基于灰色理论的车辆分类统计与流量预测
灰色预测模型在交通运输规划中的应用研究
灰色预测模型在交通运输规划中的应用研究交通运输规划是城市发展和管理中重要的一部分，它涉及到道路、铁路、航空、水运等各个交通领域的规划和设计。
而在交通运输规划中，灰色预测模型是一种被广泛应用的预测方法，可以帮助决策者在面对不确定性的情况下做出合理的规划和决策。
灰色预测模型是由我国学者陈纳德教授于1988年提出的，它是一种基于数据序列的预测方法。
相比于传统的统计模型，灰色预测模型可以更好地处理少样本、非线性、不确定性等问题，具有较强的适应性和预测精度。
在交通运输规划中，灰色预测模型可以应用于多个方面。
首先，灰色预测模型在交通需求预测中发挥着重要作用。
交通需求预测是交通规划的基础工作之一，它需要根据历史数据和相关因素进行未来交通需求的预测。
灰色预测模型可以根据已有的数据序列，通过建立灰色预测模型来预测未来的交通需求。
例如，可以根据历史交通流量数据，结合经济发展水平、人口增长率等因素，利用灰色预测模型来预测未来几年的交通需求，进而为交通规划提供依据。
其次，灰色预测模型在交通流量预测中也有广泛应用。
交通流量预测是指根据历史交通流量数据和相关影响因素，预测未来某一时段或某一路段的交通流量情况。
利用灰色预测模型可以较准确地预测未来的交通流量，有助于交通规划者制定合理的交通管理措施。
例如，可以通过对过去的交通流量数据进行分析和建模，利用灰色预测模型来预测未来某一时段的交通流量，以便为合理安排道路容量和交通信号灯时间提供依据。
此外，灰色预测模型还可以应用于交通事故预测。
交通事故是交通运输规划中需要关注的重要问题之一，通过预测交通事故的发生情况可以采取相应的交通管理措施来减少交通事故的发生。
利用灰色预测模型可以分析历史事故数据和相关因素，预测未来某一地区或某一路段的交通事故发生概率，从而为交通规划者提供减少事故发生的建议和决策参考。
此外，灰色预测模型还可以应用于公共交通出行需求的预测和优化。
公共交通出行需求的预测和优化是城市交通规划中的重要内容，通过合理预测公共交通出行需求，可以调整公交线路、增加公交车辆，提高公共交通的服务水平，促进城市交通的绿色发展。
基于灰色预测模型的铁路货运量预测
基于灰色预测模型的铁路货运量预测铁路货运量是衡量铁路运输发展水平的重要指标之一。
铁路货运量预测是铁路运输管理的重要组成部分，对于制定合理的投资和运输规划具有重要的指导意义。
目前，国内外运输管理部门普遍采用灰色预测模型对铁路货运量进行预测，本文将从灰色预测模型的基本原理、模型构建、模型评价等方面对铁路货运量预测进行探讨。
一、灰色预测模型基本原理灰色系统理论是由中国科学家李纪周教授提出的一种新型的系统分析和预测方法，简称灰色预测。
灰色预测是一种非常有效的模型，不需要大量的数据，只需少量的数据就可以对未来进行预测。
其基本思想是将数据分为灰色部分和白色部分，对灰色部分进行建模，通过对白色部分的分析，确定模型参数，进而预测未来的发展趋势。
灰色预测模型基本原理包括灰色数学和灰色建模两个方面。
灰色数学是指将不确定的因素通过内部联系表示为确定的因素，从而使模型有可预测性。
灰色建模是将灰色数学应用到实际问题中，通过对数据的特性进行分析，建立灰色预测模型，对未来的趋势做出预测。
二、铁路货运量预测模型构建铁路货运量预测是基于历史数据建立预测模型，通过对历史数据趋势进行分析，建立适合未来预测的模型。
在建立铁路货运量预测模型时，需要考虑以下几个方面。
1、数据的准备铁路货运量预测模型建立的第一步是准备数据。
数据应具有代表性、完整性、可靠性和连续性。
数据的时限应根据预测所需预测时段的长短而确定，过长或过短都不利于预测。
2、数据的稳定性和平稳性分析为了建立有效的预测模型，必须首先对数据的稳定性和平稳性进行分析。
只有稳定和平稳的时间序列才能够进行有效的预测。
3、模型的构建灰色预测模型的具体构建包括确定级数、构建GM(1,1)模型、验证预测模型和修改预测模型。
其中GM(1,1)模型是经典的灰色预测模型之一，其基本思想是通过对原始数据进行累加生成新的数据序列，再建立一阶微分方程的模型，预测未来发展趋势。
4、模型的优化建立铁路货运量预测模型并不止于构建GM(1,1)模型，模型的优化和改进也是关键的一步。
基于灰色理论的车辆分类统计与流量预测
ｓ ｌ ｉｄｃｔｄ ｔａ ｈ ｏ ｅ ｔｏ ｂ ａｎ ｄ ｈｇ ｄ ｎ ｉｃ ｔ ｎ ｐ ｅｉｉｎ ｉ ｅ ｉｌ ｍｏ ｅ ｅ ｏ ｎｔ ｎ，ａ ｄ ｃ ｍｐ ｒｄ ｗｉ ｕｔ ｎ ｉａｅ ｈ ｔｔｅ ｎ ｖ ｌｍｅｈ ｄ ｏ ｔｉｅ ｉｈ ｉｅ ｔ ｉａｉ ｒ ｃｓｏ ｎ ｖ ｈｃｅ ｆ ｏ ｄ ｌｒｃ ｇ ｉｏ ｉ ｎ ｏ ａｅ ｔ ｈ
但迄 今为 止 的研 究 表 明 ， Ｂ ｃ ｒｐ ｇ ｔ ｎ Ｐ （ ａ ｋＰ ｏ ａ ａｉ ，Ｂ ） ｏ
１ 引言
目前 ， 国公 路 收 费系 统 中 ， 多数 都 采用 人 我 大 工 观测判 断车 型 ， 此作 为 收 费 的依据 ； 以 由闭路 电
有基 于视频 图像处 理技 术 ｌ 、 应式 车 型识 别 系 ＿ 感 ４ ］ 统 ｌ 等 。随着计算 机技 术 的迅速 发展 ， 于图像处 ６ ］ 基
总第 ２ ４期 ４ ２１ ００年第 ２期
计算机与数字工程
Ｃ ｍｐ ｔｒ＆ Ｄｉｉ ｌ ｇｒ ｅｉｇ ｏ ｕｅ ｇｔ ｉｅ ｒ ａ Ｅｎ ／ ｎ
Ｖｏ ． ８ Ｎｏ ２ １３ ．
１ ３Ｏ基 于 灰 色 源自 论 的 车 辆 分 类 统 计 与 流 量 预 测
袁 理
武汉 ４０７） ３０ ４ （ 武汉职业技术学院 电子信息工程学 院
Ａｂ ｔａ ｔ Ａ ｅ ｈ ｏ ｏ ｙ ｏ ｅ ｉｌ ｄ ｌ ｅ ｏ ｎ ｔ ｎ ａ ｄ ｔａ ｆｃｆ ｒ ｃ ｓ ａ ｅ ｎ ｇ ａ ｙ ｔ ｍ ｓｉ ｔ ｏ ｕ ｅ ．Ｔｈ ｅ ｈ ｓ ｒｃ ｔ ｃ ｎ ｌ ｇ ｆｖ ｈ ｃｅ ｍｏ ｅ ｃ ｇ ｉ ｏ ｎ ｒ ｆｉ ｏ ｅ ａ ｔｂ ｓ ｄ ｏ ｒ ｙ ｓ ｓ ｅ ｉ ｎ ｒ ｄ ｃ ｄ ｒ ｉ ｅｔｃ —
