公路运量预测模板
道路交通量预测案例
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
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）。
可行性研究报告第3章 交通量预测
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%。
公路货运量预测
提高公路运输行业的管理水 平，为设计、修建货运场站 或现代物流主要以 定性预测方法为主，如 专家调查法、专家预测 法、德尔菲法等
定量预测方法 定量预测方法主要是基 于数理统计、微积分以 及人工智能等理论的较 为复杂的、精度较高的 预测方法，如回归分析 法、时间序列预测法、 灰色理论预测、人工神 经网络以及组合预测模 型等
定性预测方法
定量预测方法
偏重于数量方面的分析，重视预测对象的变化 程度，能作出变化程度在数量上的准确描述； 它主要把历史统计数据和客观实际资料作为预 测的依据，运用数学方法进行处理分析，受主 观因素的影响较少；它可以利用现代化的计算 方法，来进行大量的计算工作和数据处理，求 出适应工程进展的最佳数据曲线。缺点是比较 机械，不易灵活掌握，对信息资料质量要求较 高。
公路货运量预测的意义
根据国民经济和社会发展对 运输的需求，就未来的旅客 和货物运输量作定性和定量 的计算和分析。它是研究分 析未来运输业需要担负的任 务，寻求发展运输能力的目 标和途径，研究各种运输方 式之间运输量的合理分配和 综合运输网建设，以形成合 理的运输业结构的依据。做 好运输量预测对于保证运输 业适应国民经济的发展和人 民物质文化生活水平的提高 有重要意义。
采用通常的预测理论与方法得到的预测结果可信 度仍偏低， 究其原因主要是： （1） 过去货运量统计资料缺乏， 而高等级道路 要求货运量预测期又较长（中远期）； （2） 当以国民经济增长作货运量预测的相关依 据时， 对国民经济指标缺少深入的分解和相关性 分析； （3） 对诱增货运量的增长缺乏经验， 难以准确 判断； （4） 货运量调查资料的可靠性存在疑问等。
公路货运量预测
小组成员 ：
公路交通量预测
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。
神经网络作业：预测公路运量
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。
公路货物运输量灰色马尔可夫预测模型
公路 货物运 输量 预测 既是道路 运输业 发展 调
研 的重要 内容 ， 又事 关 全 国和 区域 道 路运 输 长远
Ｖｏ ． ５ Ｎｏ ４ １３ ．
Ａｕｇ． ２ ０１１
公 路 货物 运 输 量灰 色 马 尔可 夫 预测 模 型 ＊
张 文 会 崔 淑 华 邓 红 星
（ 北 林业 大学 交 通 学 院 哈 尔 滨 １ ０ ４ ） 东 ５ Ｏ ０
摘 要 ： 了提 高公 路 货 物 运 输 量 的 预 测 精度 ， 合 灰 色 系统 和 马 尔 可 夫 链 的特 点 ， 立 公 路 货 物 运 为 结 建 输 量 灰 色 马 尔 可 夫 预 测模 型． 实 例应 用 中 ， 立 运输 量 ＧＭ（ ，） 色 预 测 模 型 ， 获 得 预 测值 和 在 建 １ １灰 在 残 差 检 验 的 基 础 上 ， 原 始 数 据 序 列划 分 为 ４个 状 态 ， 算 状 态 转 移 概 率 ， 用 灰 区 间 中位 数 建 立 将 计 利
第 ４期
张 文 会 ， ： 路 货 物 运 输 量 灰 色 马 尔 可 夫 预 测 模 型 等 公
・ ５ ・ ６ ９
稳过程 的局 限性． ２ １ 状 态 划 分 ．
当系统 满 足 稳 定 性 假 设 时 ， ｋ步 状 态 转 移 概
率 为
Ｐ ‘ 一 Ｐ （ １ １）
第 ３ ５卷 第 ４ 期
２１ ０ １年 ８月
武 汉理 工大学学 报 （ 通 科学 与工 程版） 交
交通量分析及预测
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
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
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。
