组合预测模型在城市公共交通需求预测中的应用

城市交通问题是目前中国乃至世界各国国民经济、社会发展和生态环境面临的重要战略性问题。公共交通系统作为城市交通系统的一个子系统,不仅维系着城市功能的正常运转,而且对社会经济发展起着全局性和先导性的作用。城市交通规划面向公共交通系统发展,优先发展公交,已经成为全世界的共识。城市公共交通需求预测是城市公共交通规划的关键技术环节之一,其主要职能在于通过对交通区的社会经济活动及交通活动现状的分析研究,建立预测模型推断未来该地区的交通规划数据,并使该数据成为评价未来交通状况的基础。论文围绕城市公共交通需求预测方法展开论述,在分析研究了常用预测方法的优缺点和各自的适用环境以及传统“四阶段”交通需求预测模型的不足之后,详细分析了灰色系统理论方法,BP神经网络方法和多元线性回归方法,并将其应用于城市公共交通需求预测中,结果表明这些方法在一定的预测时段内是可行的、有效的,但也有其不足之处,预测精度较难得到保证。论文提出组合预测模型,重点阐述了组合预测方法的基本思想以及在城市公共交通需求预测的应用,因为组合预测模型可以综合利用各个单项预测模型所提供的信息,所做出的预测结果较为平稳,而且预测结果也说明组合预测模型预测精度比单项预测模型要高。