ｔ ａ ｉｉｎ ｌ ｏ ｅ ａ ｔｎ ｔ ｏ ｓ ｈ ｒ ｄ ｔ ａ ｒ ｃ ｓ ｉ ｇ ｍｅ ｈ ｄ ，ｔ ｅ ＧＭ （ ， ）ｉ ｒ ｃｅ ｔ ｉ ｎ ｒ ｃ ｉａ． ｏ ｆ １ １ ｓｍｏ ｅ ｓ ｉｎ ｉ ｃ ａ ｄ ｐ ａ ｔ １ ｆ ｃ Ｋｅ ｏ ｄ ｖ ｈ ｃｅ ｍｏ ｅ ｄ ｎ ｉ ｃ ｔ ｎ ｒ ｙ ｔ ｅ ｒ ，ｇ ａ ｏ ｒ ｌ ｔ ｎ ａ ａ ｙ ｉ ，ＧＭ （ ， ） ｙＷ ｒｓ ｅ ｉｌ ｄ ｌ ｅ ｔｆ ａ ｉ ，ｇ ａ ｈ ｏ ｙ ｉ ｉ ｏ ｒ ｙ ｃ ｒ ｅ ａｉ ｎ ｌ ｓｓ ｏ １ １ Ｃｌｓ ａ ｓＮｕ ｂ ｒ ＴＰ ９ ｍ ｅ ３］
灰色系统理论和马尔柯夫链相结合的网络流量预测方法
原 始数 据 少 、 法 简单 ， 马 尔可 夫链 又 具有 非 线性 拟 合 能 力 的特 点 ， 应 用 此 模 型 对 实 际 网 络 流 量 进 行 预 测 ， 方 而 并 结 果 表 明 了该 方 法是 有 效 可行 的．
Ｖ １ ４ Ｏ４ Ｊ ｏ ３ Ｎ． ．
ｕ． ２ １ ００７
灰 色 系 统 理 论 和 马 尔 柯 夫 链 相 结 合 的 网 络 流 量 预 测 方 法
姚 奇 富 ，李翠 凤 ，马 华林 ，张 森。
（ ．浙 江 工 商职 业 技 术 学 院 ，浙 江 宁 波 ３ ５ １ ； ．浙 江大 学 ，浙 江 杭 州 ３ ０ ２ ） １ １０ ２ ２ １０ ７ 摘 要 ： 网络 流 量 预 测 是 网络 测 量 领 域 一 项 重 要 的 内容 ． 过 流 量 测 量 与 预 测 ， 以 了解 到 网络 之 间 的 流 量 情 况及 通 可 其趋 势 ， 而 更 好 地 进 行 网络 改 建 和 负载 均 衡 的 设 计 ． 对 各 时 刻 网络 流 量 时 间序 列 的 非 线性 和 多 时 间 尺 度 特 性 ， 从 针
ｓ ｒｅ ，ｔ ｅ ｇ ｅ ｒ ｏ ｄ ｌ ｏ ｅ ｉ ｓ ｈ ｒ ｙ ｍａ ｋ ｖ ｍｏ ｅ ｃ ｍｂ ｎ ｎ ｒ ｙ ｓ ｓｅ ｔ ｅ ｒ ｎ ａ ｋ ｖ ｃ ａｎ ｉ ｐ ｔｆ ｒ ｒ ．Ｔｈ ｓｍｅ ｈ ｄ ｓ ｎ ｈ — ｉｉ ｇ ｇ ｅ ｙ ｔ ｍ ｈ ｏ ｙ ａ ｄ Ｍ ｒ ｏ ｈ ｉ ｓ ｕ ｏ ｗａ ｄ ｉ ｔ ｏ ｙ ｔ ｅ
３ ５ １ ，Ｃ ｉ ａ ． Ｚ ｅ ｉｎ ｉｅ ｓｔ １ ０ ２ ｈ ｎ ；２ ｈ ｊａ ｇ Ｕｎｖ ｒｉｙ，Ｈａ ｇ ｈ ｕ ３ ０ ２ ｎ ｚ ｏ １ ０ ７，Ｃｈｎ ） ｉ ａ
基于灰色关联分析的我国汽车产销总量预测
基于灰色关联分析的我国汽车产销总量预测对汽车物流企业而言,汽车消费市场的变化对企业的影响是极为巨大的。
如今我国经济不断发展,汽车消费群体也在逐年发生变化,汽车消费市场的变化直接影响到汽车生产企业的订单和产量,而汽车生产企业的产量,则密切影响着为其提供物流配送服务的汽车物流企业。
因此,对我国的汽车市场走向进行研究分析,可以根据预测得出的数据对汽车物流企业未来的发展进行宏观规划并制定合理的目标,具有一定的现实指导意义。
标签：灰色关联分析汽车产销量预测1 灰色关联分析的原理及方法简述影响我国汽车总产销量的因素有很多,如我国国民生产总值、第一第二产业的GDP值、固定资产投资总额、高速公路里程、公路货运周转量、钢铁、煤矿产量等因素。
将汽车产销看成一个抽象的系统,这些因素共同作用的结果则决定了这一系统的发展态势。
因此需要对影响系统的众多因素进行分析,比较各种因素对系统影响程度,判断出主要因素及次要因素。
传统的分析方法有回归分析、方差分析等数理统计方法,但这些方法存在着以下的局限:①要求有大量数据若数据量少则难以找出统计规律。
②要求样本服从某个典型的概率分布并要求各因素数据与系统数据之间呈线性关系且各因素之间彼此无关。
③计算量大一般需要计算机进行辅助。
而灰色关联分析的方法则在一定程度上克服了数理统计方法的局限。
无论样本量多少、样本有无规律,这一方法都同样适用。
并且这一方法计算量小,计算简单,一般不会不出现量化结果与定性分析结果不符的歪曲颠倒现象。
灰色关联分析的基本思想是根据数据序列曲线的几何形状的相似程度来判断其联系是否紧密。
若曲线越接近,相应序列之间的关联度就越大,反之则越小。
对一个抽象系统或现象进行分析,首先,需要选择反应系统行为特征的数据序列,即系统行为的映射量。
用映射量来间接的表征系统行为。
在本章所分析的汽车产销系统中,用汽车的总产量和总销量来表征系统行为。
之后将特征映射量和各有效因素序列处理成无量纲数据,再然后即可利用灰色关联公理对系统进行分析[1]。
基于灰色理论的城市轨道交通客流量预测研究
基于灰色理论的城市轨道交通客流量预测研究基于灰色理论的城市轨道交通客流量预测研究摘要：随着城市轨道交通的快速发展，客流量预测成为管理者做出调度和决策的重要依据。
本文基于灰色理论，对城市轨道交通客流量进行了预测研究。
首先，通过对过去的客流量数据进行分析，建立了灰色预测模型。
然后，利用该模型对未来的客流量进行预测。
最后，通过与实际数据的比较分析，验证了该方法的有效性和准确性，为城市轨道交通的运营管理提供了有力的支持。
1. 引言城市轨道交通作为一种高效、快捷、环保的交通方式，得到了越来越多城市的青睐。
然而，随着客流量的增加，如何合理预测和管理客流成为面临的重要挑战。
传统的预测方法往往需要大量的历史数据和复杂的数学模型，且预测结果存在较大误差。
因此，本文将基于灰色理论，开展城市轨道交通客流量预测研究，旨在提高预测准确性和实际应用效果。
2. 灰色理论概述灰色理论是一种基于少量数据进行建模和预测的方法，其核心思想是通过对数据序列的分析和处理，消除数据中的随机波动和不确定性，得到更加准确的结果。
3. 数据采集和处理本研究选择某城市一条轨道交通线路作为研究对象，每日记录车站的客流量数据。
将数据按照时间序列进行整理和排序，并进行归一化处理，以便后续的模型构建和分析。
4. 灰色预测模型基于对历史数据的研究和分析，本文采用GM(1,1)模型进行客流量的预测。
该模型根据灰色系统理论中的灰色矩阵和灰色生成关系，通过对数据序列的一次累加得到一阶差分数据，然后利用后续模型建立灰色微分方程，最终得到预测结果。
5. 模型验证与结果分析将预测模型应用于实际数据进行验证，并与其他预测方法进行对比分析。
