公路运量预测模板

第四章道路交通量预测
4.1交通构成分析及初年流量确定
根据3号路的功能及沿线土地利用规划，将其未来交通流量主要是以沿线用地为起止点的交通流；因其主要服务于安置区，所以交通流的构成以生活出行为主，根据一般居住区的交通出行量，可假设3号路初年2013年交通流量为400pcu/h，对应国家及云南省相应经济发展速度，设头五年的年增长率为10％，以后各年为6%，计算期20年，各特征年交通流量见下表：
4.2道路通行能力
4.2.1道路设计通行能力
N＝No*r*n*n*s
No……单向路段通行能力（pcu/h）
（设计车速30km/h,一个车道设计通行能力No＝1300）
r…………自行车影响修正系数（r＝1）
n…………车道宽度影响修正系数（n＝1）
n…………车道数修正系数[两车道n＝（1＋0.85）＝1.85] s…………交叉口影响修正系数（s＝0.46）
N＝1106（pcu/h）
道路双向高峰小时通行能力为2213（pcu/h）
4.2.2道路服务水平评价
当道路服务15年时
道路饱和度S＝Nk/（2N）＝0.52
服务水平为C级，满足功能要求。

当道路服务20年时
道路饱和度S＝Nk/（2N）＝0.70
服务水平为C级，基本满足功能要求。

基于 ARIMA的全国公路货运量短期预测摘要：公路运输作为主要的交通运输方式，在国民经济中占据重要地位。

本文通过建立一种时间序列模型—ARIMA模型对我国公路货运量短期进行了短期预测，预测效果良好。

预测结果显示未来三年我国公路货运量将在300亿吨左右波动，基于此短期趋势，建议国家加快偏远地区公路网络建设、大力推进多式联运。

关键词：中国公路货运量；ARIMA模型；预测中图分类号: F552.7 文献标识码: A公路货物运输具有机动灵活、快捷方便的特点，近年来，车货匹配平台的崛起和电商物流的迅速发展使我国公路货运市场拥有了前所未有的规模[1]。

公路货运量是衡量人民生活和国家经济效益的重要标准，掌握公路货运量的发展趋势和规律可以对行业发展和运输系统规划提供一定的指导，因此货运量的预测显得十分重要。

1.理论基础1.方法的选择和模型的介绍有很多学者基于不同的方法进行过公路货运量预测的研究，盖春英、裴玉龙[2]采用了灰色模型—马尔可夫链预测方法；许银甲[3]通过系统动力学模型对公路货运量进行预测。

预测方法的选取直接影响着预测结果，单积自回归移动平均（ARIMA）模型，在上个世纪70年代由美国统计学家Box和Jenkins 首次提出，是一种精度较高的短期时间序列预测方法。

1.1.数据选择以1968—2019年我国公路货运量的年度资料为观察序列（见表1），表中所有数据均来源于中国国民经济与社会发展公报。

公路年货运量记作Y，共有52个观测值，对序列Y建立ARIMA模型。

表1 1968—2019年我国公路货运量1. 实证分析对表1中的公路货运量序列Y 进行差分处理，处理后的序列趋势已基本消除，选用ARIMA(p ，d ，q)模型，接下来观察差分后的序列偏相关分析图，对模型进行ARMA(p ，q)拟合，此处可建立多个模型比较拟合效果。

综合考虑，可供选择的（p ，q ）组合有（0，5），（0，6），（1，5），（5，1），（6，0）。

第三章交通量预测3.1项目所在地区社会经济特征3.1.1河南省社会经济概况一、综合初步核算，全年生产总值22942.68亿元，比上年增长12.2%。

其中：第一产业增加值3263.20亿元，增长4.5%；第二产业增加值13226.84亿元，增长14.8%；第三产业增加值6452.64亿元，增长10.5%。

三次产业结构为14.2：57.7：28.1。

全年居民消费价格比上年上涨3.5%，其中，食品类价格上涨7.9%。

商品零售价格上涨3.7%。

工业品出厂价格上涨7.8%。

原材料、燃料、动力购进价格上涨10.2%。

固定资产投资价格上涨3.5%。

农业生产资料价格上涨3.1%。

年末从业人员6025万人。

全年城镇新增就业人员132.1万人；下岗失业人员实现再就业38.2万人，困难人员再就业17.6万人。

新增农村劳动力转移就业105万人。

全年全省地方财政总收入2293.37亿元，增长19.3%。

地方财政一般预算收入1381.01亿元，比上年增长22.6%，其中：税收收入1016.55亿元，增长23.7%，税收占地方财政一般预算收入的比重为73.6%，比上年提高0.6个百分点。

