基于改进密度峰值聚类的私人汽车保有量影响因素分析

为了研究不同地区间私人汽车保有量影响因素的差异性，选取了五个影响因素，通过改进的密度峰值聚类方法将全国31个省市自治区分成了以甘肃省和江西省为聚类中心的两类地区，并分别建立了影响因素的面板数据模型。结果表明：社会消费品零售总额、公路旅客周转量和年末公共交通车辆运营数对第一类地区私人汽车的发展有较大影响；社会消费品零售总额、年末实有道路长度和年末公共交通车辆运营数会影响第二类地区私人汽车的发展。研究结果可为两类地区私人汽车的发展提供一定的参考意义。     

基于粒子群算法的汽车保有量预测方法

汽车保有量关系到城市建设与规划。针对汽车保有量预测问题,提出一种基于粒子群算法的汽车保有量预测方法,建立了一种多因素汽车保有量预测模型。选取城镇人口、居民消费水平、人均地区生产总值、道路网密度、公共交通车辆运营数、公共交通客运总量、油价7个指标作为汽车保有量的主要影响因素。利用主成分分析方法确定影响因素主成分,以主成分作为自变量,汽车保有量作为因变量,建立回归分析模型。运用粒子群算法,结合主成分回归预测值对汽车保有量进行预测。以2005～2014年上海市汽车保有量数据为依据,预测出上海市2020年汽车保有量约为400万辆,并对预测结果进行了分析。     

基于灰色关联和BP神经网络的汽车保有量预测

为提高汽车保有量的预测准确性,运用灰色关联分析法,计算分析与汽车保有量相关的主要社会指标,确定汽车保有量的影响因子分别为国民总收入、人均GDP、进出口总额、城镇居民人均可支配收入、钢材产量、公路客运量和社会消费品零售总额。将所确定的因子作为汽车保有量的预测指标,建立基于BP神经网络的汽车保有量预测模型,并对模型进行应用测试。结果表明:BP神经网络模型具有较高的精度,最大相对误差为2.2%,平均相对误差为1.5%。,可为我国汽车保有量的预测研究提供方法支撑。     

PCA-BP在城市汽车保有量预测中的应用研究

城市汽车保有量影响因素众多,且存在复杂的相关关系,传统数学预测模型和神经网络模型,无法消除影响因素之间的相关性,从而导致预测精度较低.为提高城市汽车保有量预测精度,提出了一种基于主成分分析的BP神经网络预测模型.通过对城市汽车保有量影响因子进行主成分分析,消除各因子间的冗余信息,降低BP神经网络的输入维数,简化神经网络拓扑结构,提高城市汽车保有量的训练速度与预测精度.对南京市2006-2009年南京市汽车保有量进行仿真,实现结果表明,PCA-BP模型的训练速度快、预测精度高,可为城市汽车保有量预测提供参考依据.     

基于物联网技术的城市停车资源管理运行新模式

引言 随着中国社会改革开放的不断深入,社会经济的迅速发展,城市汽车的拥有量不断增加,特别是自20世纪90年代后期,国家扶持汽车工业发展,小汽车已进入百姓家庭,据统计,2010年末全国民用汽车保有量达到9,086万辆(包括三轮汽车和低速货车1284万辆),比上年末增长19.3%,其中私人汽车保有量6,539万辆,增长25.3%.民用轿车保有量4,029万辆,增长28.4%,其中私人轿车3,443万辆,增长32.2%.     

GM(1,1)模型和新陈代谢模型的应用比较

灰色系统理论是一种研究少数据、贫信息的不确定性问题的新方法.其中的灰色预测模型具有所需数据少、预测精度高和无需先验信息的特点.本文详细介绍了两种常见的灰色预测模型建模方法,即GM(1,1)模型和新陈代谢模型,并通过它们实例预测某地区的年私人汽车拥有量.利用相对误差法将两种模型的预测值与实际值比较进行精度检验,最后预测该区未来几年的私人汽车数量.以分析这两种预测模型的变化范围和发展趋势,为相关部门提供科学的决策依据.结果表明1)该地区未来几年的私人汽车拥有量呈增长趋势,地方经济发展态势良好;2)GM(1,1)模型在此实例中的变化范围更小、预测精度相对更高、预测误差更小;3)灰色预测模型简单实用,预测精度较高.     

