机动车发展趋势预测-小组.pptxVIP

机动车发展趋势预测;小组成员分工;主要内容; 机动车拥有量的变化，影响到城市交通量及过境交通量的发展趋势。为了有效预测未来城市交通的发展趋势，机动车辆的有效预测是不可或缺的。下面以海口市为例进行介绍。 ;分载运类型的历年机动车拥有量分析： 按照载运类型的不同机动车主要分为客运车辆和货运车辆。客运车辆主要用于载客用途的车辆，货运车辆主要用于载货用途的车辆。 海口市历年机动车保有量统计情况见表1及图1所示。 ; 海口市历年机动车保有量及经济指标统计表 表1 ;将上述指标进行归一化处理：;图1 海口市历年机动车保有量与经济指标变化的归一化处理后的相对关系 ;1.时间序列回归预测方法 由于城市机动车的发展一般与经济的发展具有密切关系，因此，经济发展中常用的回归预测法亦适用于机动车保有量的发展预测。 ; 根据海口市机动车保有量的历年数据，利用回归预测的方法，可以预测2012-2015年的机动车保有量情况。其预测结果如图2及表2、3所示：;时间序列回归预测方法;2.灰色模型预测 如果一个系统具有层次、结构关系的模糊性，动态变化的随机性，指标数据的不完备或不确定性，则称这些特性为灰色性。具有灰色性的系统称为灰色系统。; 在灰色系统理论中，利用较少的或不确切的表示灰色系统行为特征的原始数据序列作生成变换后建立的，用以描述灰色系统内部事物连续变化过程的模型，称为灰色模型，简称GM模型。; GM(1,1)模型主要是对原始数据序列利用AGO生成进行趋势化，然后建立微分方程，具体步骤如下： 1）进行一次累加生成新数据序列 进行趋势化原始数据序列为 进行累加生成新数列：;2）建立一阶微分方程--对 建立一阶线性微 分方程 其中 为发展灰数，为内生控制灰数。 经计算得到待辨识参数 =-0.17917； =33253.7。 ;设 ，按最小二乘法得 ;3）.求GM（1，1）模型的解，建立时间模型 在进行原始数据采样时，相邻数据样本均间隔一定时间，所以在原始数据序列中有 个时间间隔，对应的离散时间响应模型为 ;根据上式可以往外推出后s项的预测值 基于灰色模型GM（1,1）预测，利用Matlab软件编写程序运行得到的结果如表4及图3，4所示。 ;灰色模型预测结果 表4 ; 灰色模型预测的结果与回归预测的结果相比（如表），发现灰色模型预测结果与指数回归预测结果比较接近，而且误差基本控制在5%以内，都以接近指数的增长方式增长。因此，该预测结果具有较高的可行度，海口市的机动车拥有量在未来几年内将呈现快速的增长趋势。 ;3.多元回归线性预测 ;4.不同模型的曲线估计 ;不同预测结果的比较;回归方法-个人思考？;Thank you！！ 谢谢！！