基于组合预测的城市公交客运量预测模型设计开题报告

全文总字数：2788字

1. 研究目的与意义

随着我国的迅速发展，城市人口集聚，城市居住人口增多，居民交通需求增加，社会资源紧张与道路基础设施匮乏的不足也逐步显现出来，交通运输量快速增长，城市道路容量不足，已经不能适应经济社会快速发展需要。

常规公交作为城市中主要的大运量公共出行方式，其客运量需求预测是城市公共交通规划的核心内容之一，预测结果的准确与否，直接关系到规划的科学性和合理性。

目前中小城市还没有面临类似大城市交通拥堵严重的局面，在城市交通中应以可持续发展的理念保证城市的可持续发展，优先发展公共交通能引导城市居民出行需求良性发展，促进出行结构的优化调整，对于解决城市交通问题具有十分重要的意义。

2. 国内外研究现状分析

在国内，葛亮等利用遗传算法确定bp神经网络的权值和阈值，建立遗传神经网络模型对城市公交客运量进行预测，并将预测结果与单一神经网络的数据进行对比，预测结果较好，但是文中并没有针对影响公交客运量的因素进行分析。

董春娇等改进传统的神经网络算法，采用elman神经网络的交通流短时预测，在前馈网络的隐含层中增加一个承接层，作为延时算子使系统具有适应时变特性的能力，这样的预测结果更为精确。

杨琦和杨云峰等利用灰色理论对西安的城市公交客运量进行分析，建立模型并进行模型残差检验，应用马尔科夫模型对灰色理论模型的预测结果进行修正，并与实际的数据进行比较，预测结果较为精确，可满足实际需求。

3. 研究的基本内容与计划

研究内容：（1） 阅读参考文献，参考相关书籍，进行初步了解；（2） 总结目前城市常规公交客运量预测方法的国内外研究现状；（3） 分析城市常规公共交通发展特点及客运量内外部影响因素；（4） 比较几种常用的城市公交客运量预测方法；（5） 提出基于ARIMA-BP组合模型的城市公交客运量预测模型；（6） 利用MATLAB软件设计组合预测客运量预测模型，并通过实例进行验证。

研究计划：（1） 1~2周，搜集相关资料，阅读参考文献，并完成文献综述和开题报告的撰写；（2） 3~5周，完成城市发展情况、公共交通的发展特点及客运量的内外部影响因素分析；（3） 6~7周，通过比较几种常用的城市公交客运量预测方法，提出并设计基于ARIMA-BP组合模型的城市公交客运量预测模型，研究神经网络预测法的基本理论；（4） 8~10周，设计ARIMA-BP客运量预测模型，利用MATLAB软件的GUI功能，开发一个简易的人机交互平台，实现客运量的自动预测，并通过实例进行验证；（5） 11~13周，论文初稿完成，并进行初步修改；（6） 14~15周，修改论文，做PPT材料，准备答辩；（7） 16周，进一步完善并提交论文。

4. 研究创新点

分析城市公共交通的发展特点及公交客运量的影响因素，比较不同预测方法在城市常规公交客运量预测方面的适用性，从而提出一种基于组合预测的新的预测方法，更加科学合理地预测城市常规公交客运量。