曹安公路远期交通流量预测——以华江支路——嘉金高速段为基础学院：交通运输工程学院学号：姓名：目录一、报告概述 (3)工作目标 (3)工作内容 (3)技术路线 (3)二、调查道路和交叉口概述 (4)三、调查数据处理与现状分析 (4)3.1调查数据汇总及标准车换算 (4)3.2路段流量推算 (5)3.3 AADT计算 (6)3.4现状分析 (7)四、远期流量预测 (8)4.1基于弹性系数的远期交通量预测 (10)4.2基于线性回归的远期交通量预测 (11)4.3基于人工神经网络为融合基础的远期交通量组合预测 (12)五、预测结果分析 (14)一、报告概述：工作目标根据曹安公路华江支路——嘉金高速段历年交通流量数据，综合现场调查结果，预测该段2020—2025年年平均日交通量，并对未来曹安公路道路建设工程提出合理意见。
工作内容现场数据采集：收集曹安公路华江支路——嘉金高速段两交叉口早晨8：00—9：00车流量；数据处理与分析：（1）现状与历年流量的差异及差异出现的原因（2）变化趋势与历年趋势的对比，说明影响预测结果的主要影响因素及产生原因（3）预测结果分析技术路线二、调查道路和交叉口概述本次调查区段为曹安公路华江支路—嘉金高速段，共有两个交叉口，分别是翔江公路交叉口和翔封路交叉口。
两交叉口相对位置如下图所示：三、调查数据处理与现状分析3.1调查数据汇总及标准车换算将实测的分车型交通量转换为标准车流量。
换算系数如下：各交叉口流量调查及标准车换算3.2路段流量推算以采集数据的两个交叉口：翔江公路及翔封路，把华江支路——嘉金高速区段划分成三个路段：华江支路—翔封路，翔封路—翔江公路和翔江公路—嘉金高速。
采样时间段内（8：00—9：00）各路段统计交通量如下：由于两交叉口间存在支路，两组统计到的交通量有一定差异。
取调查到的最大交通量作为该路段的高峰小时流量，则各路段交通量如下：考虑到远景交通量预测时，区段道路建设应满足区段内各路段高峰小时的最高交通量，故华江支路——嘉金高速区段交通量取最高值为2959PCU。
3.3 AADT计算利用小时流量比换算日交通量根据工作日不同观测时段的交通量，计算观测时段8：00—9：00的小时流量比为76095/189167=0.0607，则日交通量＝2959/0.0607=48748PCU。
利用周变系数计算周平均流量调查工作日为星期四，故周变系数为1231118/1190065=1.034,则周平均日流量为48748/1.034=47145PCU。
利用月变系数计算年平均日交通量（AADT）调查月份为11月，故月变系数为1163724/1190423=0.978，则年平均日交通量为47145/0.978=48206PCU.3.4现状分析华江支路—嘉金高速区段历年流量如下：总体而言，20年来曹安公路年平均日交通量（AADT）呈上升趋势，20年来增幅总共达359%。
由图可知，曹安公路平均日交通量历年情况中有两次大的衰退，分别是1993—1995年，交通量一直处于负增长状态，最高减少达15.83%（1995年）；1998—1999年，比前一年减少6.23%。
通过查阅相关资料可知，1993—1995年正处沪宁高速开通，导致交通转移增大，曹安公路交通量下降；而1997—1998年，刚好是亚洲金融危机爆发的时期。
而随着2000后经济形势的好转，国民经济抗风险能力增强，交通量也逐年上升。
由于曹安公路不仅是上海市区与郊区工业基地的连接主干道，更是上海与江苏的连接主干道，而上海和江苏皆为中国沿海经济最发达的省市之一，随着经济的不断发展，两省市间的交通流量必然会不断增加。
但需注意的是，存在一个增长趋势先快后慢的过程。
表明当社会经济增长到一定规模后，交通量受其影响力度减少。
四、远期流量预测远景交通量，是确定公路项目建设规模与技术标准的主要依据之一，是提高公路建设项目投资效益的重要环节。
因此，在公路建设工程可行性研究阶段，做好建设项目交通需求量预测工作，具有十分重要的现实意义。
常用的预测方法有时间序列分析法、回归分析法、灰色模型预测法、弹性系数法、人工神经网络等，但由于历年（1991—2012年）交通量数据不连续，缺少2004—2005年，2007—2008年，2010—2011年数据，传统时间序列、灰色模型GM(1,1)等预测方法不适用，而其他可行的预测方法各有优缺点，为了将每种预测方法所包含的有用信息都反映在预测结果里，本报告综合运用弹性系数法、回归分析法以及人工神经网络进行2020—2025年交通量预测，建立以人工神经网络模型为融合基础的弹性系数法、回归分析法组合预测模型。
可以看到，组合预测模型的相对误差只有6.8%，比单独使用一种预测方法更好。
在区域客运量分析中常用总人口、非农业人口、居民密度、人均旅行次数、人均消费水平、人均国民收入、客车保有量等指标作为相关因素;区域货运量分析中常用总人口、工农业总产值、汽车保有量、人均国民收入、人均消费水平、基建投资额等指标作为相关因素。
