基于道路的时间序列（精选10篇）
基于道路的时间序列 篇1
0 引言
路网行程时间是评价道路交通运行状态的重要参数, 也是现代化道路交通管理与控制的基础。近年来, 车载蓝牙设备的应用逐渐广泛, 通过检测车载蓝牙信息可实现实时、精确及便捷地检测道路行程时间。因此, 开发基于车载蓝牙信息的路网行程时间检测设备对于有效地获取路网行程时间具有重要意义, 也是我国发展物联网, 构造车路协同环境的重要组成部分。
通过在路段上下游或交叉口处设置路侧蓝牙信息检测单元, 采集不含私人信息的蓝牙设备识别码 (media access control, MAC) , 可获取路网行程时间。国外有学者研究了在国外道路交通环境中, 蓝牙信息检测设备在检测距离的误差、检测频率、侦测范围与车速的关系、检测精度的提高及概率模型[1]等方面的内容, 并对天线特性对于蓝牙检测器性能的影响进行分析, 给出了蓝牙检测器的设置位置及天线设置方法[2];国内学者对于蓝牙检测器的应用前景、数据传输性能及安全问题也有相关研究[3], 但依然属于起步阶段, 需要进一步的发展。
通过对所开发的基于蓝牙信息的路网行程时间检测设备在理想环境和西安市南二环的实际道路环境中的测试, 分析了设备的特性, 为有效采集路网行程时间提供了依据及参考。
1 设备运行原理
蓝牙检测设备通过无线通信和串口, 将各设备间相互连接。蓝牙模块检测到过往车辆的车载蓝牙信号并进行匹配, 采集其MAC地址、设备类型和信号强度, 通过串口上传至ARM单片机, 单片机对信号进行处理并驱动蓝牙模块。所检测的信息通过串口上传信息至上位机, 由上位机进行数据的显示、配时、存储及分析处理。设备整体运行原理见图1, 所开发的设备见图2。
2 蓝牙检测设备的场地测试及数据分析
2.1 漏检率影响因素分析
漏检率测试以单车搭载蓝牙设备为基础, 选择某无车路段, 将检测设备同录像设备置于路段中间外缘处。使试验车以不同的速度多次通过测试点, 记录每次通过测试点时的设备侦测状况, 计算不同车速下的平均漏检率, 并分析漏检率与车速的关系。
在忽略车体对信号的屏蔽情况下进行试验, 漏检率普遍较高。为降低车体对信号的阻隔, 试验人员持蓝牙设备, 打开两侧车窗, 测试20~80km/h区间内各速度下的漏检率, 共获取7组140条数据, 漏检率-速度关系图见图3。由图3可见, 漏检率与车速关系近似于凹形抛物线, 在50和60km/h的2种速度下达到最低。测试发现, 车体对车载蓝牙设备的检测影响较大。
2.2 设备初次检测位置分布规律分析
应用视频拍摄方式记录车辆的运行位置, 拍摄时长为15min, 期间使试验车以30~60km/h之间的随机速度往返通过测试点。通过视频信息和采集的蓝牙信息读取时刻相对比, 记录车辆所处的位置见图4。由图4 可见, 大部分车辆将会在道路中线以前检测到, 因此建议将定向天线设置在所检测方向的中线前方区域。
3 实地测试及设备可靠性分析
为获取国内道路交通流中蓝牙设备的采样率及其交通运行特征, 选取西安市南二环西安科技大学人行天桥至文艺路南口人行天桥间自西向东长度为600 m的路段进行实地测试。测试时间为2013年6月1日 (周六) 17:05~18:05时。所选取测试路段为北侧路段, 测试过程中全程录像, 以获取全样本信息, 测试路段见图5。
实验共取得匹配数据80组, 去除不可靠数据 (明显大于时段内平均通行时间) 5组, 共得到75组匹配数据, 通过起终点的时刻计算实地测试路段的时长, 计算其平均值, 得到路网平均通行时间, 见表1。通过观测到视频信息可获取测试过程中共通过车辆3 826辆, 采样率为2.1%, 与国外采样率类似[4]。由表1可见, 路段行程时间随时间推移而不断增加, 数据的整体走势与晚高峰时期的交通特征相符。为进一步确定设备的可靠性, 和视频采集的全样本数据进行比较分析。