交通量分析与预测模板
一交通量预测1.1 交通调查现状新开北路北延（源兴路~通沪大道）位于南通市经济技术开发区西北部，南起源兴路，北至通沪大道，全场约2.6Km，道路规划宽50m，是一条南北方向的城市主干道，是中心城区规划形成“二十一横二十二纵”的主干路布局中的一条纵向主干路，也是连通崇川区、通州区的重要道路。
新开北路北延建成后将在一定程度上缓解兴富路、东快速路等道路的交通压力，提高了开发区与崇川区的连通性，提升南通市的城市面貌，拉动城市经济的快速增长，带动沿线地区的经济发展，改变附近的交通需求，项目建成后将产生大量的旅游交通量和沿线居民的出行产生交通量。
规划道路附近用地布局及道路流量图1.2 远期交通量需求分析本道路建成后交通量表现为旅游交通运输产生和沿线居民出行产生的交通量等，拟建项目预测的远景交通量构成有以下三部分组成：（1）基于现状路网条件下而发展的趋势型交通量（2）本项目建成后产生的诱增交通量（3）本项目建成后本地出行交通量1.3 预测思路和方法1.3.1 预测思路本研究预测的主要思路为：以交通调查为基础，在分析XX市路网现状状况、交通量现状和路网规划的基础上，结合XX市城市总体规划、经济产业发展的布局规划，根据研究路网的地位和交通功能，对未来交通量进行预测。
1.3.2 预测方法交通预测方法主要有两类：一类是基于增长弹性系数直接进行预测的交通增长率预测法或基于总体发展规划的总量控制法；另一类是基于土地利用的四阶段法，即出行发生、出行分布、交通方式划分和交通量分配。
本研究综合考虑两种方法，并结合TransCAD软件对目标年的交通量进行预测。
1.4 道路交通量预测通过对现状道路交通量进行调查，通过拟建道路临近的第二条主干路或者快速路围合的范围建立道路交通网络，划分交通小区，运用Transcad软件和OD反推技术计算出该道路路段及相交道路未来年高峰小时交通量。
➢交通小区划分充分考虑区域内土地使用性质，路网构成等因素，根据交通小区的划分原则，对现状道路网络进行交通小区划分。
交通运输交通量分析及预测
第四章交通分析及预测4.1交通调查综述4.1.1交通调查目的掌握工程路交通流的分布状况掌握交通流的行程车籍情况通过调查,为本工程交通量预测和技术标准确实定提供可靠的根底数据.4.1.2交通调查内容本次交通量调查主要包括两方面的内容：历史年工程路交通量观测资料的调查现场交通量补充调查本次交通量调查及分析的主要内容见图4-1所示.图4-1交通调查流程图4.1.3交通调查范围本工程研究范围为宁丹公路二期养护改善工程,即大周路平交至雨花台区、江宁区交界路段,虽然长度较短,但作为宁丹公路的重要组成局部, 为全面了解宁丹公路及不同路段的交通量状况,资料收集和调查分别针对宁丹公路全线和拟改造路段而开展.宁丹公路历年交通量观测资料见表4-1所示. 表4-1宁丹公路历史年交通量观测资料〔辆 /日〕车种年份观测点小型客车大型客车小型货车中型货车大型货车拖挂车汽车绝对数合计1994 年东善桥13082125085505283383444 1995 年东善桥15274226236805103894151 1996 年东善桥2957558109217387836867813 1999 年东善桥21342898576494243054658 2006 年铁心桥58062217283629953262017026可以看出,1997年南京机场高速公路通车前,宁丹公路交通量增长较快,高速公路通车后对宁丹公路分流明显.根据?江苏省省道网调整报告?,宁丹公路东善桥交通量观测点于2003年被取消,故已有交通量观测资料连续性较差,不能准确反映该路段交通量近年开展变化趋势, 但总体来说,随着近年区域经济以及交通运输事业的开展,宁丹公路交通量呈上升趋势,交通量分布呈现由城市外围区域向主城区逐渐增大的趋势.宁丹公路铁心桥交通量观测点因靠近南京市区,城市内部交通量较多,故该点2006年交通量资料对于本工程未来年交通量预测不具代表性,因而不宜采用.4.3交通量补充调查为把握工程路段交通量现状,工程组于2007年3月6日对工程路布设了1个观测点,进行早、晚顶峰共四小时交通量补充调查, 调查时间为8: 00〜10: 00和15:00〜17: 00 ,调查点位置如图4-2所示图4-2交通量调查点位置图通过对调查资料进行整理分析,考虑相关因素,换算得出工程路全日平均交通量为5997辆/日,断面折算交通量结果见表4-2所示,车型比例如表4-3及图4-3所示,车籍比例如表4-4及图4-4所示.