高速公路通行费预测研究及应用

《高速公路通行费预测研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:U4910710-20121320332012132033硕士学位论文高速公路通行费预测研究及应用潘勇导师姓名职称许宏科教授申请学位类别工学硕士学科专业名称交通信息工程及控制论文提交日期2015年4月25日论文答辩日期2015年6月6日学位授予单位长安大学ResearchandApplicationofHigwayTollPredictionAThesisSubmittedfortheDegreeofMasterCandidate：PanYongSupervisor：Prof.XuHongkeChang’anUniversity,Xi’an,China

2、摘要随着我国高速公路的快速发展，高速公路通行费预测逐渐成为高速公路运营管理研究中的核心问题之一。良好的通行费预测管理方式是高速公路收费政策正常实施的保障，同时也是高速公路路网建设和发展的重要环节。高速公路通行费预测不仅体现了高速公路收费站的运营水平和管理现状，同时也影响着高速公路征费费率调整、通行费监管以及运营权转让等工作，能为高速公路的决策者在宏观政策的制定和实施中提供重要的决策依据。本文分析了高速公路收费站通行费数据特征，阐述了现有高速公路通行费预测理论和思路，并针对其不足，以时间序列理论和灰色理论为基础，探索和研究了高速公路收费站通行费短期预测和中长期预

3、测的预测方法。首先，文中研究了ARIMA预测模型在高速公路收费站通行费预测中的应用，预测结果表明ARIMA预测模型结合通行费数据特征修正后，能够满足高速公路收费站通行费短期预测要求。其次，针对ARIMA预测模型在高速公路收费站通行费中长期预测中的局限性，建立优化的灰色GM(1,1)预测模型，并通过最优加权系数的方法构建新的组合预测模型，预测结果表明相对于单项预测模型，组合预测模型在高速公路收费站通行费预测中具有更高精度，拟合效果更好，能够展现通行费的发展规律。最后，基于高速公路收费站通行费预测研究中的预测模型，采用Java、Javascript、FineRep

4、ort报表技术等完成了高速公路收费站通行费预测管理系统的设计与实现。研究结果表明，相对以往的预测方法，结合高速公路收费站通行费数据特征的ARIMA预测模型和组合预测模型的预测精度得到了明显的提高，预测误差低于5%，满足了高速公路通行费预测需求。最后将构建的预测模型应用于高速公路收费站通行费预测管理系统的设计和实现中，使高速公路运营管理部门收费管理工作更加规范、高效，也验证了各类预测模型在高速公路收费站通行费预测中的可行性和实用性。关键词：高速公路，通行费预测，ARIMA模型，灰色GM(1,1)模型，最优加权组合，B/SiAbstractWiththespeed

5、ydevelopmentofthehighwayinChina,thepredictionofhighwaytollsisoneofthecoreissuesintheresearchofhighwaymanagement.Greatmanagementoftollforecastistheguaranteeoftheimplementationofhighwaytollspolicyaswellasthesignifi-cantsectionoftheconstructionanddevelopmentofhighwaynetwork.Thepredicti

6、onnoton-lyreflectstheoperationalevaluationandmanagementstatusinhighwaytollstation,butalsoinfluencesthetollrate,tollmanagement,righttransferandetc.inthehighwaytoll.Therefore,thepredictionprovidesimportantbasisforthedecisionmakersinpolicyformulationandim-plementation.Thisthesisanalyze

7、sthecharacteristicsofhighwaytollsdataandelaboratestheresearchstatusofnormalpredictiontheoryandthoughtinthepredictionofhighwaytolls.Consideringthedisadvantageofexistedpredictionthinkingandchoosingtimeseriestheoryandgraytheoryasresearchtools,theresearchpurposedapredictionanalysisofhig

8、hwaytollsforshort-t