通过视频全样本数据分析可知, 交通量在晚高峰时期呈明显的上升趋势, 对应的出行时间不断增长, 与设备数据所呈现的趋势一致。视频采集而得的平均通行时间为2 min 12s, 与设备数据统计而得的2min 18s相差6s。可见, 在交通特性明显的情况下, 设备拥有一定的准确性与可靠性。
通过实地测试、计算得到误差率为4.5%;在实地测试中将误差率稳定在此水平是可以接受的[5], 证明设备具有应用推广的条件。此外, 在车流量较高的情况下, 在60 min内可以实现80组以上的配对数目, 且车载蓝牙设备的应用将会愈加广泛, 检测数会进一步提高。虽然误差稳定在较小的范围之内, 但数据的离散度仍然较高, 以视频统计时间差和设备实测时间差为依托制作盒型图, 观测数据的均值及离散程度, 见图6。
盒形图中央黑色部分为均值大小, 可见视频数据与设备数据所得均值相近, 但盒型图覆盖面积较大, 所以数据离散度较高, 那么设备数据是否可靠, 则需要进一步的验证。以视频采集数据为标准数据, 以设备采集数据为判别数据, 假设未知2组数据的总体及分布, 设2组数据均值相等, 来自于同一总体, 且符合相同分布;分别对2组数据进行2个独立样本的t检验、曼-惠特尼U检验和W -W检验, 以验证2组数据是否来自同一总体, 是否能够接受均值相等, 以及2组数据是否符合相同的分布规律。 检验均采用90% 的置信区间[6], 表2~4分别为为各项检验的结果数据。
由表2 可见, 方差项中的显著性水平为0.703, 大于0.1 (置信区间取值为0.9) , 所以无法由方差项否定原假设, 且双侧显著性水平0.031<0.1, 那么原假设成立, 即2组数据拥有相等的均值, 且来自于同一总体。由表3、表4可见, 曼-惠特尼U检验中双侧显著性水平为0.081<0.1, W -W检验中双侧显著性水平为0.012<0.1, 所以原假设成立, 即2组时间数据符合相同的分布规律。所以, 设备采集的数据不论从数据量、均值、方差或者分布等方面来看, 均具有较高可靠度, 可应用于实际分析之中, 而设备的实际应用性也得到了证明。
4结束语
通过场地测试, 得出了蓝牙检测设备漏检率与速度的关系, 证明在无干扰的情况下, 漏检率与速度的关系曲线呈凹形抛物线状;同时分析了检测位置的分布规律。初步验证了设备用于实地测试的可行性。通过对实地测试结果进行详细的分析, 探索了实际交通状况下平均车速与检测数及配对数的关系, 通过建立统计学模型与深入研究数据间的相关关系, 确定了设备所检测而得平均通行时间的可靠度, 进一步证明了设备的可靠性及实用性。
基于蓝牙的路网行程时间检测器的相关研究在设备精度方面仍有不足。由场地测试和实地测试可知, 降低漏检率对于提高检测精度和效率都具有十分重要的意义。而解决设备漏检率问题应着重研究如何增加蓝牙模块的搜索信号强度和功率。
摘要：以嵌入式技术为基础, 采用单片机及串口通信技术, 开发基于蓝牙的路网平均行程时间检测器, 实现自动采集车载蓝牙MAC地址并配时和数据存储的功能。通过场地测试确定了设备漏检率的平均大小、与速度的关系及初次检测点位置的分布规律。测定了设备的检测精度, 并对平均速度、检测数、配对数等因素进行了分析;通过t检验、曼惠特尼U检验及沃尔德沃尔福威茨 (W-W) 检验验证了设备数据的可靠性;通过实地测试验证了设备的可用性和实用性, 并根据测试结果, 提出了设备存在的一些不足以及后期改进的建议, 为蓝牙检测器的后续研发奠定了基础。
关键词：行程时间,蓝牙数据,场地测试,可靠性分析
参考文献
[1]Bakula C, Schneider W, Roth J.Probabilistic model based on the effective range and vehicle speed to determine bluetooth MAC address matches from roadside traffic monitoring[J].Journal of Transportation Engineering, 2012, 138 (1) :43-49.