表4-2断面折算交通量表车种小型客车大型客车小型货车中型货车大型货车拖挂车合计绝对值〔veh 〕3441297628156948145997折算值〔pcu 〕3441446628235396427006表4-3车型比例表〔按绝对数计算〕车型小型客车大型客车小型货车中型货车大型货车拖挂车比例57.4% 4.9%10.5%26.2%0.8%0.2%图4-3车型比例示意图表4-4宁丹公路交通量车籍组成表图4-4车籍比例示意图地区所占比例地区所占比例南京91.42%滁州0.46%镇江0.28%马鞍山0.92%常州0.46%安徽其他地区 2.65%无锡0.58%浙江0.35%江苏其他地区 1.15%北方其他地区 1.27%上海0.23%南方其他地区0.23%4.4交通量分析及预测4.4.1交通量分析1、车种分析宁丹公路作为沟通沿线区域与南京主城的主要通道,加之沿线分布大量旅游景点,其客车交通量高于货车交通量.客车中,小客车占主导地位,占断面总交通量的57.4%;货车中,以中型货车为主,约占断面总交通量的26.2% 0预计随着本工程的实施对沿线交通出行条件的改善以及沿线旅游资源的进一步开发,区域旅游出行的交通需求将持续增长,未来客车交通量增长率仍将高于货车增长率.随着今后人们对出行质量要求的提升以及私人小汽车拥有量的提升,小客车比例亦将进一步增加.2、车籍分析交通量调查资料说明,本地车占有绝比照例,达91.42% ;外地车的比例仅8.58% ;从宁丹公路交通量车籍组成根本可以看出,宁丹公路主要效劳于沿线区域内部出行,对外出行以江苏省其他地区及安徽省马鞍山及其他地区为主,过境交通比拟少.南京绕越公路和规划建设的马鞍山到南京禄口机场公路均与本工程路设有互通立交,未来工程路承当的过境交通量将有一定的增加.4.4.2交通量预测1、预测思路分析现状道路交通量组成情况,综合考虑工程路区域经济未来开展趋势以及南京市其它相关类型公路历年交通量变化状况及开展趋势,并参考?南京市城市道路建设开展战略研究?报告,从而确定工程路未来年工程路交通量增长率.预测特征年交通量增长率见表4-5所示.表4-5预测特征年交通量增长率表特征年2021 〜20212021 〜20212021 〜20212021 〜2023增长率9%8%7%5%在此根底之上,根据现有道路交通量资料状况,采用增长率法对工程路远景年交通量进行预测.具体预测模型如下：预测特征年交通量=基年交通量X 〔1 +预测特征年交通量增长率〕注：基年交通量70062、预测年限根据?公路工程技术标准〔JTG B01-2003 〕»,具有集散功能的一级公路,交通量预测年限为15年,预测基年取为2021年,预测特征年设定为2021年、2021年、2021 年、2021 年、2023 年.3、预测结果工程路交通量预测结果见表4-6所示：表4-6工程路交通量预测结果表年份〔年〕20212021202120212023交通量〔〕83249073133311869821645。
曹安公路交通量调查与预测分析
、报告概述1. 工作目标对曹安公路远期（2015年/2020 年）的交通流进行合理预测，并分析影响预测结果的主要影响因素，做出合理的解释说明。
2. 工作内容主要工作内容包括：调查前准备，现场调查，数据共享、整理与现状分析，流量预测和预测结果分析。
（1 ）准备工作：现场踏勘，人员安排，调查表格设计，人员培训，打印调查表格等。
（2）现场调查：调查时间段为2013年11月12日下午16:00~17:00 。
下午15 : :30，小组成员在曹安公路绿苑路交叉口集合，组长进行集中培训、人员安排，并分发个人调查表格。
16:00，调查正式开始，17:00调查结束，每五分钟记录一次车流数据。
（3）数据共7、8、9三组组长汇总数据后将数据交给各组组员。
（4 ）数据整理：将初步调查数据通过换算、整理得到路段现状下AADT。
（5 ）流量预测：运用历年相关调查数据进行车流量的远期预测，预测年度为2015年和2020年。
（6）预测结果分析: 分析影响交通量的变量和产生该种预测结果的原因, 并解释说明。
3. 技术路线、调查对象概述本次交通量调查与预测分析路段为嘉松北路至江苏路段， 叉口：曹安公路绿苑路、曹安公路于田路、曹安公路米泉路。