本报告由于要预测远期（2020—2025年）交通量数据，选取的指标本身必须具有较好的预测性。
由于常住人口增长率、新增职位数等指标远期变化情况较难预测，故选择国民生产总值（GDP）作为参考指标，根据上海市政府发布的《上海市国民经济和社会发展第十二个五年规划纲要》中预计从2011年到2020年上海国民生产总值年平均增长8%，且仍假设之后5年生产总值年均增长在8%左右。
上海市1991—2012年GDP情况如下：数据来源：2012年上海统计年鉴4.1基于弹性系数的远期交通量预测弹性系数法是指在对一个因素发展变化预测的基础上，通过弹性系数对另一个因素的发展变化作出预测的一种间接预测方法。
弹性系数法适用于两个因素x，y之间有指数函数关系的情况。
弹性系数被用来表示两个因素各自相对增长率之间的比率。
对交通量数据进行对数处理如下：分析lny 与lnx 的相关性，发现两者相关系数达到了0.89，呈高度相关，满足利用弹性系数法分析的前提条件。
由于弹性系数e=交通量增长率/GDP增长率，计算得到弹性模型如下：Lny=5.93+0.486lnx；Adjusted R2 =0.78023交通量预测值与真实值差别如下表所示：4.2基于线性回归的远期交通量预测分析交通量与GDP增长之间的相关关系，发现相关系数达到了0.93，两者高度相关。
利用EXCEL提供的回归分析功能建立预测模型如下：Y=11892.10892+2.040322743*x; Adjusted R2 =0.85其中y为交通量(单位当量小车)，x为GDP（单位亿元）交通量预测值与真实值差别如下表所示：4.3基于人工神经网络为融合基础的远期交通量组合预测组合预测就是对多种不同预测方法的预测结果进行适当组合，充分提取不同预测结果的有价值信息，综合利用各种方法所提供的有用信息，从而尽可能地提高预测精度，更为全面地反映系统的变化规律。
其基本思想是采用某种恰当的方法，将不同预测模型的预测结果有机组合起来，相互取长补短，达到提高预测精度和增加预测结果可靠性的效果。
组合预测原理表明在某种测度下，组合模型的某种度量要比单一模型优越。
一般组合预测模型为目前已知的组合预测方法概括起来有两类:一是权系数组合预测法。
它包括最优组合预测法和变权重组合预测法。
这类方法的特点是假定参加组合预测的各个预测模型间是一种线性关系。
然而，当单个预测方法来源于非线性模型或者所基于的条件期望是信息集合的非线性函数时，各预测方法的线性组合显然就不是最优的。
一是非线性组合预测法。
目前使用较多的是人工神经网络方法。
实验结果表明，这种组合方法在提高拟合精度的同时，也提高了模型预测的可靠性。
这是由于神经网络连接权的权重可正可负，亦可为零。
当权重大于零时，意味着对输入信息产生兴奋，小于零时，则对输入信息产生抑制，这样，通过这种兴奋与抑制，可以对各种预测结果所提供的信息按照其反映现实的真实程度进行有效的过滤和筛选，从而有效地保存了各种预测方法提供的有用信息，提高组合预测的精度，增强了模型的适用性。
以弹性系数法和回归分析法两种预测方法的预测结果(1991一2012年)为BP 神经网络的输入，以对应各年实际交通量为输出，建立2一5一1的三层神经网络结构，使用N ew ff函数生成一个前馈BP网络, 将隐层传递函数设定为logsig 函数, 输出层传递函数设定为Pure line, 以确保整个网络的输出可以取任意值,采用Levenberg -M arquardt算法, 设置BP网络反传函数为tra in lm,这样便可得到一个未经训练的前馈BP网络。
接下来利用Tra in 函数对所建立起来的前馈BP 网络进行训练。
经过反复尝试, 设置训练时间为1000个单位时间, 训练目标为误差小于0. 0085, 其他参数仍采用系统默认值, 可得到如图所示的训练过程误差变化曲线。
可以看到基于组合预测的相对误差只有 6.8%，比单独使用某种预测方法效果更好。
因此预测2020年—2025年AADT如下：五、预测结果分析若假设月变系数、周变系数、日变系数均不变的话，则曹安公路2020—2025年高峰小时（8：00—9：00）的交通量将达到如下水平：结合曹安公路车流速度实际水平，根据道路服务水平分级规定：当自由流车速在45mi/h时C级服务水平的通行能力为1170pcu/h/ln；再假设当前方向不均衡系数不变（为1911*2/(1911+1048)=1.29），则到2025年高峰小时主要交通流方向的交通量将到达2626pcu,需要双向3车道公路，实际上到2020年高峰小时主要交通流方向的交通量就已经达到2509.885pcu, 需要双向3车道公路。
根据曹安公路现有车道数设计可知，能够满足到2025年远景交通需求，但已接近道路服务能力上限。