结果显示，基于灰色理论的预测模型在准确性和精度上具有较大的优势。
通过调整模型参数和不断优化算法，还可以进一步提高预测结果的准确性和可靠性。
6. 结论与展望本文研究了基于灰色理论的城市轨道交通客流量预测方法，并进行了验证和分析。
结果表明，该方法在预测准确性和实际应用效果上具有显著优势。
交通量的灰色神经网络预测方法
3、训练和测试
利用历史数据对灰色神经网络模型进行训练，然后使用测试数据进行验证。 通过比较实际值和预测值，评估模型的预测精度和稳定性。如果模型的预测效果 不理想，可以对模型进行调整和优化，以提高预测能力。
四、实验结果与分析
本次演示选取某只股票的历史数据作为实验数据，分别采用传统的线性回归 方法和基于灰色神经网络的股指预测方法进行比较。实验结果表明，基于灰色神 经网络的股指预测方法具有更高的预测准确性和稳定性。与传统的线性回归方法 相比，该方法能够更好地捕捉股市的复杂性和不确定性，提供更准确的股指预测 结果。
五、结论与展望
本次演示提出了一种基于灰色神经网络的股指预测方法，通过结合灰色系统 理论和神经网络算法，提高了预测的准确性和稳定性。实验结果表明，该方法在 股指预测方面具有显著优势。未来研究方向可以包括进一步优化模型参数、引入 更多特征信息以及拓展到其他金融市场的预测问题中。
参考内容二
基本内容
交通量的灰色神经网络预测方 法
基本内容
随着城市化进程的加速，交通拥堵成为了全球城市面临的共同问题。交通量 的预测对于缓解交通拥堵、提高交通系统效率等问题具有重要意义。本次演示将 探讨交通量的灰色神经网络预测方法，旨在为交通规划和管理提供科学依据。
在目前的交通量预测研究中，常用的方法包括回归分析、神经网络、时间序 列分析等。这些方法在不同程度上均存在一定的优缺点，如对数据要求较高、预 测精度不理想等。因此，寻找一种更加准确、可靠的交通量预测方法显得尤为重 要。
参考内容
一、引言
股指预测是金融市场分析的重要内容之一，对于投资者、金融机构和政策制 定者都具有重要意义。然而，由于股市的复杂性和不确定性，传统的预测方法往 往难以准确预测股指的走势。因此，本次演示提出了一种基于灰色神经网络的股 指预测方法，以提高预测的准确性和稳定性。
基于灰色模型与指数平滑法对未来汽车销售数额的预测
基于灰色模型与指数平滑法对未来汽车销售数额的预测摘要：总所周知的，预测汽车的销售量，无论是对于整体的掌控汽车市场的发育与成长态势的政策制定者，还是对于研究市场行情以制定营销策略的汽车厂商而言，都具有极其重要的作用。
我们根据题中所给的历史以来的销量数据，利用灰色模型GM（1，1）根据长期趋势性和周期性，通过灰色预测算法dx/dt+ax=u，x（k+1）=（x⑴-u/a）e+u/a。
对问题进行编程并带入16年和17年的数据进行迭代运算对汽车销量即时间序列的未来值进行数学建模分析预测，然后利用指数平滑法对各个数据进行加权处理，并可利用此对原方法进行优化改进。
根据“最近数据对未来数据影响大，远古数据反之”的特点，且前灰色预测出来的函数图像为曲线增长的模式，则利用三次指数平滑预测公式，yt+1’=yt’+a（yt- yt’），yt+m=（2+am/（1-a））yt’-（1+am/（1-a））yt=（2yt’-yt）+m（yt’-yt）a/（1-a）求解关键词：汽车销量；灰色预测；指数平滑法一、模型的建立首先，我们根据以往几年的数据想要求得2018年的预测数据并希望其理论真实值比较可靠，在某种程度上会持续到未来，所以将较大的权数放在最近的资料。
从而得到2018年的预测数据以及图像。
其次，光是得到2018年的预测数据是不够的，我们希望能够得到以后几年的预测数据，而灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的。
同时，灰色理论建立的是生成数据模型，不是原始数据模型，因此，灰色预测的数据是通过生成数据gm（1，1）模型所得到的预测值的逆处理结果。
故利用灰色预测模型对往几年的数据进行拟合，并可根据往几年的数据对以后几年进行预测计算，从而得到比较可靠的问题解决。
在第一种方法中，对于指数平滑法，时间从2000年到2017年。
并分别用一次二次三次指数平滑进行远古数据拟合，观测得到最合理的一个，并对此基础上求得2018年的营销数据。
基于灰色时间序列预测中国汽车销量
Car Sales Forecast in China Based on the Gray Time
Series Prediction
作者： 杨月英;马萍
作者机构： 湖州职业技术学院机电工程分院,浙江湖州313000
出版物刊名： 湖州职业技术学院学报
页码： 5-7页
年卷期： 2012年 第1期
主题词： 灰色预测;汽车销量;MATLAB软件
摘要：预测汽车的销售量,无论是对于整体掌控汽车市场的发育与成长态势的政策制定者,还是对于研究市场行情以制定营销策略的汽车厂商而言,都具有极其重要的作用。
采用灰色时间序列预测,对未来两年中国汽车销售进行了预测,估计2011年中国汽车销量超过2 000万辆,2012年中国汽车销量争取达到2 500万辆。
基于灰色系统模型的西安市客运量预测
预测精度高 ，适用于西安市客运量预测 。运 用此模型得到客运 量预测数据。
关 键 词 ：灰 色 系 统模 型 ；ＧＭ （ １ 。 １】 ；检 验 ；客运 量 预 测
中图分类号 ：［ Ｕ一 ９ 】 文献标识码 ：Ａ 文章编号 ：１ ６ ７ １ — ７ ９ ８ ８ （ ２ ０ １ ４ ） ０ ９ — ０ ７ — ０ ３
ｍｏ ｄ ｅ ｌ ｔ ｏ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ＧＭ （ １ ， １ ） ｍｏ ｄ ｅ １ ． Ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｌ ｕ ｓ ｉ ｏ ｎ ｉ ｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｍｏ ｄ ｅ ｌ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｉ ｓ ｈ ｉ ｇ ｈ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｔ ｈ ｅ ｔ ｅ ｓ ｔ ， ａ ｎ ｄ ｉ ｔ ’ Ｓ
