要。对公路交通客运量实施预测，可以为交通部门的道路管理提供直接的依据。在众多预测方法中，利用最小二乘支持向量机方法提出的一种新方法对我国目前的国情比较适合，其相对于其他预测方法主要有：较高的精确度，较快的计算速度等优势。

关键词：公路交通 客运量 预测方法 最小二乘支持向量机

随着我国经济的快速增长，城市化程度的快速提高，城市正变得越来越拥挤，面临着日益严重的交通拥堵，交通秩序混乱等问题。解决城市道路交通存在的严峻问题已经得到政府的高度关注。

公路交通客运量预测是交通部门公路交通管理规划的前提。从预测数据中的分析中，可以得出公路交通日益拥堵的根本原因。进而可以采取相应的措施，加以应对。预测结果的好坏最主要是取决于选择的计算模型。交通客运量的预测，有相当多的方法可供选择，这些不同的方法分别从各种角度对交通客运量进行研究。最小二乘支持向量机是标注支持向量机的一种新的扩展。其最大的特点是利用平方来优化指标，利用等式替代传统的不等式作为约束条件，通过对线性方程组的直接求解即可得到想要的解集。该方法抗干扰能力强，计算简单，求解迅速，很适合运用在道路交通客运量预测的问题上。

本文通过对传统型的“四阶段”预测方法对道路客运交通客运量进行分析，得出预测的总体思想，并用最小二乘支持向量机方法创建一种新的预测模型。

一、“四阶段”预测法

道路交通客运量预测目前采用较多的“四阶段”预测法，具体思想是：出行生行，出行分布，方式分类和交通分配。该预测方法对我国道路交通客运量的预测做出了许多贡献，但是这种方法同样存在着一些缺点。采用这种方法预测公路客运量，必须提前知道具体的当地居民经济发展情况，以及土地的使用情况，但是大多数用地情况由于城市的快速扩张而难以掌握；还有就是城市发展的过程中，会出现各种不可预料的因素，人口的跨境流动，土地使用的不确定性，所以许多时候难以准确运用“四阶段”方法进行交通客运量的预测。还有就是，在我国经济快速发展的背景下，这种方法很难完全符合当前公路客运量变化的特点。在快速变化的新环境下，“四阶段” 预测方法遇到了很大困境，那么，就迫切需要建立一种适合这种环境使用的新方法，来解决问题。

二、公路客运量预测的思路

公路交通是目前大多数人出行的主要方式，公路交通客运量随着公路网络的建设，和出行方式的多样化以及不同地域经济发展情况的变化而变化。但是，公路交通客运量的变化又会反作用于以上的因素。因此，公路交通客运量预测是公路网络建设和城市规划的基础工作。直接抛开相关因素，从以往一段时期公路交通客运量的变化和特征中分析，得出客运量变化发展的一般规律。实际上是综合分析历史的各种原因，来获得可以描述未来变化的一般规律。然后利用这条规律对未来公路客运量变化进行预测。现实中，公路客运量的预测结果也会与实际情况出现短期的较大误差，例如，公共假期（国庆节，中秋节等），公共事件（游行示威等），或者一些不可预料的环境状况（暴风雨，暴雪等），会造成公路交通客运量的急剧变化。本文主要讨论公路交通客运的一般情况以及主要的变化特征。利用最小二乘支持向量机的原理，建立一个精确度较高，运算速度快，拟合程度好的公路交通客运量预测模型，利用该模型能够利用有限的资料获得最符合期望的结果，为公路交通客运量的预测提供比较符合客观规律的依据。

三、基于最小二乘支持向量机的公路客运量预测

设公路交通客运量第i年的客运量是Qi ，前3年公路交通客运量与该变量直接相关。为使最终预测结果与实际情况更为相符，首先用以往数据最对小二乘支持向量机进行模拟运行。用作为模拟样本，。以一个时序变量作为公路交通客运量的预测模型的输入变量，则预测年份为输出结果，第i年的公路客运量。为了加快公路交通客运量预测模型的模拟速度，提高预测结果精准度以及收敛效率，我们利用归一化的办法把样本集合输入和输出数据进行处理，把全部数据归一到[0，1]区间内，利用下面的公式进行归一化处理：

上式：是归一化之后的序列值，分别是时间序列中的公路客运量的最大值及最小值。对于公路客运量的预测样本集合（4）做回归分析，取以下回归函数：

这样就可以得到下面的公路客运量预测的优化问题：

最终的公路客运量预测函数可以写成下面的形式：

在实际运用中，最小二乘支持向量机通常采用Sigmoid核函数和神经网络核函数以及多项式核函数，在采用不同核函数的情况下，其最小二乘支持向量机的性能，会出现存在巨大波动的情况。一般情况下，神经网络核函数对参数的选择要比Sigmoid核函数和多项式核函数选择的容易。若神经网络核函数参数有界变化时，其空间复杂变化小，容易实现。本文公路交通客运量预测方法的最小二乘支持向量机采用神经网络核函数，其数学表达式为：