绿苑路。
下图为本次车流量调查的交叉口位置分布示意图：图2.1曹安公路各路段分布及沿线调查交叉口分布曹安公路位于上海市西北部， 也称曹安路，312国道上海段。
东起上海普陀区真北路， 西至嘉定区安亭镇与江苏省交界处。
沿途依次经过江桥镇、黄渡镇、安亭镇。
是上海西大门的重要通道。
曹安公路为干道， 设双向八车道，并有非机动车道和中央分隔带；绿苑路为一 条支路，设双向四车道，无中央分隔带，是曹安公路与黄渡镇连接的道路之一。
曹安公路呈东西走向， 绿苑路呈南北走向， 绿苑路与曹安公路斜交， 交叉口北侧为同济 大学嘉定校区正门。
绿苑路交叉口形态如下：路段范围内共有三个被调查交 本小组调查交叉口为曹安公路外环线鄰1埜路■:'H・» r~軽高速■ *4*1■■--华江支圖图22曹安公路绿苑路交叉口卫星图三、基本数据处理1.交叉口及车道情况：嘉松北路至江苏路段三个交叉口形态及调查时车道编号:图3.1交叉口形态、车道分布及编号2.数据汇总:原:车道拖挂 大货 中货 小货 大客 中客 小客1 0 0 0 02 0 29 2 13 7 6 5 10 191 3 5 2 35 20 2 27 2934 0 4 35 10 8 18 220 5 （直行） 0 1 2 4 9 1 62 5 （右拐） 0 1 4 3 2 14 2506 （直行） 00 00 01 196 （左转）0 36 70 13180（b ）于田路（c ）米泉路（a ）绿苑路表3.3 曹安公路米泉路交叉口车流量汇总2. 数据处理第一步一一标准车型换算F按照上表对应的系数进行计算得到各个交叉口的实测流量（单位：PCU/h）3. 数据处理第二步一一路段流量计算对照图3.1及表3.5，可得到路段上三个交叉口处的流量，这里进行路段流量计算时, 先对各交叉口之间的小路段流量进行推算，再计算最大值和平均值。
公路建设项目交通量预测分析
公路建设项目交通量预测分析摘要：传统意义上的公路建设项目交通量预测方法是从公路交通系统角出发，在分析交通量的过程中忽略了公路交通和关联运输方式的关系，无法保证公路建设项目交通量预测的准确性和可靠性。
本文从综合运输角度，分析公路建设项目交通量预测方法，并建立相应的预测分析模型，运用合理的方式分析公路和关联运输方式之间的作用关系，旨在为交通量预测方法提供参考，帮助人们更为清晰地把握交通量的变化规律。
关键词：公路建设项目；交通量预测；公路交通；综合运输交通量预测是公路建设项目前期工作的一个重要环节，这项工作的开展是确定公路项目建设规模、技术标准、节能评价、经济评价的重要关键，交通量预测结果是否准确直接影响项目决策成效。
随着社会经济的进步和发展，城市交通运输需求也越来越大，综合运输网络日益完善，各种交通运输方式竞争日益激烈，在这样背景下通过分析通道内各种运输方式的关系，了解公路运输需求能够为道路交通管理提供重要支持。
常规预测方法的应用局限未从全局角度出发进行交通量预测以往的公路工程建设项目交通量预测采用的是“增长系数分析方法”，在对交通量预测过程中仅考虑项目的形式，在整个工程项目预测中仅仅考虑一条或多条线路，在具体实践操作的时候缺乏对建设公路网或者综合运输网进行考虑。
传统的公路建设预测采用四阶段分析方法，能够从区域公路网的整体发展角度来考虑公路建设项目，把握建设项目和公路网其他公路联系，进而清晰的把握公路交通和铁路、水运等多种运输方式的复杂关系，提升公路交通系统运输管理成效。
转移型交通量的预测方法不科学公路工程建设项目交通量包含三部分的内容，分别是趋势型交通量、诱增型交通量、转移型交通量。
其中，转移型交通量是指公路的新建或改建缩短了两个地区公路运输的时空距离，进而引发的其他运输方式向公路运输方式的转移。
在现阶段，对于转移型交通量的预测分析没有成熟预测理论的支持，一般采用的是转移率方法。
转移率分析方法将公路系统作为主要研究对象，将转移量看作是公路系统和外部运输方式的重要交换量，但是在确定转移量大小的时候往往缺乏一定的控制性指标支持。
交通量分析
xxx路交通量预测分析预测近期依然以步行和自行车为主导出行方式；考虑到未来城区的向外拓展和经济水平的提高，预测公交车和自驾车的比重会逐步增加。
预测交通量2012--2020年8%，2020--2025年6%，2025--2028年4%。
客货比例根据实际交通流量观测暂定为6：4，其中大客比例为75%，推算每辆客车平均载客人数为10人，每辆货车平均载货吨位为4.74吨。
