Научен доклад ID 1644 : 2018/3
ПРОГНОЗИРАНЕ НА ОБЕМА НА ПРЕВОЗИТЕ ЧРЕЗ ИЗПОЛЗВАНЕ НА РЕГРЕСИОНЕН АНАЛИЗ И ИЗКУСТВЕНА НЕВРОННА МРЕЖА

Рамадан Дураку, Васка Атанасова

Целта на доклада е да се изследва кои фактори оказват най-голямо влияние върху генерирането на превози, както и да се създаде подходящ модел за прогнозиране на превозите по пътно-шосейната мрежа на Анаморавския регион. В тази връзка са изследвани няколко демографски и социални показатели за периода 2004-2016. Променливостта на показателите е изследвано чрез корелационен анализ (проблем на мултиколинеарността). По нататък в разработката се извършват анализи на база реални данни посредством множествена регресия и методите на изкуствената невронна мрежа. Поради факта, че при анализа се добавят възможно най-много променливи и с цел да се избегне явлението мултиколинеарност и да се подобри надеждността на прогнозата, приложение намира и метода за анализ на основните компоненти. Посочените методи се сравняват на база статистическата грешка. Резултатите от проведеното изследване показват, че използването на основни компоненти като входни данни при анализа водят до по-надеждни прогнози и елиминиране на явлението мултиколинеарност.

open/download as PDF
обем на превозите модел прогнозиране основни компоненти множествена регресия изкуствена невронна мрежа.traffic volume model forecasting principal component multiple regression analysis artificial neural network.Рамадан Дураку Васка АтанасоваBibliography

[1]

Ministry of Infrastructure-Directorate of Roads. „Data for traffic volumes for the period 2004-2016“, Prishtina,2016

[2] Mihailo M., Planiranje Saobracaj i Prostora. Gredevinski Fakultet, Beograd, 2004

[3]

Gjevori SH., Traffic Engineering-First Part (Book in Albanian). Polytechnic University of Tirana, Faculty of Mechanical Engineering, Tirana, 2011

[4] Neveu, A.J., Quick response procedure to forecast rural traffic. Transportation research record 944, June 1982

[5]

Gjevori SH., Transport Systems. (Book in Albanian). Polytechnic University of Tirana-Faculty of Mechanical Engineering. Tirana, 2010

[6] Hutchinson, B.G. Principle of urban transport system planning. Script Book Company, Washington D.C.

[7]

Agency Statistics of Kosovo. Kosovo Census Atlas, Geographic and Administrative Division of Kosovo. Prishtina, 2013.

[8] Agency Statistics of Kosovo,”General Statistics of Kosovo”.Prishtine, 2016.

[9]

Slipunas T., Annual average daily traffic forecasting using different techniques. Transport and Road Research Institute. VolXXI,No.1,38-43, Lithuania, 2006.

[10] Mirko, Č. Modeliranje u Železnickom Saobračaju. Saobracajni Fakultet-Universitet u Beogradu. Beograd, 2003

[11]

Washington S.P, Karlaftis M.G, Mannering F.L.,”Statistical and Econometric methods for transportation data”. Second Edtion, Taylor and Francis Group, LLC, 2011

[12] Sousa et al., ”Multiple linear regression and ANN based on principal components to predict ozone concentrations”. Elsevier, 2006

[13] Živojinović, D. Z. Razvoj i Primena Hemometrijskih Metoda za Klasifikaciju i Procenu Kvaliteta Vode. Doktorska Disertacija. Univerzitet u Beogradu-Tehnološko-Metalurški Fakultet. Beograd.2013.

[14] P.B Mistry, “Principal regression for crop yield estimation”. Springer, 2016.

[15]

Ali, G.A., Awdalla, T. Characteristics and predictions of traffic accident causalities in Sudan using statistical modelling and ANN. IJTST, Vol 1. N0.4,2012-pg.305-317.

[16]

Fricker J.D, Saha K.Sunil,. Traffic volume forecasting methods for rural state highways-Final report. FHWA/IN/JHRP-86.20, JHRP, Purdue University, 1987

[17] Long range Forecasting From Crystal Ball to Computer. www.forecastingprinciples.com/files/LRF-ch13.pdf