上式：是可接受域的宽度，该参数可以控制函数的局部性程度或径向基函数的宽度。

四、结束语

随着经济的快速发展，道路交通在城市化进程发挥的作用越来越大。但是，在城市人口日益稠密的同时，公路交通也面临越来越巨大的压力，公路交通出现了客运能力短缺，拥堵，交通秩序混乱等诸多问题。要解决这些问题，首先要对未来公路客运增长做出长远规划，而利用最小二乘支持向量机原理可以建立一种比传统预测方法更符合现实使用目的的预测模型，使得公路交通客运量的预测更加简单，快捷和准确。

参考文献：

[1]卢冠群.基于广义回归神经网络的公路旅游交通量预测分析[D].长沙理工大学，2009

[2]张好智，肖昭升，傅白白.客运需求预测方法之比较分析[J].公路与汽运，2011

[3]罗伟.重庆市农村客运预测分析研究[D].重庆大学，2011

摘要：我国随着改革开放的步伐正在变得越来越繁荣富强，社会基础设施建设越来越完善，道路交通也变得越来越便捷舒适。在我国城市化程度不断提高的同时，道路交通运力面临的压力也急剧加大，如何解决好城市道路交通的客运需求问题，成为各大城市所要面对的沉重挑战。因此，掌握公路交通客运量情况对于解决该问题显得尤为重要。对公路交通客运量实施预测，可以为交通部门的道路管理提供直接的依据。在众多预测方法中，利用最小二乘支持向量机方法提出的一种新方法对我国目前的国情比较适合，其相对于其他预测方法主要有：较高的精确度，较快的计算速度等优势。

关键词：公路交通 客运量 预测方法 最小二乘支持向量机

随着我国经济的快速增长，城市化程度的快速提高，城市正变得越来越拥挤，面临着日益严重的交通拥堵，交通秩序混乱等问题。解决城市道路交通存在的严峻问题已经得到政府的高度关注。

公路交通客运量预测是交通部门公路交通管理规划的前提。从预测数据中的分析中，可以得出公路交通日益拥堵的根本原因。进而可以采取相应的措施，加以应对。预测结果的好坏最主要是取决于选择的计算模型。交通客运量的预测，有相当多的方法可供选择，这些不同的方法分别从各种角度对交通客运量进行研究。最小二乘支持向量机是标注支持向量机的一种新的扩展。其最大的特点是利用平方来优化指标，利用等式替代传统的不等式作为约束条件，通过对线性方程组的直接求解即可得到想要的解集。该方法抗干扰能力强，计算简单，求解迅速，很适合运用在道路交通客运量预测的问题上。

本文通过对传统型的“四阶段”预测方法对道路客运交通客运量进行分析，得出预测的总体思想，并用最小二乘支持向量机方法创建一种新的预测模型。

一、“四阶段”预测法

道路交通客运量预测目前采用较多的“四阶段”预测法，具体思想是：出行生行，出行分布，方式分类和交通分配。该预测方法对我国道路交通客运量的预测做出了许多贡献，但是这种方法同样存在着一些缺点。采用这种方法预测公路客运量，必须提前知道具体的当地居民经济发展情况，以及土地的使用情况，但是大多数用地情况由于城市的快速扩张而难以掌握；还有就是城市发展的过程中，会出现各种不可预料的因素，人口的跨境流动，土地使用的不确定性，所以许多时候难以准确运用“四阶段”方法进行交通客运量的预测。还有就是，在我国经济快速发展的背景下，这种方法很难完全符合当前公路客运量变化的特点。在快速变化的新环境下，“四阶段” 预测方法遇到了很大困境，那么，就迫切需要建立一种适合这种环境使用的新方法，来解决问题。

二、公路客运量预测的思路

公路交通是目前大多数人出行的主要方式，公路交通客运量随着公路网络的建设，和出行方式的多样化以及不同地域经济发展情况的变化而变化。但是，公路交通客运量的变化又会反作用于以上的因素。因此，公路交通客运量预测是公路网络建设和城市规划的基础工作。直接抛开相关因素，从以往一段时期公路交通客运量的变化和特征中分析，得出客运量变化发展的一般规律。实际上是综合分析历史的各种原因，来获得可以描述未来变化的一般规律。然后利用这条规律对未来公路客运量变化进行预测。现实中，公路客运量的预测结果也会与实际情况出现短期的较大误差，例如，公共假期（国庆节，中秋节等），公共事件（游行示威等），或者一些不可预料的环境状况（暴风雨，暴雪等），会造成公路交通客运量的急剧变化。本文主要讨论公路交通客运的一般情况以及主要的变化特征。利用最小二乘支持向量机的原理，建立一个精确度较高，运算速度快，拟合程度好的公路交通客运量预测模型，利用该模型能够利用有限的资料获得最符合期望的结果，为公路交通客运量的预测提供比较符合客观规律的依据。