地方财政一般预算支出3413.22亿元，增长17.5%，其中：教育支出增长15.3%，社会保障与就业支出增长25.5%，医疗卫生支出增长20.5%。

全省108个县(市)中，有5个县(市)地方财政一般预算收入超15亿元，有14个县(市)超10亿元。

二、农业全年粮食种植面积9740.17千公顷，比上年增长0.6%，其中：小麦种植面积5280.00千公顷，增长0.3%；棉花种植面积467.30千公顷，下降13.0%；油料种植面积1564.12千公顷，增长1.5%；蔬菜种植面积1704.06千公顷，下降0.7%。

年末农业机械总动力10195.88万千瓦，比上年增长3.8 %；农用拖拉机386.05万台，下降1.1%；农用运输车219.55万辆，增长1.8%；农村用电量269.41亿千瓦小时，增长4.5%。

公路交通量预测区域公路交通量预测是利用采集到的历史及现状公路交通相关数据，对区域未来交通需求做出合理逻辑的定量预测，它是进行公路网规划、公路工程可行性研究的共同基础。

公路交通量预测包括综合交通需求发展预测、公路交通需求发展预测、公路交通分布预测及公路交通分配预测四部分。

1总体思路区域公路交通量预测将对各交通小区之间未来年的客运、货交通量进行预测，通过交通分配模型，将未来年预测得到的OD交通流数据分配到现状路网上，对现状路网进行评价，找出道路拥挤程度高、服务水平低的道路，为公路网布局优化提供技术支持。

具体研究思路如图1所示。

图1 公路网交通量预测总体研究思路2交通小区划分区域公路交通发展规划交通小区的划分主要基于行政区划，小区划分的详细清单如表1所示。

表1小区划分详细清单3综合客运量预测1）唐海市客运量预测在分析唐海市社会经济以及交通运输发展的基础上，对唐海地区综合客运量进行预测，在选用时间序列法、因素分析法、弹性系数法和等多种定量预测方法的基础上，利用综合分析法得到唐海市未来综合客运量的推荐取值。

1. 指数平滑法α=,得序列值如表2。

采用二次指数平滑方法，令0.3表2 指数平滑值序列表预测模型为：y2007+T =a+bT (1)2. 弹性系数法弹性系数法的计算步骤较为简便，其关键在于选择合适的弹性系数。

随着经济的增长，人们的出行活跃，出行次数增多，同时对交通工具的选择上也趋向于小型化、舒适化。

根据前述的年均经济增长率及历年客运量增长率，取适当的经济增长率见表3。

3、因素分析法通过对唐海历年数据进行分析，发现×××相关性较大（R>9.4）。

建立回归方程如下。

y = a+bx1+cx2(2)其中：综合唐海区域发展规划，得到唐海市域规划年综合客运量推荐取值，见表4-6。

表5 唐海市综合客运量预测结果（单位：万人）4综合货运量预测唐海市货运量预测总的来说，唐海市货运需求随经济增长呈先增后降的趋势。

预测公路运量公路运量主要包括公路的客运量和公路货运量两个方面。

据研究，某地区的公路运量主要与该地区的人数、机动车数量和公路面积有关，表1给出了20年得公路运量相关数据，表中人数和公路客运量的单位为万人，机动车数量单位为万两，公路面积的单位为万平方千米，公路货运量单位为万吨。

根据有关部门数据，该地区2010年和2011年的人数分别为73.39和75.55万人，机动车数量分别为3.9635和4.0975万辆，公路面积将分别为0.9880和1.0268万平方米。