[2]Porter J, Kim D S, Magana M E, et al.Arriaga antenna characterization for Bluetooth-based travel time data collection[J].Journal of Intelligent Transportation Systems, 2012, 17 (2) :142-151.
[3]金茂菁.我国智能交通系统技术发展现状及展望[J].交通信息与安全, 2012, 30 (5) :1-5.
[4]Sydanheimo L, Keskilammi M.Performance issues on the wireless 2.4GHz ISM band in a multisystem environment[J].IEEE Transactions on Consumer Electronics, 2002, 48 (3) :638-643.
[5]Hager C T, Midkiff S F.An analysis of Bluetooth security vulnerabilities[C]∥2003IEEE Wireless Communications and Networking.Los Angeles:IEEE Wireless Communications and Networking, 2003, 1823:1825-1831.
[6]Brennan T, Ernst J, Day C.Influence of vertical sensor placement on data collection efficiency from bluetooth MAC address collection devices[J].Journal of Transportation Engineering, 2010, 136 (12) :1104-1109.
基于道路的时间序列 篇2
关键词：吉林省；时间序列分析；粮食；产量；预测模型
中图分类号： F326.11文献标志码： A文章编号：1002-1302（2014）10-0478-02
收稿日期：2013-12-14
基金项目：国家自然科学基金（编号：31160103）。
作者简介：何延治（1966—），男，吉林龙井人，硕士，副教授，从事计量经济学研究。E-mail：yzhe@ybu.edu.cn。吉林省是一个农业大省，是我国重要的粮食主产区，吉林省粮食生产对全国粮食安全具有举足轻重的作用。能够准确预测吉林省的粮食产量对吉林省乃至全国农业发展具有重要的意义[1]。本研究利用吉林省1978—2012年的粮食产量数据，选用时间序列分析中的ARIMA（p，d，q）模型，建立吉林省粮食产量预测模型，并用该模型拟和吉林省2011年和2012年的粮食产量，同时预测吉林省2013年和2014年的粮食产量，这可为指导吉林省粮食生产提供科学的理论依据。
1时间序列分析方法
时间序列分析方法是由美国著名统计学家博克斯和英国的詹金斯于1976年提出，简称B-J方法，是一种应用广泛的数量分析方法，主要用于描述和探索现象随时间发展变化的数量规律，是一种时间序列短期预测方法。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势，即通过时间序列的历史数据，揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测。时间序列分析中的预测模型不同于其他计量经济预测模型的一个重要特点是不考虑被研究变量以外的任何其他变量，而是依靠被研究变量本身的外推机制来描述经济变量的变化，强调让数据自己说话，重点分析时间序列本身的随机性[2-3]。这也是本研究采用该方法的主要原因。
2时间序列模型
时间序列基本模型有3种：自回归模型（autoregressive model），简称AR模型；移动平均模型（moving average model），简称MA模型；自回归移动平均模型（autoregressive moving average model），简称ARMA模型，前2种模型是它的特殊形式。这3种模型均只适用于平稳的时间序列。但是，实际问题中，许多时间序列并不近似为平稳的时间序列，因此不能直接用非平稳的时间序列建立模型，需要通过差分处理，产生一个平稳的新的时间序列，再用ARMA模型建模，
4结论
时间序列分析法是一种重要的预测方法，其模型比较简单，对资料的要求比较单一，只需变量本身的历史数据，在实际应用中有广泛的适用性。在应用中需根据所要解决的问题及其特点等因素，综合考虑并选择相对最优的模型。由研究建立的ARIMA（1，1，1） 模型预测分析可知，吉林省未来粮食产量呈现稳中增长的势头，但增产幅度将逐渐减弱。
为更好地进行吉林省粮食生产，提高吉林省粮食生产的产量，要坚持稳定面积、主攻粮食单产的总方针，向科学技术要产量，要不断加强高标准农田建设，深入实施测土配方施肥，加强病虫害监测与防控能力建设，加快农作物新品种和高效耕作技术的研发推广，促进农产品合理高效流通，充分调动农民的生产积极性。
参考文献：
[1]王波，郭夜白，高来斌，等. 最优加权预测在吉林省粮食产量预测中的应用[J]. 吉林农业大学学报，2008，30（5）：760-763.