交通量换算应采用小客车为标准车型，各种车辆的换算系数应符合下表规定：车辆换算系数1.远景设计年交通量初始年交通量：=940+5628+5230+1026=12824（辆/日）N计算远景设计年限平均昼夜交通量由下面公式计算N d=N0(1+γ)n-1式中 N d—远景设计年平均日交通量，N0—起始年平均日交通量，γ—年平均增长率n—远景设计年限设计年限为15年，年平均增长率为（8%+6%+4%）/3=6%，远景设计年平均日交通量 N d=N0(1+γ)n-1=12824（1+6%）14=28994（辆/日）。
快速路基本路段一条车道的通行能力其他等级道路路段一条车道的通行能力一条机动车车道最小宽度2.确定道路等级和车道数按照道路在道路网中的地位、交通功能以及对沿线建筑物的服务功能等，城市道路分为四类：（1）快速路快速路应为城市中大量、长距离、快速交通服务。
快速路对向车行道之间应设中间分车带，其进出口应采用全控制或部分控制。
快速路两侧不应设置吸引大量车流、人流的公共建筑物的进出口。
两侧一般建筑物的进出口应加以控制。
（2）主干路主干路应为连接城市各主要分区的干路，以交通功能为主。
自行车交通量大时，宜采用机动车与非机动车分隔形式，如三幅路或四幅路。
主干路两侧不应设置吸引大量车流、人流的公共建筑物的进出口。
（3）次干路次干路应与主干路结合组成道路网，起集散交通的作用，兼有服务功能。
（4）支路支路应为次干路与街坊路的连接线，解决局部地区交通，以服务功能为主。
曹安公路交通流量预测XX
•所采用的公式为：
Qt = N t ·δ
•式中：Qt——预测期运量；
•
N t ——预测期产值指标（万元）；
•
δ ——产值系数
•
t ——预测期的年份
•该方法的关键是要在长期的变化中把握住具体产值系数的变动
趋势。
预测方法简介 ：
•（1）直接归纳法 •（2）递增率法 •（3）乘车系数法 •（4）产值系数法 •（5）产运系数法
曹安公路交通流量预测
2013
工作目标
•期间完成了道路 拓宽工程
对曹安公路的交通流进行合理预测(2015/2020)
年份 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2006 2012
? AADT 11618 19192 17242 16438 13835 12363 22200 20816 20445 22723 24134 29377 39089 44466
美国10城市铁路乘客预测与实际对比
项目
预测 实际
偏差 %
重型铁路运输项目 华盛 巴尔 迈阿
顿 的摩 密 569.6 103.0 239.9 411.6 42.6 35.4
-28 -59 -85
轻型铁路运输项目
商业区项目
布法 匹兹 波特 萨克拉 迈阿 底特 罗 堡 兰 门托 密 津
92.0 90.5 42.5 50.0 41.0 67.7
•这种情况在我国运输工程建设中也很普遍
• 我在国汽第车一，条海跨运海和铁铁路路—三—种粤运海输铁方路式，中也，面虽临然同铁样的 问路题的：正式标明价格最低，但是货物在运输过程中， 一般都要比汽车运输多上两次装卸，也就意味着货 物运输时间必然加长。而海南省对外运输最主要的 货源就是水果，多了两次装卸，延长了运输时间， 水果的新鲜度和完好率都是很难得到保证的。而汽 车运输和铁路运输在赔付情况上是截然不同的。
汽车运输有限公司运力预估及进度表
汽车运输运力预估及进度表XX物流危货汽车运输运力预估及进度表一、目的：为确保此次货物运输能平安顺利到达目的地而特制定本方案。
二、运输配送的主要概况 1、起运地与目的地起运地：目的地：运输对象及运量运输对象：XX集团危险废物运量：13.5万吨 2、运输方式及时间估计运输方式：采用公路运输。
3、运输大致路线：从XX区出发——G30连霍高速——Gxx定武高速——G6京藏高速——G70福银高速——G30连霍高速——G40沪陕高速——G70福银高速——G55二广高速——G5513长张高速——G0401长沙绕城高速——G60沪昆高速——G72泉南高速——S212省道——永兴县柏林工业园三、运输配送的准备工作 1、与永兴鑫裕环保镍业签订运输合同，协助其公司完成报批转移工作。
了解货物包装性质及相关的装卸信息。
2、起运时间暂估9月1日。
