区域交通信息集成与运输需求预测研究

摘要

交通运输对区域经济的形成发展、地区生产力的合理布局具有十分重大的作用，它既将国民经济所有部门联系起来，将生产领域和消费领域联系起来，是发展工农业生产和经济活动的重要保障，对区域交通正确规划与决策是保证经济环境可持续发展的必要条件。本文对区域交通规划管理中的几个关键问题展开研究，主要研究内容包括：
　　 (1)区域交通多源信息的整合与集成及概念体系的构建研究。针对区域交通信息化中的多源异构数据整合与集成问题，分别从数据应用层和语义层两个角度考虑信息的集成，针对数据层和应用层面的整合，提出建立基于数据仓库的交通信息集成平台，解决交通信息化中需要数据挖掘和信息增值的高层需要；针对方法层和语义层面的集成，提出将中间件技术应用于区域交通系统数据资源的整合中，采用XML技术利用数据的抽取转换和装载技术实现行业复杂多源异构数据的整合，实现区域交通系统内各应用系统中异构数据的整合功能，提供相互间的数据接口，建立通用的数据标准和规范。针对能有效解决交通信息系统间语义集成的映射问题，完成基于领域本体的交通信息集成与发布，并提出了交通领域本体的语义整合机制。
　　 (2)区域交通需求关联因素分析研究。对交通需求关联因素和因果关系进行研究，往往要求事先设定这些属性的范围，为了减少人为因素的主观影响，提高分析的客观性，在构建区域交通需求影响因素指标体系的基础上，提出采用基于自组织数据挖掘的GMDH方法，并借鉴Granger因果关系检验模型提出基于GMDH的因果关系检验模型。结合作者在实际项目中采用的关联因素分析模型和灰色关联度模型，以云南省为例研究了云南省交通需求关联因素分析问题，不仅为地区的交通规划与决策提供重要参考，得到的结论同时也是后面研究内容的基础。
　　 (3)区域交通需求中长期预测研究。由于交通运输需求的产生受到多种因素影响，在不同的通道中，其规律存在较大差异，因此需要将区域交通需求预测的研究对象根据不同时间粒度分别进行中长期预测研究和波动性研究。本文对区域交通需求中长期预测的研究首先采用传统预测方法多元线性回归作为参考，针对灰色GM(1，1)参数估计方法造成的精度不足采用改进的AGM(1，1)模型，同时灰色模型残差分布是一种Markov链，提出改进的灰色Markov修正模型，经过实例验证改进的灰色Markov模型可以根据历史规律和时序的内在联系，给出对未来波动趋势的预测，既考虑了从时间序列中挖掘数据的演变规律，又通过状态转移概率矩阵的变换提取数据的随机响应，将时间序列数据固有的两种性质有机结合起来，更加客观地反应需求的波动性的可信性。
　　 (4)区域交通运输需求波动性研究。由于运输需求存在的波动性和周期性，而不是单纯上升或下降的趋势，为减少建模输入过程中人为主观的干预并增加预测精度，提出了基于GMDH思想的多项式神经网络PNN方法，解决了传统时间序列方法无法考虑交通系统内多种影响因素的缺点，根据多输入的影响因素自组织生成多项式神经网络，通过训练和测试，可以得到具有较高预测精度的运行结果。