[2]潘红宇. 时间序列分析[M]. 北京：对外经济贸易大学出版社，2006：45-97.
[3]张树京，齐立心. 时间序列分析简明教程[M]. 北京：北方交通大学出版社，2003：33-84.
[4]樊亮，常迎香，李菊梅. 时间序列分析模型在甘肃省GDP中的应用[J]. 甘肃科学学报，2009，21（4）：140-142.
[5]张晓杰，张希良. 时间序列分析模型在山东省粮食总产量预测中的应用[J]. 水土保持研究，2007，14（3）：309-311.
[6]王延停，杜院录，贾利新. 时间序列分析在粮食产量预测中的应用[J]. 河南科学，2011，29（5）：520-523.
[7]王燕. 应用时间序列分析[M]. 北京：中国人民大学出版社，2005：45-60.
[8]于平福，陆宇明，韦莉萍，等. 基于小波广义回归神经网络的粮食产量预测模型[J]. 湖北农业科学，2011，50（10）：2135-2137.
[9]张晓峒. 计量经济学软件EViews使用指南[M]. 天津：南开大学出版社，2003：232-242.
[10]张晓峒. 计量经济学基础[M]. 天津：南开大学出版社，2001：282-341.
基于道路的时间序列 篇3
行程时间作为反映交通状况的重要指标之一, 既能为交通管理部门提供交通管理与控制的数据支持, 又能为出行者选择出行路线或调整出行计划提供依据。在先进的交通管理系统和先进的出行者信息服务系统中, 行程时间预测是构建这2系统的核心基础之一。
目前, 行程时间预测已成为智能交通系统的热点研究领域。国内外关于行程时间预测的方法主要有:卡尔曼滤波[2]、自回归模型[3]、指数平滑[4]、支持向量机[5]和人工神经网络[6]等。其中, 卡尔曼滤波模型具有实时性强、预测精度高、计算所需的计算量和存储空间较少、可以在线预测等优点, 得到了广泛关注和应用。朱中[7]、温惠英等[8]利用固定检测器数据分别预测高速公路行程时间和城市道路行程时间;唐俊[9]、朱爱华[10]利用浮动数据分别预测高速公路行程时间和城市道路行程时间。但是, 在利用卡尔曼滤波进行行程时间预测时, 现有研究大多采用单一数据源进行预测。而采用单一数据源进行预测时, 受外部环境的影响较大, 预测精度不高。由于浮动车与固定检测器在交通信息种类、数据精度等方面具有较强的互补性, 笔者综合利用多种检测器采集的交通数据, 建立行程时间预测模型, 从而提高城市道路网络行程时间预测的准确性。
1 行程时间预测模型的输入参数选取
目前, 在实际交通数据采集过程中, 常采用浮动车、固定检测器进行数据采集。浮动车检测成本低, 提供的数据精度高, 但只能得到时间、速度和位置的实时信息。另外, 由于浮动车运行路线的随意性, 影响其检测数据的覆盖性、准确性。固定检测器测量精度比较高, 但设备容易受外界环境影响。固定检测器不能检测行程时间、区间平均速度等数据;只能检测路口或者特定地点的断面交通信息, 且设备故障经常导致数据不完整、不准确。考虑到2种检测方法的优缺点具有一定的互补性[11,12], 为了提高发布信息的准确性、可靠性, 可以将2种检测数据作为模型输入量进行融合处理以提高预测精度。
在确定利用浮动车、固定检测器的检测数据进行行程时间预测时, 需要考虑交通参数的选取。由于城市道路行程时间与前几个时段的行程时间有着必然的联系, 同时路径是路网中的一部分, 其行程时间受到周围路段及所包含路段的交通状况的影响。所以, 选取不同时段路径的行程时间以及各路段的交通流量、时间占有率作为预测模型的输入参数, 通过参数的变化来反映交通状态的变化。考虑到在实际检测中, 线圈检测到的速度受安装位置的影响, 波动性较大, 很难反映整个区间的交通状态。因此, 笔者选择固定检测器采集的路段流量、占有率和浮动车采集的路段行程时间作为模型的输入参数。