基于基因表达式编程的私人汽车拥有量建模和预测*

准确预测私人汽车拥有量,对制定经济政策和进行经济宏观调控、保证社会经济和谐发展有重要的作用。基因表达式编程（GEP）是新的进化模型,在数据挖掘领域得到了广泛的关注和研究,对符号回归任务表现了很强的优势。阐述了GEP基本原理,GEP进行序列分析的基本方法;根据1990—2007年全国和人汽车拥有量,基于GEP技术挖掘到了其模型。实验表明,基于GEP技术得到的私人汽车拥有量模型预测精度高、泛化能力强。     

05导航市场年度报告

中国汽车保有量05年预计将突破3000万辆,私人汽车也将超过1200万辆,给与之密切相关的汽车后市场留下巨大的潜在发展空间,汽车导航作为重要的后市场产品正在受到企业和市场的追捧。长三角、珠三角、京津塘等经济发达地区开始成长为重要的汽车导航市场,国内外企业纷纷推出各类导航产品,在这些地区建渠道、做推广,企图抢占导航市场先机,迎接中国汽车导航市场的大幕的开启。纵观这一年,的确有许多需要总结的地方。整体分析(一)发展概况从企业来看,国内企业上广电、新科、瑞图万方、合众思壮、好帮手等都表现的相当活跃,这些企业都纷纷和媒体、经…     

车联网“引爆”动态交通信息服务

来自咨询机构的研究结果表明,中国汽车保有量和销售量还在快速增长,2011年中国汽车保有量达9100万辆,较2010年增长21％。由于限购等因素,2012年汽车销量将维持在1800万辆左右。随着汽车保有量的持续增长,汽车已经变成人们除“家与办公室”之外的第三重要空间,城市交通的发展已经无法满足汽车保有量的增长,堵车成为社会性问题,以动态交通信息服务为基础的车联网服务,成为缓解该问题的重要方向之一。     

基于神经网络算法的全自动车牌识别功能摄像头研究与开发

正一、项目实施的背景和意义随着我国经济的高速发展,城乡汽车保有量迅速增加,据统计,全国汽车保有量已超过6000万辆,深圳的汽车保有量超过140万量,实现对如此庞大数量的汽车进行有效管理是非常重要且非常困难的工作,汽车车牌号码是车辆管理中最常用的车辆标识,是车辆的身份证;在车辆管理的各个环节,有一项非常频繁的工作就是对车辆进行车牌识别。本项目的研发目标就是实现一套具有联网能力的自动车辆牌     

基于改进BP神经网络私家车保有量的预测研究

根据某地区1996年-2007年连续12年私家车的保有量,提出了一种改进的BP神经网络的私家车保有量的预测模型,以人均国内生产总值、公交车营运总里程、居民人均可支配收入等10个指标作为网络的输入因子,以私家车保有量作为输出因子,利用1996年至2007年的数据进行训练和检验,得到了预测仿真的结果,预测值与实际值的误差比传统的神经网络预测的误差更小,达到了预期的目的.     

私家车的色彩设计研究

随着私家车的日益普及,其色彩逐渐成为现代消费者购车的重要依据,正凸现着其重要性。本文主要探讨研究了私家车的色彩设计。首先分析总结了色彩的性质以及其在产品设计中的作用。然后结合色彩设计的相关理论,着重阐述了色彩设计在私家车运用中的重要性,其主要体现在四大方面:色彩设计与私家车的造型、人文、销售与安全,指出色彩设计在私家车运用中的好坏对私家车的发展前景具有举足轻重的作用。     

基于机器视觉的雨雾天驾驶辅助系统设计

随着私家车数量日益增多,雨雾天交通安全问题成为了亟待解决的难题;在嵌入式硬件资源有限的情况下,为驾驶用户设计了基于机器视觉的雨雾天语音辅助驾驶系统;系统结合了湿度传感器、轻量化去雾神经网络AOD-NET和目标检测模型YOLOv5n;在目标检测模型YOLOv5n上,利用K-means++算法重新设计锚框,选取较优的骨干网络并利用模型剪枝进一步压缩模型大小;实验结果表明,改进的模型在Jetsonnano上的FPS达到了17.78,最终mAP在人工加雾、分辨率变化的TT100K (Tsinghua-Tencent 100K)数据集到达了65.8%,满足了正常天气与雨雾天气下的驾驶辅助实际应用。     