按照每车装载量30吨计算，需装运1830车，方案在xx年12月31日前运输完毕，运输时间为122日（含节假日），每日运输15车.； XX集团危险废物运输方案 9月运输车数 10月运输车数 11月运输车数 12月运输车数 1 15 1 15 1 15 1 15 2 15 2 15 2 15 2 15 3 15 3 15 3 15 3 15 4 15 4 15 4 15 4 15 5 15 5 15 5 15 5 15 6 15 6 15 6 15 6 15 7 15 7 15 7 15 7 158 15 8 15 8 15 8 15 9 15 9 15 9 15 9 15 10 15 10 15 10 15 10 15 11 15 11 15 11 15 11 15 12 15 12 15 12 15 12 15 13 15 13 15 13 15 13 15 14 15 14 15 14 15 14 15 15 15 15 15 15 15 15 15 16 15 16 15 16 15 16 15 17 15 17 15 17 15 17 15 18 15 18 15 18 15 18 15 19 15 19 15 19 15 19 15 20 15 20 15 20 15 20 15 21 15 21 15 21 15 21 15 22 15 22 15 22 15 22 15 23 15 23 15 23 15 23 15 24 15 24 15 24 15 24 15 25 15 25 15 25 15 25 15 26 15 26 15 26 15 26 15 27 15 27 15 27 15 27 15 28 15 28 15 28 15 28 15 29 15 29 15 29 15 29 15 30 15 30 15 30 15 30 15 31 15 31 15 合计 450 465 450 465 按照以上方案进行运输，合计运输1830车，每车装载量为30吨可运输数量为54900吨。
- 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)。
基于预测公路运量的模型求解摘要科学准确地预测公路货运量是制定公路网规划的基础。
公路货运量的预测方法有很多，可以根据不同的情况选择不同的预测模型。
首先运用MATLAB的 BP神经网络组合预测模型，灵活利用神经网络通过自适应自学习能够拟合任意非线性函数的功能，有效克服传统的组合预测方法，在实际应用中把数据间的关系强加给某一类函数的不足，并借助于数学计算软件进行编程，大大降低模型的计算难度，预测出2010年和2011年的公路客运量和公路货运量。
实例证明该方法具有很高的预测精度。
本次基于预测公路运量的问题，根据往年20年的数据，主要从人口数量、机动车数量、公路面积这几个方面考虑，先借助于matlab软件，从神经网络组合预测模型入手，预测出2010年和2011年的公路客运量和公路货运量。
然后根据回归的知识，运用excel的强大功能预测出的2010年和2011年的公路客运量和公路货运量。
最后两者进行对比，列出各自的优缺点。
预测结果如下：用BP神经网络预测结果：2010年和2011年的公路客运量分别为 43370万人和43372万人；货运量分别为21770万吨和21771万吨。
用线性回归预测结果：2010年和2011年的公路客运量分别为 51011.91603万人和53092.16135万人；货运量分别为26050.09655万吨和28545.83948万吨万吨。
关键词：MATLAB；组合预测；BP神经网络；excel统计分析1、问题重述1.1基本情况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。
1.2、相关信息（见附件）附件1：某地区20年公路运量数据1.3、需要解决的问题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。
2、符号约定Wi (i=1,2,3,4) 依次表示由人口数量，机动车数量，公路面积，年份预测出的公路客运量。
Zi （i=1,2,3,4）依次表示由人口数量，机动车数量，公路面积，年份预测出的公路客运量。