2 基于多源数据的城市道路网络行程时间预测
行程时间是描述城市道路网络状态的重要参数, 它能直观反映道路的拥挤情况。由于路网参数不断变化, 行程时间的预测必须满足实时性的要求。因此, 笔者利用实时的浮动车数据、环形线圈数据建立基于多源数据的卡尔曼预测模型。
2.1 基本思路
在进行行程时间预测时, 卡尔曼滤波模型认为实际行程时间为基本行程时间和随机误差项之和, 基本行程时间由预测区段所设置的检测器收集的数据计算后得出, 误差项由测量方程递推计算得出。由于交通流具有动态随机性、观测中存在误差等原因, 特加一随机误差项wk来加以修正。但从整个上分析, 随机误差项wk的数学期望为零, 方差为σ2, CkXk+wk为实际行程时间的无偏估计值。现以n=4为例说明预测原理, 见图1, 其中n为检测断面的个数。
图1中A点至B点区段 (箭头所代表区段) 即为所要预测的区段, 该路段包含3个交叉口, 设有4组检测器 (分别为1, 2, 3, 4号检测器) 。即每组检测器检测的流量、占有率数据代表各自路段的行车状态, 这里的路段定义为上游交叉口停车线到下游交叉口停车线之间的道路。依照所分的区间, 其对应行程时间t1, t2, t3, t4的累加值即为AB段的基本行程时间, 再加以随机误差项修正即可。
分析相关研究发现, 在利用卡尔曼滤波方程进行行程时间预测时, 现有研究分别采用流量、占有率、行程时间作为模型输入参数, 将其权重系数作为系统状态量建立预测模型, 而且基于不同的输入参数所建立的预测模型形式相同。笔者将行程时间、车道占有率、交通流量组合成1个参数矩阵, 将其权重系数组成1个状态矩阵, 建立基于卡尔曼滤波的行程时间预测模型。该模型不仅可以避免单一数据源存在的不足, 还可以反映整个区段的交通状态在时间、空间上的变化情况。
2.2 基于多源数据的行程时间预测模型
基于上述基本思想和卡尔曼滤波理论, 建立基于多源数据的行程时间预测模型。设T (τ+1) 为所要预测的τ时刻以后的下1个时间段的路径行程时间, 它与τ时刻及前若干个时间段的行程时间有关, 与τ时刻流量、车道时间占有率也有关。设T (τ) 、T (τ-1) 、T (τ-2) 分别是是τ时刻, τ时刻前1个时段、τ时刻前2个时段由浮动车检测到的路径行程时间。设Kn (τ) 是τ时刻的环形线圈n检测到的车道时间平均占有率, Qn (τ) 是τ时刻的环形线圈n检测到的交通流量。因此, 可建立如下的行程时间预测模型:
式中:Htn为T (τ-n) 的权重;Hkn为τ时段Kn (τ) 的权重;Hqn为τ时段Qn (τ) 的权重。它们与道路网交通状态变化情况密切相关, 是状态变量。初始时, Ht0、Ht1, Ht2均取为1/3;Hk1, Hk2、…、Hkn取同1个值, 由初始行程时间和检测到的占有率数据确定;Hq1, Hq2, …, Hqn也取同1个值, 由初始行程时间和检测到的交通流量确定。随着时间的变化, 权重也在发生改变。
设A (τ) =[T (τ) , T (τ-1) , T (τ-2) , K1 (τ) , …, Kn (τ) , Q1 (τ) , …, Qn (τ) ]
式中:y (τ) 为观察向量, 即要预测的下个时间段的行程时间;X (τ) 为状态向量, 即τ时间段各参数的权重;A (τ) 为观察矩阵, 即τ时间段检测到的流量Qn, Kn, T (τ) ;B (τ) 为状态转移矩阵, 表示τ-1时段的状态向τ时段的状态变化时的相互关系;w (τ) 为观测噪声, 假定为零均值的白色噪声, 其协方差矩阵为R (τ) 。u (τ-1) 为模型噪声, 假定为零均值的白色噪声, 其协方差矩阵为Q (τ-1) 。