三、基于最小二乘支持向量机的公路客运量预测

设公路交通客运量第i年的客运量是Qi ，前3年公路交通客运量与该变量直接相关。为使最终预测结果与实际情况更为相符，首先用以往数据最对小二乘支持向量机进行模拟运行。用作为模拟样本，。以一个时序变量作为公路交通客运量的预测模型的输入变量，则预测年份为输出结果，第i年的公路客运量。为了加快公路交通客运量预测模型的模拟速度，提高预测结果精准度以及收敛效率，我们利用归一化的办法把样本集合输入和输出数据进行处理，把全部数据归一到[0，1]区间内，利用下面的公式进行归一化处理：

上式：是归一化之后的序列值，分别是时间序列中的公路客运量的最大值及最小值。对于公路客运量的预测样本集合（4）做回归分析，取以下回归函数：

这样就可以得到下面的公路客运量预测的优化问题：

最终的公路客运量预测函数可以写成下面的形式：

在实际运用中，最小二乘支持向量机通常采用Sigmoid核函数和神经网络核函数以及多项式核函数，在采用不同核函数的情况下，其最小二乘支持向量机的性能，会出现存在巨大波动的情况。一般情况下，神经网络核函数对参数的选择要比Sigmoid核函数和多项式核函数选择的容易。若神经网络核函数参数有界变化时，其空间复杂变化小，容易实现。本文公路交通客运量预测方法的最小二乘支持向量机采用神经网络核函数，其数学表达式为：

上式：是可接受域的宽度，该参数可以控制函数的局部性程度或径向基函数的宽度。

四、结束语

随着经济的快速发展，道路交通在城市化进程发挥的作用越来越大。但是，在城市人口日益稠密的同时，公路交通也面临越来越巨大的压力，公路交通出现了客运能力短缺，拥堵，交通秩序混乱等诸多问题。要解决这些问题，首先要对未来公路客运增长做出长远规划，而利用最小二乘支持向量机原理可以建立一种比传统预测方法更符合现实使用目的的预测模型，使得公路交通客运量的预测更加简单，快捷和准确。

参考文献：

[1]卢冠群.基于广义回归神经网络的公路旅游交通量预测分析[D].长沙理工大学，2009

[2]张好智，肖昭升，傅白白.客运需求预测方法之比较分析[J].公路与汽运，2011

[3]罗伟.重庆市农村客运预测分析研究[D].重庆大学，2011

摘要：我国随着改革开放的步伐正在变得越来越繁荣富强，社会基础设施建设越来越完善，道路交通也变得越来越便捷舒适。在我国城市化程度不断提高的同时，道路交通运力面临的压力也急剧加大，如何解决好城市道路交通的客运需求问题，成为各大城市所要面对的沉重挑战。因此，掌握公路交通客运量情况对于解决该问题显得尤为重要。对公路交通客运量实施预测，可以为交通部门的道路管理提供直接的依据。在众多预测方法中，利用最小二乘支持向量机方法提出的一种新方法对我国目前的国情比较适合，其相对于其他预测方法主要有：较高的精确度，较快的计算速度等优势。

关键词：公路交通 客运量 预测方法 最小二乘支持向量机

随着我国经济的快速增长，城市化程度的快速提高，城市正变得越来越拥挤，面临着日益严重的交通拥堵，交通秩序混乱等问题。解决城市道路交通存在的严峻问题已经得到政府的高度关注。

公路交通客运量预测是交通部门公路交通管理规划的前提。从预测数据中的分析中，可以得出公路交通日益拥堵的根本原因。进而可以采取相应的措施，加以应对。预测结果的好坏最主要是取决于选择的计算模型。交通客运量的预测，有相当多的方法可供选择，这些不同的方法分别从各种角度对交通客运量进行研究。最小二乘支持向量机是标注支持向量机的一种新的扩展。其最大的特点是利用平方来优化指标，利用等式替代传统的不等式作为约束条件，通过对线性方程组的直接求解即可得到想要的解集。该方法抗干扰能力强，计算简单，求解迅速，很适合运用在道路交通客运量预测的问题上。