ai （i=1,2,3,4）依次表示人口数量，机动车数量，公路面积，2010年Bi （i=1,2,3,4）依次表示人口数量，机动车数量，公路面积，2011年3、问题分析运输需求预测是公路网规划、区域发展规划、基础建设投资决策及运输生产组织管理的基础，对交通运输需求的预测分析具有重大的社会意义和经济意义。
可见，公路货运量的预测举足轻重，可靠的预测结果是进行规划的前提，决定着整个规划的成功。
公路货运量的预测方法有很多，由于不同的预测模型的预测机理不同，往往能提供不同的有用信息，反而单独采用某一种模型往往有其局限性，因此可以根据不同的情况选择不同的预测模型。
本文将运用BP神经网络组合预测模型、excel中的线性回归解决公路货运量的预测。
并进行比较两种方法的优势与缺陷。
4、基本假设1)公路运量主要与人数、机动车数量、公路面积相关；2)公路运量次要与年份挂钩；3)公路运量不受道路破坏及其他不可抗力的影响；4)公路运量不受其他公路的影响；5)公路运量不受车祸等人为因素影响。
5、模型的建立与求解5.1、BP神经网络预测公路货运量。
5.1.1、BP神经网络组合预测模型背景介绍BP神经网络组合预测模型是一种组合预测模型，组合预测一般是指将两种或者两种以上的预测方法所得到的预测结果选取适当的权重进行加权平均的预测方法。
交通运输是国家重要的基础产业,对国民经济的发展有着举足轻重的作用,同时对区域产业经济结构的发展也有直接的影响.公路运输系统作为交通运输系统的一个子系统,在交通运输系统中的主导作用也日益凸显.近年来,我国交通基础设施和运输装备不断改善,为公路运输市场的快速发展创造了有利条件.在公路运输生产中,公路运输量是反映交通运输业生产成果的重要指标。
随着计算机技术和神经网络技术的日趋成熟,许多学者应用神经网络技术对货运量进行预测;一些学者应用神经网络技术和其它预测方法(如灰色理论、二元回归模型、弹性系数法等)建立的公路货运量组合预测模型具有较高的预测精度.研究表明,目前基于BP神经网络的公路运输量预测研究中,以对公路运输运量(客货运量)的预测,尤其对货运量的预测居多.反映公路产量的指标还有客货周转量,它更能综合反映公路运输部门为社会提供运输服务的能力,对公路网规划、建设和管理更具有指导意义.本文应用BP神经网络预测方法,建立福建省公路旅客周转量和货物周转量的预测模型,并对其进行科学预测.5.1.2 MATLAB应用于BP神经网络的货运量组合预测模型MATLAB(MArrrix LABoratory)提供的神经网络T具箱(NNToo1)是其开发的多种T具箱之一，该工具箱提供了很多简单实用的函数，可以大大简化编程的丁作量MATLAB应用于BP神经网络进行货运量组合预测计算，其主要计算步骤如下。
1.数据预处理由于神经元的响应函数为Sigmoid函数，因此输入值(输出值)都在(0，1)之间，必须对样本进行预处理。
具体可以采用下式对单项预测值进行预处理：（4）输值的处理为：（5）据式（5）进行处理之后，即可得到预测值。
2.确定网络结构，初始化权重确定网络结构主要是确定隐层的神经元个数。
隐层神经元个数太多会降低网络的泛化功能．而且会使训练时间加长，降低系统的效率：太少则不能达到所要求的训练误差。
一般根据试算确定，也可以参考以下公式：，其中f为隐层神经元个数，n、m分别为输入神经元个数和输出神经元个数。
初始化网络的权值和阈值．可以采用MATLAB提供的初始化函数newff()建立一个BP神经网络：BTF，BLF，PF、式中，P为输入矩阵；【S1，S2，⋯，Sn】表示隐含层和输出层神经元的个数；[TF1，，⋯，TN1]表示网络隐含层和输出层的传输函数： 1表示网络的反向训练函数：BLF表示网络的反向权值学习函数； 1表示性能数；net为新生成的BT神经网络。
3.网络训练MATLAB提供了许多训练不同神经网络的函数，使得对神经网络的训练变得异常简单，其中，由动量的梯度下降法中附以自适应，r的训练函数为traingdx．函数的结构为：其中，net，P S1，S2，⋯，5 ，[ l，TF2，⋯，TNI]的意义同上。
当网络的训练达到了最大训练次数，或者是网络的误差平方和小于期望最小误差值时，网络就会停止训练。
4.对训练好的网络进行检验，判断是否具有良好的泛化功能把样本输入训练好的网络中，判断输出值是否与已知的样本值相符，如果相符，即说明该网络具有很好的泛化功能，能够应用于预测计算；否则，就要调整网络．或者增大训练的样本数，对网络进行再次训练。