Ｔｈ ｅ Ｐａ ｓ ｓ ｅ ｎ ｇ ｅ ｒ Ｔ ｒ ａ ｆ ｉｃ ｆ Ｆｏ ｒ ｅ ｃ ａ ｓ ｔ Ｏｆ Ｘｉ ’ ａ ｎ Ｂａ ｓ ｅ ｄ Ｏｎ Ｇｒ ｅ ｙ Ｓ ｙ ｓ ｔ ｅ ｍ Ｍ ｏ ｄ ｅ ｌ
Ｓ ｕＷｅ ｉ ， Ｚ ｈ ａ ｎ ｇＹ ａ ｎ ， Ｌ ｉ Ｙａ ｌ ｉ ｎ ， Ｃａ ｏＷｅ ｎ ｊ ｕ ａ ｎ
发 展趋 势进 行 预 测 与 分 析 ，可 以有 效 地 规 划 和 组 织 西 安 市 旅 确 定 性 系 统 ，通 过 对 少 量 数 据 建 立 微 分 方 程 模 型 ，对 已 知信
客运输 ，为西安 市交通运输规划提供决策的理论依据 ，提高 息 进 行 生 成 、 开发 和 提 取 ，实 现 对 系 统 运 行 行 为 、演 化 规律
汽 实 用 技 术
ＡＵＴＯＭＯＢＩＬＥ ＡＰＰＬＩＥＤ ＴＥＣＨＮ０Ｌ０ＧＹ
灰色神经网络在交叉口车流量预测中的应用
加． 近些年来 全国各地都加强 了交通基础 设施 和智能 运输 系统 的建设 ．交通流量 的预测是公 路项 目立 项 ． 规划和设计 建设 的重要依 据 ． 也是交 通规划 和交 通诱
导 的前 提 和关 键 交 通 流 量 预 测 按 照 时 间 跨 度 可 以分
１道 路 交 叉 口模 型 与 结 构
两种预测方 法的优点 ． 提 出 一 种 基 于灰 色 神 经 网 络 模
知 的信 息 ， 建立 Ｇ Ｍ（ １ ， １ ） 模 型 。它是 以原始数据 序列
为 基础 建 立 的 微 分 方 程 。 灰 色 理 论 是 将 无 规 律 的原 始
作者简 介 ： 郑悦 （ １ ９ ８ ８ － ） ， 硕士 ， 研 究 方 向 为 智 能 交 通 控
ｑ （ ｋ ＋ １ ） ＝ ｑ （ ｋ ） ＋ ｌ ｆ ｑ ＋ １ ） ， ｑ ＋ １ ） ， ｑ ３ ＠＋ １ ） ） 其中， ， 『 ・ ） 为一 非线性 函数 。同理 ， 可 以得 到北 出
口、 东 出 口以及 西 出 口的交 通 流量 关 系式 。 由 于交 通 系 统 是 一 个 非 常 复 杂 的大 系统 ． 具 有 高 度 的动态 时变性 、 不 确定性 和非线 性 ， 很 难 构 精 确 的 表达 式 ， 为此 ， 提 出 了 一 种 短 时 交 通 流 量 智 能 组 合 预
图１ 为 城 市 路 网 中典 型 的 独立 交 叉 口的 交 通 流 示
意图。其 中， ｑ ｌ ㈣、 ｑ ２ （ ｋ ） 、 ｑ ３ （ Ｉ ｊ ｝ ） 、 ｑ ） 分别为东进 口左转车
流、 北 进 口直 行 车 流 、 西 进 口右 车 流 转 以及 南 出 口车
为长期交 通流量预测和短期 交通流量 预测 ． 按 预 测 对
灰色预测模型在高速公路车流预测中的应用
了解决 以上 问题 ， 本文 提 出 了运用 滤 波器 对 Ｇ １ Ｍ（ ，
１ 模 型进行残 差 修正 的方法 ， 得 了能 满 足应 用 要 ） 取
灰 色预 测模 型在 高速 公 路 车 流预 测 中的应 用
汪 超 孙 卫 华 何 元 烈 ， ，
（． １ 广东省公 路勘 察规 划设计 院股份有 限公 司 市政与交通工程设计部 ， 广东 广州 ５０ ０ ： １５７ ２ ．广东工业大学 计算机学 院， 广东 广州 ５０ ０ ） １０ ６
２ Ｆ ｃ ｈ ｆＣ ｍｐ ｔ ｒＳ ｉｎ ｅ，Ｇｕ ｎ ｄ ｎ ｎ ｖ ｒｉ ｆ ｅ ｈ ｏｏ ｙ，Ｇｕ ｎ ｚ ｏ １ ０ ６ ． ａ ｕ ｙ ｏ ｏ ｕ ｅ ｃｅ ｃ ａ ｇ ｏ ｇ Ｕ ｉｅ ｓ ｙ ｏ ｃ ｎ ｌ ｇ ｔ Ｔ ａ ｇ ｈ ｕ５ ０ ０
，
Ｃｉ ， ｈｎ ） ａ
在信 息化 时 代 ， 学 的交 通 管 理 与控 制 需 要 能 科 够做 到根 据 当前 路 网交通 流变 化规律 ， 科学 判 断 、 预 测高 速公 路交 通 流 变化 情 况 ， 且 提前 采 取 有 效措 并 施规 避可 能存 在 的交 通拥 挤 或 者堵 塞 ， 主动 采 取 信 息 发布 、 交通 广播 等 诱 导方 式 保 障 高 速公 路 路 网交
Ｗ ａ ａ ，Ｓｕ ｅ． ｕ ， ａ —ｉ。 ｎｇ Ｃｈ ｏ ｎ Ｗ ｉｈ ａ Ｈｅ Ｙｕ ｎ ｌ ｅ
（ ． ｅ ｔ ｆ ｕ ｅ ａ ａ ｄ Ｔ ａ ｉ Ｅ ｇ ｅ ｒ ｇ Ｇ ａ ｇ ｏ ｇＨ ｇ ｗ ｙＤ ｓ ｎ Ｉｓ ｔｔ Ｃ ． Ｌｄ ，Ｇ ａ ｇｈ ｕ５ ０ ０ ，Ｃ ｉａ １ Ｄ ｐ ｎ ｉ ｌ ｎ ｒ ｆ ｎ ｉ ｅｉ ， ｕ ｎ ｄ ｎ ｉ ａ ｅｉ ｎｔ ｕ Ｏ ， ｔ． ｕ ｎ ｚｏ ５ ７ ｈｎ ； ｏＭ ｐ ｆｃ ｎ ｎ ｈ ｇ ｉ ｅ １
灰色预测技术研究进展综述
灰色预测技术研究进展综述灰色预测是一种基于系统动力学的定量预测方法，它在预测问题中具有广泛的应用。
本文将对灰色预测技术的研究进展进行综述，以便读者对该方法有一个全面的了解。
我们将介绍灰色预测的基本原理和方法。
灰色预测是一种基于灰色系统理论的预测方法，它通过建立灰色微分方程来描述系统的发展趋势。
与传统的数学模型不同，灰色预测方法可以较好地处理样本数据量较小，且不完备的情况。
它通过对数据进行灰色化处理，将其转化为灰色微分方程，然后通过求解该方程来预测未来的发展趋势。
接下来，我们将介绍灰色预测技术在各个领域的应用。
灰色预测方法在经济、环境、医学、交通等领域都有广泛的应用。
例如，在经济领域，灰色预测可以用于预测经济增长趋势、物价走势等。
在环境领域，灰色预测可以用于预测污染物排放量、气候变化趋势等。
在医学领域，灰色预测可以用于疾病的预测和诊断。
在交通领域，灰色预测可以用于交通流量的预测和交通拥堵的预警等。
然后，我们将介绍灰色预测技术的改进和优化方法。
随着研究的深入，学者们对灰色预测方法进行了不断的改进和优化，以提高预测的准确性和可靠性。
例如，有学者提出了基于灰色关联度的灰色预测方法，通过引入关联度概念，可以更准确地描述系统的发展趋势。