1.请利用BP神经网络预测该地区2010年2011年得公路客运量和公路货运量。

2.请利用其他方法预测该地区2010年2011年得公路客运量和公路货运量。

3.比较两种方法的优缺点。

某地区20年公路运量数据某地区20年公路运量数据年份人口数量机动车数量公路面积公路客运量公路货运量199020.55 0.6 0.09 5126 1237 199122.44 0.75 0.11 6217 1379 199225.37 0.85 0.11 7730 1385 199327.13 0.90 0.14 9145 1399 199429.45 1.05 0.20 10460 1663 199530.1 1.35 0.23 11387 1714 199630.96 1.45 0.23 12353 1834 199734.06 1.60 0.32 15750 4322 199836.42 1.70 0.32 18304 8132 199938.09 1.85 0.34 19836 8936 200039.13 2.15 0.36 21024 11099 200139.99 2.20 0.36 19490 11203 200241.93 2.25 0.38 20433 10524 200344.59 2.35 0.49 22598 11115 200447.30 2.50 0.56 25107 13320 200552.89 2.60 0.59 33442 16762 200655.73 2.70 0.59 36836 18673 200756.76 2.85 0.67 40548 20724 200859.17 2.95 0.69 42927 20803 200960.63 3.10 0.79 43462 21804。

第三章交通量分析及预测3.1 公路交通调查与分析公路交通量是社会经济发展对公路交通需求的反映，其发生和发展与沿线的社会经济状况密切相关。

交通量的分析与预测是公路建设项目可行性研究的重要内容，是确定公路建设项目的技术等级、工程设施规模以及经济评价的基础。

本次调查充分考虑项目所在区域内的车辆车型和货类的多样性，为了本报告的编制更加精确与合理，结合项目所在运输通道交通流的特点，在车型上更加详细，按照车辆的客货以及大中小型对调查车辆进行了分类。

表3-1 交通量观测车型与车辆折算系数表由于本项目部分路段与现有XX国道平行，并与XX国道、XX西路相连，因此本项目交通量将主要来源于现有道路交通量的增长，及XX国道的分流，为了准确把握现有相关道路的交通状况，合理预测本项目交通量，本此调查收集了与本项目直接相关道路的历年交通量统计数据。

相关道路历年年平均交通量统计数据见表3-2。

表3-2 相关道路现状交通量单位pcu/d从相关道路现状来看，XX西路、XX国道及XX公路的交通量均出现一定幅度增长，年均增长率分别为4.8%，4.7%，7.0%。

随着区域经济的不断发展，XX国道面临的交通压力将进一步增大，为适应区域经济的发展需要，进一步完善区域路网，合理分流现有道路的交通量是十分必要的。

3.2 预测思路与方法依据绍兴市现状路网可知，本项目起点位于XX路，顺接XX路，终点位于XX西路，总体走向与XX国道、XX公路（XX国道）平行，本项目建设必然会对相关道路产生一定的分流作用，分流交通量也将是本项目交通量的主要来源。

同时本项目的建设也将进一步带动沿线区域的经济发展，加快区域开发的进程，而区域的开发也必然会产生部分交通量，即诱增交通量。

本项目属于区域道路，对铁路、水路运输基本不会产生影响，因此本次预测中不考虑其它运输方式的转移交通量。

根据本项目未来交通量组成分析，本次预测将分别对本项目的趋势交通量、诱增交通量进行预测，具体的预测思路及方法如下：针对本项目趋势交通量，本次预测将以区域路网及相关道路的现状交通调查为依据，然后依据XX市国内生产总值与相关道路交通量之间的弹性关系，采用弹性系数法对相关道路的趋势交通量进行预测，并通过交通分配获得本项目不同路段的趋势交通量。