允许中转与绕行的众包同城配送司机包裹匹配优化

针对众包同城配送司机与包裹匹配的问题,提出一种由零售店作为包裹送取或中转节点、私家车司机顺路捎带的配送策略.以平台总收益最大化为目标,构建允许中转和绕行的众包同城配送司机与包裹匹配问题的混合整数规划模型,并设计改进的自适应大邻域搜索算法进行模型求解;以大连市主城区为实际场景的数值算例验证模型和算法的有效性和适用性.研究表明,允许私家车司机绕行和包裹中转的众包同城配送能够提高平台的总收益,使得私家车司机和零售店从中获利,有助于缓解城市道路拥堵、减少环境污染.敏感性分析结果显示,增加签约私家车数量以及在一定范围内增大车辆最大绕行系数有助于提高司机-包裹匹配成功率和平台总收益.随着包裹配送时间紧迫性的减弱,私家车司机和零售店参与的众包同城配送优势愈加明显.     

基于机器视觉与RFID智能引导停车场

随着城市化进程以及人民生活水平的提高,私家车的数量在近几年不断攀升,导致出现了大型停车场中找车难、服务差的问题.这对智能停车场的自动化程度以及服务质量要求越来越高.传统智能停车场以管理与检测为主,在车辆引导以及用户服务方面有所缺失.为此,本文将在嵌入式平台下,建立一个基于机器视觉的空位检测,人性快捷的RFID智能引导,以及完善管理系统和便民的微信公众服务的现代一体化停车场.     

大型客车影响的双车道多速混合交通流CA模型研究

在对现有经典交通流元胞自动机模型进行总体分析的基础上,结合我国高速公路特点,通过重新标定元胞长度、运行车速、随机慢化机制,制定车道转换规则,构建了周期边界条件下考虑大型客车影响的双车道多速混合交通流元胞自动机模型,并通过计算机模拟分析了速度、密度、流量三参数之间关系,寻找出了大型客车占有率、大型客车随机慢化概率、变换车道车辆数等因素对交通流的影响规律,为合理的组织高速公路交通管理提供了理论依据。     

基于ARIMA-SVM组合模型的移动通信用户数预测

运营商通过分析各时段、各区域的历史移动通信业务数据,能够预测未来一段时间的业务量,从而提供面向管理层的决策支持。为准确把握国内移动通信用户数的波动规律,提高预测精度,通过对2012年1月到2014年2月的26个月忙时移动通信用户总数和3G用户数进行分析,采用差分自回归移动平均模型(ARIMA)对业务量时间序列数据进行线性建模,并采用支持向量机(SVM)对ARIMA模型残差进行非线性建模,将ARIMA模型与SVM模型组合对忙时移动通信用户数进行预测,结果表明,ARIMA-SVM组合模型预测精度明显优于单一模型,发挥了两种模型各自的优势。该组合模型是一种切实可行的移动通信业务预测方法。     

基于神经网络优化组合的短期负荷预测

通过对电力负荷变化规律和影响因素的分析,集结多种单个模型所包含的信息,进行最佳组合,提出了在单一模型预测结果基础之上的基于神经网络的优化组合预测,确定了网络训练样本和隐含层的个数,可使提前一天的预测精度较传统预测模型有较大提高。并当发现某一点预测误差过大,可对该点利用文中提出的误差灰色模型修正预测结果,这样不仅可提高整体预测精度,更重要的是减小最大预测误差值和减少大预测误差发生的次数。仿真结果验证了该预测模型的可行性和有效性。     

基于GIS的自助旅游信息系统开发模式分析

随着我国经济的快速发展，近年来自主旅游的旅客越来越多，旅客依照个人意愿外出旅游，不受任何约束，这将成为一种潮流。这是因为私家车不再是奢侈品，拥有私家车旅游者呈现指数型增长，私家车的出现解决旅游中最重要的一个要素一“行”，给游者带来了很大方便，同时这又为旅游业的发展带来了新的动力。考虑到以上事实，建立基于GIS自助旅游信息系统是很有必要的，这将为驾私家车出游的游客带来了很多的方便，同时刺激了旅游业，为解决旅游业发展慢的现状提供了可能性。