还有学者提出了基于灰色神经网络的灰色预测方法，通过结合神经网络和灰色模型，可以更好地处理非线性和复杂的预测问题。
我们将展望灰色预测技术的发展方向。
虽然灰色预测方法在预测问题中具有一定的优势，但仍然存在一些问题和挑战。
未来的研究可以集中在以下几个方面：进一步改进和优化灰色预测方法，提高预测的准确性和可靠性；探索灰色预测方法与其他预测方法的结合，以提高预测的精度和稳定性；开发适用于特定领域的灰色预测模型，以满足不同领域的预测需求。
灰色预测技术是一种有效的预测方法，在各个领域都有广泛的应用。
随着研究的深入，灰色预测方法也在不断改进和优化。
未来的研究可以进一步提高预测的准确性和可靠性，以满足不同领域的预测需求。
基于灰色预测的新能源汽车发展预测
为减少汽车污染物排放，解决化石能源逐渐枯竭问题，我国大力发展新能源汽车及其相关产业，为了推进我国新能源汽车及其相关产业的高质量可持续发展，采用灰色预测方法对2019年至2022年间新能源汽车年销售额与保有量进行预测，采用matlab软件预测得出2022年我国新能源汽车保有量将接近6%，2022年销售量超过1800万辆，结果表明灰色预测模型能较为精确的预测出我国新能源汽车发展趋势，从而为推进我国新能源汽车及其相关产业高质量可持续发展提供参考价值。
1 我国新能源汽车产业及其发展随着经济社会发展，以柴油和汽油为燃料的传统汽车的大量出现，使得能源短缺、空气质量下降、温室效应等主要问题陷入了恶性循环。
对于当前面临的大气污染和能源枯竭等问题，发展清洁能源汽车势在必行。
清洁能源汽车是以清洁能源燃料代替传统化石燃料的环保型汽车的统称，新能源汽车包括纯电动汽车、增程式电动汽车、混合动力汽车、燃料电池电动汽车、氢发动机汽车、其他新能源汽车等（新能源汽车[DB/OL]:https:///item/新能源汽车/2149544?fr=aladdin,2019-10-4/2019-11-13）。
我国目前使用较为广泛的新能源汽车为纯电动汽车和混合动力汽车。
自我国«节能与新能源汽车产业发展规划（2012-2020年）»实施以来，我国新能源汽车及其相关产业取得了巨大的成就。
近期工信部起草的《新能源汽车产业发展规划（2021-2035年）》（征求稿），该规划指明了未来15年我国新能源汽车的发展方向与目标。
要抢抓机遇，巩固良好势头，不断提升产业核心竞争力，推动新能源汽车产业高质量的可持续发展（《新能源汽车产业发展规划（2021-2035年）》征求意见稿[EB/ OL]:/news/20191018/1014290.shtml）。
2 新能源汽车销售数量预测模型2.1 灰色预测模型目前大多数学者用到的是神经网络算法、Logistic阻滞增长模型、多重回归模型等方法对新能源汽车发展趋势进行预测。
基于灰色预测的公交站点客流量预测研究
基于灰色预测的公交站点客流量预测研究随着城市化不断加速，城市人口和交通工具不断增多，公共交通成为越来越多人的主要交通方式。
因此，公交站点的客流量预测对于公交公司和城市交通管理部门来说至关重要。
在这方面，灰色预测方法已经广泛应用，成为了一种有效的预测方法。
一、灰色预测的基本概念1.1 灰色系统理论简介灰色系统理论是由中国科学家洪钧煊教授于1982年提出的一种系统理论。
它的特点是研究对象信息量较少，难以进行全面建模，但又有明显趋势性和规律性。
灰色系统理论以其优越性被广泛应用于各个领域的预测和决策。
1.2 灰色预测模型简介灰色预测模型是一类基于灰色系统理论的预测模型，建立在少样本、难建模、数据不确定和不完整的情况下。
它通过建立灰色微分方程来描述预测对象的发展规律。
二、基于灰色预测的公交站点客流量预测研究2.1 数据采集和处理公交站点客流量预测需要进行数据的采集和处理。
数据的采集可以通过人工调查、智能卡刷卡数据、视频监控等方式获取数据。
处理数据需要对数据进行去噪和平滑，以确保数据的可靠性。
2.2 灰色预测模型的建立利用采集到的数据进行模型的建立，在建立模型时需要进行灰色关联度分析和灰色预测模型优选。
最终确定最优的模型，并根据模型进行客流预测。
2.3 模型效果评价评价模型的效果是客流预测工作的重要环节，可以通过均方根误差（RMSE）、平均相对误差（MAPE）等指标进行评价。
三、基于灰色预测的公交站点客流量预测模型的优势3.1 灰色预测模型适用性强公交站客流量的预测涉及到多种因素，而多数情况下因素的关系比较复杂，因此单一参数模型很难建立准确的预测模型。
灰色预测方法通过灰度极值的削弱作用，可以有效地处理因素的关系，提高预测的准确性。
3.2 灰色预测模型具有高精度建立灰色预测模型的前提是对数据进行充分的分析，对于一些传统方法难以建立模型的数据进行预测时，灰色预测模型能够通过灰度运算进行有效的预测。
这些情况下，灰色预测模型的预测精度优于传统的统计预测方法。
基于灰色预测模型的短期交通流预测研究的开题报告
基于灰色预测模型的短期交通流预测研究的开题报告一、选题背景和意义随着城市化进程的不断推进，城市道路交通流量不断增大，交通拥堵问题日益突出。
短期交通流预测是交通管理和规划的重要内容之一，能够为交通组织、调度、安全等方面提供有价值的参考和支持。
目前，随着计算机技术和数据处理技术的发展，人们可以采用各种预测方法和算法，对交通流量进行预测。
传统的交通流预测方法主要采用时间序列分析法、回归分析法等，但这些方法需要精确的历史数据和复杂的统计计算，灰色预测模型是在较少数据的情况下进行预测的一种方法。
因此，本研究旨在利用灰色预测模型对城市道路交通流量进行短期预测，提高交通管理和规划的效率，为城市交通发展提供技术支持。
二、研究内容和方法本研究将选取城市某主干道路为研究对象，采用灰色预测模型对该道路的交通流量进行短期预测。
具体步骤如下：1. 收集该道路历史交通流量数据，并进行预处理和分析，获取规律性和趋势性信息。
2. 对数据进行灰色处理，建立经典的灰色模型GM(1,1)模型，确定模型参数。
3. 进行模型优化和修正，对系数进行调整和拟合，得出预测模型。
4. 利用建立的预测模型进行短期交通流预测，对结果进行分析和比对。