本文通过对传统型的“四阶段”预测方法对道路客运交通客运量进行分析，得出预测的总体思想，并用最小二乘支持向量机方法创建一种新的预测模型。

一、“四阶段”预测法

道路交通客运量预测目前采用较多的“四阶段”预测法，具体思想是：出行生行，出行分布，方式分类和交通分配。该预测方法对我国道路交通客运量的预测做出了许多贡献，但是这种方法同样存在着一些缺点。采用这种方法预测公路客运量，必须提前知道具体的当地居民经济发展情况，以及土地的使用情况，但是大多数用地情况由于城市的快速扩张而难以掌握；还有就是城市发展的过程中，会出现各种不可预料的因素，人口的跨境流动，土地使用的不确定性，所以许多时候难以准确运用“四阶段”方法进行交通客运量的预测。还有就是，在我国经济快速发展的背景下，这种方法很难完全符合当前公路客运量变化的特点。在快速变化的新环境下，“四阶段” 预测方法遇到了很大困境，那么，就迫切需要建立一种适合这种环境使用的新方法，来解决问题。

二、公路客运量预测的思路

公路交通是目前大多数人出行的主要方式，公路交通客运量随着公路网络的建设，和出行方式的多样化以及不同地域经济发展情况的变化而变化。但是，公路交通客运量的变化又会反作用于以上的因素。因此，公路交通客运量预测是公路网络建设和城市规划的基础工作。直接抛开相关因素，从以往一段时期公路交通客运量的变化和特征中分析，得出客运量变化发展的一般规律。实际上是综合分析历史的各种原因，来获得可以描述未来变化的一般规律。然后利用这条规律对未来公路客运量变化进行预测。现实中，公路客运量的预测结果也会与实际情况出现短期的较大误差，例如，公共假期（国庆节，中秋节等），公共事件（游行示威等），或者一些不可预料的环境状况（暴风雨，暴雪等），会造成公路交通客运量的急剧变化。本文主要讨论公路交通客运的一般情况以及主要的变化特征。利用最小二乘支持向量机的原理，建立一个精确度较高，运算速度快，拟合程度好的公路交通客运量预测模型，利用该模型能够利用有限的资料获得最符合期望的结果，为公路交通客运量的预测提供比较符合客观规律的依据。

三、基于最小二乘支持向量机的公路客运量预测

设公路交通客运量第i年的客运量是Qi ，前3年公路交通客运量与该变量直接相关。为使最终预测结果与实际情况更为相符，首先用以往数据最对小二乘支持向量机进行模拟运行。用作为模拟样本，。以一个时序变量作为公路交通客运量的预测模型的输入变量，则预测年份为输出结果，第i年的公路客运量。为了加快公路交通客运量预测模型的模拟速度，提高预测结果精准度以及收敛效率，我们利用归一化的办法把样本集合输入和输出数据进行处理，把全部数据归一到[0，1]区间内，利用下面的公式进行归一化处理：

上式：是归一化之后的序列值，分别是时间序列中的公路客运量的最大值及最小值。对于公路客运量的预测样本集合（4）做回归分析，取以下回归函数：

这样就可以得到下面的公路客运量预测的优化问题：

最终的公路客运量预测函数可以写成下面的形式：

在实际运用中，最小二乘支持向量机通常采用Sigmoid核函数和神经网络核函数以及多项式核函数，在采用不同核函数的情况下，其最小二乘支持向量机的性能，会出现存在巨大波动的情况。一般情况下，神经网络核函数对参数的选择要比Sigmoid核函数和多项式核函数选择的容易。若神经网络核函数参数有界变化时，其空间复杂变化小，容易实现。本文公路交通客运量预测方法的最小二乘支持向量机采用神经网络核函数，其数学表达式为：

上式：是可接受域的宽度，该参数可以控制函数的局部性程度或径向基函数的宽度。

四、结束语

随着经济的快速发展，道路交通在城市化进程发挥的作用越来越大。但是，在城市人口日益稠密的同时，公路交通也面临越来越巨大的压力，公路交通出现了客运能力短缺，拥堵，交通秩序混乱等诸多问题。要解决这些问题，首先要对未来公路客运增长做出长远规划，而利用最小二乘支持向量机原理可以建立一种比传统预测方法更符合现实使用目的的预测模型，使得公路交通客运量的预测更加简单，快捷和准确。

参考文献：

[1]卢冠群.基于广义回归神经网络的公路旅游交通量预测分析[D].长沙理工大学，2009

[2]张好智，肖昭升，傅白白.客运需求预测方法之比较分析[J].公路与汽运，2011

[3]罗伟.重庆市农村客运预测分析研究[D].重庆大学，2011