二级公路交通流量预测模型设计与应用随着城市化进程的不断推进，公路交通拥堵问题日益严重，如何进行准确的交通流量预测成为解决交通拥堵问题的重要一环。

本文将围绕二级公路交通流量预测模型的设计与应用展开讨论，通过分析现有的交通流量预测方法，并结合实际场景，提出一种有效的二级公路交通流量预测模型。

一、现有的交通流量预测方法1.时间序列分析法时间序列分析法是一种常用的交通流量预测方法，它基于历史数据对未来的交通流量进行预测。

通过对历史数据进行分析，找出其中的规律和趋势，并对未来的交通流量进行预测。

然而，时间序列分析法在处理非线性问题上存在一定的局限性，因此需要进一步改进和优化。

2.基于统计的方法基于统计的方法通过对交通流量相关因素的统计分析，建立数学模型进行预测。

常用的统计方法包括回归分析、指数平滑法等。

这些方法具有一定的预测准确性，但对于复杂的交通网络系统来说，统计方法的预测精度可能不够高。

3.人工神经网络方法人工神经网络方法是一种模拟人脑神经元工作方式的预测方法。

通过建立具有多个层次的神经网络模型，将交通流量预测问题转化为一个非线性拟合问题。

人工神经网络方法可以克服传统统计方法的局限性，但需要大量的数据进行训练，并容易陷入过拟合的问题。

二、二级公路交通流量预测模型的设计针对以上现有方法的局限性，我们提出了一种基于深度学习的二级公路交通流量预测模型。

该模型采用卷积神经网络（CNN）和长短期记忆网络（LSTM）相结合的方式，可以有效地对二级公路的交通流量进行准确预测。

N模块CNN模块主要用于对空间特征进行提取和学习。

通过卷积操作，CNN可以捕捉到不同位置的交通流量变化规律，从而形成具有空间特征的特征图。

我们将二级公路划分为不同的小区域，在每个小区域内采集交通流量数据，然后通过CNN网络学习特征表示。

2.LSTM模块LSTM模块主要用于对时间序列特征进行建模和预测。

通过LSTM网络的记忆单元和门控单元，可以捕捉到时间序列上的长期依赖和短期变动。

预测交通量及服务水平1.1项目交通需求预测结合本项目关宾路在大理市的路网情况来看，本项目范围为大凤路至防火通道1号路段，西与国道G320（祥云路）连接，通往大理市下关组团，东段与通往宾川县公路相连接。

项目的实施将有效地完善大理市凤仪片区、红山综合物流园区、创新工业园区华营普和箐地段以及大理经济开发区上登工业园区之间的快速联系，并且本项目与机场路相接，是通往机场的一条重要道路。

所以，本项目交通量分布主要考虑趋势交通量与诱增交通量。

1.1.1趋势交通量本项目交通量未作实地OD调查，交通量是根据《云南省公路交通情况调查》2008~2010年资料汇编中相关数据资料，进行交通量预测。

省道S314线在本项目区域内有两个观测站：华营观测站和满江观测站，华营观测站距本项目较近。

表1.6 省道S314线华营观测站2008、2010年交通量调查表分析汇总表由于数据比较旧，通过对项目影响区公路网络的功能及出行情况的分析，并结合项目道路现场情况，校核得出基准年2015年客货车交通量如下表所示：表1.7本项目区域基准年2015年客货车交通量根据本项目区域未来年交通增长率，预测未来年趋势交通量结果如下表所示：表1.8 未来年趋势交通量预测结果(辆/昼夜)目前项目道路车型组成如下图所示：图1.6 项目现状道路车型组成结构通过对项目所在区域历年交通构成分析，充分考虑项目区域特点及未来规划建设情况，以及道路沿线经济发展规划等情况，综合分析预测未来项目道路车型组成结构，如下表所示：表1.9 项目道路未来车型组成结构预测系列1, 小型货车, 24.17%,24%系列1, 中型货车, 17.96%,18%系列1, 大型货车, 15.02%,15%系列1, 小型客车, 37.63%,38%系列1, 大型客车, 2.91%,3%系列1, 特大拖挂, 2.30%,2%小型货车中型货车大型货车小型客车大型客车特大拖挂图1.7 项目预测道路车型组成结构根据本项目区域未来年车型比例预测，将交通量预测结果换算成标准小客车，未来年趋势交通量预测结果如下表所示：表1.10 项目道路未来年趋势交通量预测结果（PCU/d ）1.1.2诱增交通量本项目建成后将改善区域内的交通运输条件，将对沿线区域经济发展产生促进与激励作用，可以大大缩短沿线群众的出行和货物运输时间，节约车辆运营成本，能够提高红山综合物流园区、创新工业园区华营普和箐地段以及大理经济开发区上登工业园区之间的快速联系，并提升项目周边地区的区位条件和经济可达性，加强各影响区之系列1, 小型货车, 24.02%, 24%系列1, 中型货车, 18.19%, 18%系列1, 大型货车, 14.73%, 15%系列1, 小型客车, 38.39%, 38%系列1, 大型客车, 1.96%, 2%系列1, 特大拖挂, 2.71%, 3%小型货车中型货车大型货车小型客车大型客车特大拖挂间的经济联系，促使项目各影响区经济产生新的增长，由此将产生诱增交通量。