5. 对预测结果进行评价和分析，提出针对性的优化建议和措施。
三、论文组成和进度安排本论文预计由以下几个部分组成：1. 绪论：主要介绍本研究选题的背景、意义和研究现状。
2. 理论基础：主要介绍灰色模型的基本原理和模型结构，以及灰色模型在交通流预测中的应用。
3. 研究方法：主要介绍本研究的数据来源、处理方法和研究流程。
4. 实验结果和分析：主要介绍本研究所获得的实验数据结果和分析，提出优化建议和措施。
5. 结论和展望：主要总结本研究的贡献、不足之处和未来研究方向。
预计完成时间安排如下：1. 第一周：查阅相关文献，撰写开题报告。
2. 第二周-第六周：收集数据，完成数据预处理和分析，建立灰色预测模型。
3. 第七周-第八周：进行模型优化和修正，得出预测模型。
基于灰色理论与智能算法的铁路客运量预测组合模型研究
基于灰色理论与智能算法的铁路客运量预测组合模型研究基于灰色理论与智能算法的铁路客运量预测组合模型研究近年来，随着铁路交通在我国的迅猛发展，铁路客运量的精确预测对于优化线路规划、提高运输效率具有重要意义。
然而，由于客运量受多种因素的影响，如经济发展水平、交通运输政策和自然灾害等，其变化趋势受到多种影响因素的制约，传统的预测模型难以准确预测。
因此，在本文中，我们将采用灰色理论和智能算法相结合的方法，构建一种铁路客运量预测组合模型，以提高预测精度。
首先，我们将介绍灰色理论在预测中的应用。
灰色理论是一种针对系统发展不完善和数据不充分的方法，其核心思想是通过建立数学模型，预测和分析不完全信息的系统。
在铁路客运量预测中，我们将利用灰色理论对未来客运量进行研究和预测。
其次，我们将引入智能算法，如遗传算法和神经网络，以提高模型的准确性和预测能力。
遗传算法是一种模拟自然进化过程的优化算法，可以通过优秀个体的选择、交叉和变异，寻找最佳解决方案。
神经网络则是一种模拟人脑神经元结构的数学模型，通过学习和训练，可以自动提取数据中的隐藏规律和特征。
接着，我们将详细介绍铁路客运量预测组合模型的构建过程。
首先，我们将收集历史客运量数据，并进行数据预处理，如缺失值填充和异常值处理。
然后，我们将采用灰色理论中的GM(1,1)模型进行初步预测。
接下来，我们将运用遗传算法遗传编码、适应度函数和选择、交叉和变异算子，对GM(1,1)模型进行优化。
最后，我们将建立神经网络模型，对预测结果进行进一步优化。
最后，我们将通过实证分析验证铁路客运量预测组合模型的有效性和准确性。
基于真实的铁路客运量数据，我们将比较模型的预测结果与实际数据之间的差异，并评估模型的预测精度和稳定性。
实证结果表明，基于灰色理论与智能算法的铁路客运量预测组合模型在提高预测精度和准确性方面具有显著优势。
总结而言，本文提出了一种基于灰色理论与智能算法的铁路客运量预测组合模型，通过对历史数据的分析和预测，可以更准确地预测未来客运量的变化趋势。
灰色系统的交通流量短期预测
灰色系统的交通流量短期预测王凤琴;柯亨进【摘要】To alleviate traffic congestion problem, a gray model for short-term traffic flow forecasting application established, the road traffic conditions knew in advance, and led to play a traffic guidance.%为了缓解交通拥堵问题，建立灰色模型对交通流量进行短期预测，从而提前知道道路的交通状况，最终起到交通诱导。
【期刊名称】《湖北师范学院学报（自然科学版）》【年(卷),期】2015(000)001【总页数】5页(P20-24)【关键词】灰色模型;交通流量;短期预测【作者】王凤琴;柯亨进【作者单位】湖北师范学院物理与电子科学学院，湖北黄石 435002;远光软件研究院，湖北武汉 435100【正文语种】中文【中图分类】TP181灰色系统的交通流量短期预测王凤琴1，柯亨进2( 1．湖北师范学院物理与电子科学学院，湖北黄石435002; 2．远光软件研究院，湖北武汉435100)摘要:为了缓解交通拥堵问题，建立灰色模型对交通流量进行短期预测，从而提前知道道路的交通状况，最终起到交通诱导。
关键词:灰色模型;交通流量;短期预测中图分类号: TP181文献标识码: A文章编号:1009-2714( 2015) 01-0020-05doi:10．3969/j．issn．1009－2714．2015．01．005收稿日期:2014—11—10基金项目:湖北师范学院青年项目( 2010)作者简介:王凤琴( 1979—)，女，甘肃渭源人，硕士，讲师，主要研究方向为数字图像处理，数据挖掘，分布式程序设计，大数据算法分析.当今社会，交通问题是一个困扰人们生活的“复杂”问题，“拥堵”似乎是现代交通的代名词。
灰色预测模型在客运量预测中的应用
灰色预测模型在客运量预测中的应用顾央青【摘要】Based on grey theory, the thesis established grey model GM（1,1）and took a forecasting test according to passenger volume data in Ningbo. The results showed a certain high forecasting precision, and proved the feasibility and effectiveness of this model in forecasting passenger volume.A future Ningbo＇s passenger volume from year 2010 to 2014 is forecasted on the basis of this research as well.%运用灰色理论，根据2000—2009年宁渡市客运量数据，建立灰色GM（1，1）预测模型并进行预测，结果表明预测精度较高．说明了该方法用于客运量预测的可行性和有效性．并在此基础上对2010～2014年的宁波市客运量作出预测。