该过程可以采用MATLAB中的函数sim()来实现。
sire的表达式为：A=sire(net，P)，其中，4为输出数据，P为输入样本数据，其他参数意义同前。
该过程还可以用传递函数分步实现。
5.用训练好的网络进行模拟预测，得到所要的预测值通过预测的过程和所采用的函数进行模拟，输入数据P为要预测的输人数据，输出数据A就是所要得到的预测数据。
从而通过训练好的网络进行模拟预测，得到所要的预测值。
5.1.3、运用BP网络建模应用公路货运量预测根据题意得知某地区1990年到2009年的人口机动车数量，公路面积以及公路客运量和货运量的数据如下，需要预测2010年和2011年该地区的公路客运量和货运量。
我们可以把该问题分解为六个模块：运用MATLAB软件编程建立模型来解决问题，代码如下：1.原始数据的输入；clcclearsqrts=[20.55 22.44 25.37 27.13 29.45 30.1 30.96 34.06 36.42 38.09 39.13 39.99 41.93 44.59 47.3 52.89 55.73 56.76 59.17 60.63];sqjdcs=[0.6 0.75 0.85 0.9 1.05 1.35 1.45 1.6 1.7 1.85 2.15 2.2 2.25 2.35 2.5 2.6 2.7 2.85 2.95 3.1];sqglmj=[0.09 0.11 0.11 0.14 0.2 0.23 0.23 0.32 0.32 0.34 0.36 0.36 0.38 0.49 0.56 0.59 0.59 0.67 0.69 0.79];glkyl=[5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 22598 25107 33442 36836 40548 42927 43462];glhyl=[1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524 11115 13320 16762 18673 20724 20803 21804];2.数据归一化；p=[sqrts;sqjdcs;sqglmj];t=[glkyl;glhyl];[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t);dx=[-1 1;-1 1;-1 1];3.网络训练；net=newff(dx,[3,2],{'tansig','tansig','purelin'},'traingdx'); net.trainParam.show=1000;net.trainParam.Lr=0.05;net.trainParam.goal=0.65*10^(-3);net.trainParam.epochs=50000;net=train(net,pn,tn);4.对原始数据进行仿真；an=sim(net,pn);a=postmnmx(an,mint,maxt);5.将原始数据仿真结果与样本进行对比；x=1990:2009;newk=a(1,:);newh=a(2,:);figure(2);subplot(2,1,1);plot(x,newk,'r-o',x,glkyl,'b--+');legend('网络输出客运量','实际客运量');xlabel('年份');ylabel('客运量/万人');title('运用工具箱客运量学习和测试对比图');subplot(2,1,2);plot(x,newh,'r-o',x,glhyl,'b--+');legend('网络输出货运量','实际货运量');xlabel('年份');ylabel('货运量/万人');title('运用工具箱客运量学习和测试对比图');6.对新数据进行仿真；pnew=[73.79 75.553.96354.09750.9880 1.0268];pnewn=tramnmx(pnew,minp,maxp);anewn=sim(net,pnewn);anew=postmnmx(anewn,mint,maxt)5.1.4、程序运行结果anew =1.0e+004 *4.3370 4.33722.1770 2.1771也就是说2010年和2011年的公路客运量分别为 43370万人和43372万人；货运量分别为21770万吨和21771万吨。