【期刊名称】《物流科技》【年(卷),期】2012(000)001【总页数】4页(P112-115)【关键词】灰色理论;灰色GM（1，1）预测模型;客运量预测【作者】顾央青【作者单位】宁波职业技术学院,浙江宁波315800【正文语种】中文【中图分类】F224.90 引言科学、准确地预测客运量，一方面有利于交通运输部门进行规划，提高管理水平；另一方面为制定客运发展和站场配置规划提供依据[1]。
客运量是一个受很多因素影响的复杂变量，为了消除不确定因素的影响，本文采用灰色预测模型来预测客运量。
灰色系统理论是由邓聚龙教授于1982年提出并加以发展的。
二十几年来，引起了不少国内外学者的关注，得到了长足的发展。
基于灰色系统理论的汽车报废量预测
基于灰色系统理论的汽车报废量预测
赵鹏;雷涛
【期刊名称】《工业技术经济》
【年(卷),期】2011(030)004
【摘要】随着汽车报废量快速提高,以及生产者责任制度的推行,报废汽车回收利用受到广泛关注.本文基于灰色系统理论,选取汽车全生命周期中的重要且白色信息指标,运用MGM(1,n)模型对汽车报废量进行预测,为建立汽车逆向物流系统及政府出台相关政策提供数量依据,促进报废汽车回收处理,达到保护环境、提高资源利用率和保障交通安全的目的.
【总页数】5页(P31-35)
【作者】赵鹏;雷涛
【作者单位】重庆大学,重庆,400044;重庆大学,重庆,400044
【正文语种】中文
【中图分类】F270
【相关文献】
1.基于灰色模型的广西北部湾集装箱吞吐量预测研究——灰色系统理论与应用系列论文之六 [J], 朱念;韦卓吕;王婷婷
2.基于灰色系统理论及多元回归的耕地保有量预测模型研究r——以广西桂林市为例 [J], 孙浩;黄华乾
3.基于灰色系统理论对山生柳生长量的分析预测 [J], 袁莹;李强峰;马成侠
4.基于灰色系统理论GM(1,1)模型的货物吞吐量预测应用
——以湛江港口为例 [J], 杨倩霞;姜鹏
5.基于灰色系统理论GM(1,1)模型的货物吞吐量预测应用——以湛江港口为例 [J], 杨倩霞;姜鹏
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
132
袁 理 : 基于灰色理论的车辆分类统计与流量预测
第 38 卷
技和经济中的各个领域 。在车型智能识别中 , 灰色 关联度就反映了待识别车型的特征与数据库车型 之间的关联程度 。灰色关联分析的基本步骤大致 是: 第一步 :对原始数据 X = { X ( k) | k = 1 , 2 , …,
Classificatio n , AVC) [ 1 ] ,就可以提高公路收费的自
有基于视频图像处理技术 [ 4～5 ] 、 感应式车型识别系 统 [ 6 ] 等 。随着计算机技术的迅速发展 ,基于图像处 理技术的视频检测方法越来越受到人们的关注 。 在视频检测中 ,通过专用的图像采集卡将摄像机抓 拍的图像数据传给计算机 ,在计算机上对采集图像 进行分析与处理 , 获得车辆的长 、 宽、 高数据 , 再由 神经网络判断器做出判断 , 获得车型的相关信息 。 但迄今为止的研究表明 , ( Back Propagatio n , B P ) 神经网络[ 7 ] 本身存在着隐层结构无规律可循 , 易陷 于局部极小值等缺陷 ,故在一定程度上降低了神经 网络的实 际应 用效 果 。因 此 基 于 支 持 向 量 机 [ 8 ] ( Support Vecto r Machine , SVM ) 算法应运而生 。
图1 投影成像模型
因子间的接近程度 。分析的 “实质” 是比较 , 灰色关 联分析的 “实质” 是整体比较 , 是有参考系的 、 有测 度的比较 。灰色关联分析的整体比较 , 可以作统观 全局的 、 全貌的分析 ; 灰色关联分析的比较测度 , 可 以对系统的因子作量化分析 。实践证明 , 灰色关联 分析是一种十分有效的利用已知信息预测和判断 未知信息的数学工具 , 目前已广泛应用于社会 、 科
一般的成像系统通常将三维场景变换成二维 灰度或彩色图像 ,透视投影模型是最常用的成像模 型 ,可以用针孔成像模型来近似表示 。这里所讨论 的摄像机角度 ,透视投影模型是最适合也最简单的 模型[ 10 ] 。垂直于图像平面且经过投影中心的直线 称为光轴 ,如图 1 所示 。其中 0 x y 面是固定在摄像
图2 车辆三维信息测量原理
的车辆长度 l = θ, 其 中 θ m/ sin 为摄像机光轴与 地面的夹角 。同 理 , 车辆的实际高度 h = n/ sinφ。直接测量角度 θ 和φ 不太容易 , 但在安装摄像机的时候 , 可以测量 摄像机距离地面的高度 Ch , 以及摄像机镜头光轴 与路面交点到摄像机垂直投影的距离 Cd , 再计算 出θ和φ。又因为摄像机的位置是固定的 , 在距离 车辆比较远的时候 ,θ和φ 都可以看作是一个固定 值 。最后得到的车辆三维信息的测量公式为 : 长度 : l = z m/ [ f sin ( arctan ( Ch/ Cd) ) ] 宽度 : w = z w/ f 高度 : h = z n′ / [ f co s ( arc ( Ch/ Cd) ) ]
1 1
…
( n - 1) + X
( 0) ( 1)
…
( n) ]/ 2
B= X i = { X i ( k) | k = 1 , 2 , …, n} ( i = 1 , 2 , …, m)
- [X - [X - [X
Yn = [ X a u
( 0) ( 1)
( 1) ( 1)
( 1) + X ( 1) ( 2 ) ]/ 2 ( 2) + X ( 1) ( 3 ) ]/ 2
总第 244 期
2010 年第 2 期
计算机与数字工程 Comp uter & Digital Engineering
Vol. 38 No . 2 130
基于灰色理论的车辆分类统计与流量预测
袁 理
( 武汉职业技术学院电子信息工程学院 武汉 430074)
3
摘 要 在灰色理论基础上提出了一种自动车型识别与流量预测技术 。该技术实现可分为三个步骤 : 第一步 ,测量车 辆的三维信息 ,获得车辆的长 、 宽、 高度特征 ; 第二步 ,利用灰色关联分析对车辆进行分类识别 ; 第三步 ,建立一阶单变量车辆 预测模型即 GM ( 1 ,1) ,用于有关部门统计指标的预测 。实验表明 ,该方法在车型识别中 ,具有比较高的识别精度 ,而灰色预 测模型较传统的预测方法更具科学性与实用性 。 关键词 车型识别 ; 灰色理论 ; 灰色关联分析 ; GM ( 1 ,1) 中图分类号 TP391
点 ( x , y , z ) 在图像平面中的位置由式 ( 2) 给出 : 由图 2 可知 , 车辆的实际长度和与直线在投影 平面上的尺寸是完全相同的 。在图像上测量出来 的车 辆 长 度 m 实质上只是直线
m 的长度 , 真实
2 车辆三维特征提取
目前常用的车辆三维特征提取方法有 : 1 ) 从 顶部提取特征 , 该方法可以提取车辆大小 ( 面积 ) , 车辆宽度 、 长度信息 , 但不能提取车辆高度和车牌 信息 ;2) 从侧面提取特征 [ 9 ] , 可提取车辆长度和高 度 ,但不能得到车辆的宽度信息 , 也不能得到车牌 信息 。并且在实用中 , 其背景变化比较大 , 导致图 像分割困难 ;3) 从正面提取特征 , 能提取出车辆的 宽度 、 高度 、 车牌车标等信息 ,但不能提取最重要的 车辆长度信息 。综合上述特征提取方法的优缺点 , 结合现有的车牌识别系统 ,我们采用了从车辆前上 方提取特征的方法 , 该方法通过二维到三维的变 换 ,可以同时得到车辆的长宽高三维信息和车牌信 息 。而且图像背景为路面 ,采用简单的差分方法即 能提取车辆图像 。
3 车型分类识别
灰色系统理论 [ 11 ] 是我国著名学者邓聚龙教授 于 1982 年创立的一门新兴学科 , 它以 “部分信息已 知 , 部分信息未知” 的 “小样本” “ 、贫信息” 不确定性 系统为研究对象 , 通过对 “部分” 已知信息的生成和 开发 , 提取有价值的信息 , 进而实现对系统运行行 为的正确认识和有效控制 。灰色关联分析是灰色 系统理论的重要分支 , 是指事物之间的不确定性关 联 , 在具有充分样本参数的前提下 , 灰色关联分析 根据特征因子之间的相似或相异程度来衡量特征
动化程度 ,有效地减少收费纠纷 ,提高车辆通过率 、 费额征收率及管理效率 。 对于车型的自动识别[ 2～3 ] , 国内 、 国外的研究
3
收稿日期 :2009 年 10 月 11 日 ,修回日期 :2009 年 11 月 12 日 作者简介 : 袁理 ,男 ,博士研究生 ,助教 ,研究方向 : 图像处理与模式识别 。
Ke y W ords vehicle model identificatio n , gray t heory , gray correlatio n analysis , GM (1 ,1) Clas s N u m ber TP391
1 引言
目前 , 我国公路收费系统中 , 大多数都采用人 工观测判断车型 , 以此作为收费的依据 ; 由闭路电 视监视 ,计算机完成各类数据的统计 。这种系统管 理水平高 ,运营成本低 , 但存在一个致命的不足就 是人工干预太多 。如果在现有的收费系统中加入 车型 自 动 识 别 与 分 类 装 置 ( Auto matic Vehicle
Abs t rac t A technology of vehicle model recognitio n and t raffic forecast based on gray system is int roduced. The tech2
nology co uld be divided into t hree major step s : firstly , measuring t he t hree2dimensional informatio n of vehicle , obtain t he feat ures of lengt h , widt h and height . Secondly , classif ying and recognizing vehicle by gray correlatio n analysis. t hirdly , es2 tablishing a first2order single variable t raffic fo recast model , which is gray early warning model ( GM ( 1 ,1) ) . Experiment re2 sult indicated t hat t he novel met hod obtained high identification p recision in vehicle model recognition , and co mpared wit h t raditional fo recasting met hods , t he GM ( 1 ,1) is mo re scientific and p ractical.
机上的直角坐标系 , 遵循右手法则 , 其原点 0 位于 投影中心 , z 轴与投影轴重合 。0 点位置就是摄像 机的镜头位置 。0 x y 平面与图像平面的距离为摄 像机的焦距 f 。得到透视投影方程 :
x′ / x = y′ / y = f/ z x′ = f x/ z y′ = f y/ z ( 1) ( 2)
2010 年第 2 期
计算机与数字工程
131
但 SVM 是针对二类别的分类而提出的 , 且 SVM 需要通过训练样本找出最优分类函数 ,再通过决策 树进行分类识别 , 这必将影响识别的复杂度与速 度 。针对以上缺点 ,本文提出基于灰色关联的车型 识别方法不但算法简单 、 识别时间快 , 而且无需训 练直接进行匹配识别 。 在统计预测工作中 ,常规的预测方法如回归预 测、 时间序列预测 、 弹性预测等各有优缺点 ,但若原 始数据资料有限 , 数据不足或残缺 , 则它们就很难 做出精确的预测 ,甚至不能预测 。灰色预测模型方 法正好弥补了这些不足 。本文主要讨论基于灰色 关联分析的三维车型特征分类识别与一阶单变量 GM ( 1 ,1) 模型的建模方法及其应用效果评价 。