利用影射理论和极小值原理可以推导出卡尔曼滤波方程组为
上述卡尔曼滤波方程组构成了1个循环, 不断进行状态更新和预测误差更新, 见图2。
为计算方便, X0 (τ) 可设为零向量, P0 (τ) 设为单位阵, B (τ) 取单位矩阵。至此, 利用上述的卡尔曼滤波方程组和方程 (1) , (2) , (3) , 经过迭代即可获得城市道路的行程时间预测值T (τ+1) 。
2.3 输入参数改进
每天中的交通状态基本相似, 将2周相对应的2d中的交通流量、车道占有率的差值代替交通流量、占有率的原始数值。将2周相对应的2d中的行程时间差值代替行程时间的原始数值。通过预测行程时间差值的大小来预测行程时间。
即
式中:T (d-1, τ) , Q (d-1, τ) , K (d-1, τ) 分别为上周对应天的该时段的行程时间、交通流量、车道占有率。T (d, τ) , Q (d, τ) , K (d, τ) 分别为本周τ时段的行程时间、交通流量、车道占有率。
则实际预测值为
式中:T (τ+1) 为通过卡尔曼滤波方程组计算出的预测值。
3 仿真实验及分析
为了验证基于卡尔曼滤波理论的行程时间预测模型的有效性, 利用Vissim仿真软件模拟城市道路交通运行状况, 车流量按照实际检测到的交通数据输入, 将获得的交通数据输入到预测模型, 获得各个时间段的预测行程时间。并且, 将仿真数据分别应用于基于固定检测数据的卡尔曼预测模型、基于浮动车数据的卡尔曼预测模型, 对各种预测结果进行对比分析。
3.1 仿真实验方案
仿真实验建立的简单路网见图3。路网中, 车辆输入按照每天的车流量变化情况输入, 各交叉口采用定时控制。所要预测的路径如图3中A点到B点部分, 它包含6个交叉口, 长3.1km, 通过设置行程时间检测器、数据检测点获得路径行程时间、流量、车道平均占有率数据, 每5 min统计1次。
3.2 行程时间预测精度评价
为了评价预测结果, 引入不同的误差指标:最大相对误差、平均相对误差、平均绝对相对误差。将仿真数据应用于多源数据预测模型输入原始数据) 及其改进模型 (输入原始数据差值) , 通过Matlab编程实现预测, 其结果见图4。
由图4可见, 预测值均在观测值附近上下波动, 其变化趋势基本一致。观察图5可知, 利用浮动车数据、环形线圈数据进行城市道路行程时间预测的最大误差分别不超过20%和15%。
为了比较基于多源数据的行程时间预测模型与其他模型预测精度的差异, 将仿真数据分别应用于各种预测模型。同时, 为了消除随机因素对仿真结果的影响, 利用Vissim进行多次实验, 通过计算, 各模型预测误差指标的平均值见表1。
%
由表1可见, 基于固定检测器和浮动车数据的卡尔曼预测模型的误差指标均相对较小, 预测精度较另外2种采用单一数据源的预测模型的精度分别提高14.4%和7.5%。据此分析, 采用多源数据进行行程时间预测其效果较好。
4 结束语
笔者从交通数据的采集方法和数据精度2个方面进行分析, 结合行程时间的影响因素选取模型输入参数。利用实时的浮动车数据、环形线圈数据建立了基于卡尔曼滤波理论的行程时间预测模型, 并且对输入参数进行了改进。预测结果表明, 该模型的预测精度较基于固定检测器数据、基于浮动车数据的卡尔曼预测模型高, 能够为实际应用提供一定的参考价值。
由于时间和条件所限, 笔者未能对影响卡尔曼滤波模型预测精度的相关因素进行研究。同时, 基于卡尔曼滤波理论的行程时间预测模型在交通事件发生的情况下的应用还需要进一步验证。
摘要：针对基于单一数据源、利用卡尔曼滤波理论建立行程时间预测模型存在的不足, 采用多源数据进行行程时间预测以提高精度。浮动车、固定检测器是常用的交通信息采集方法, 在信息种类、数据精度等方面存在一定的互补性。因此, 选择2种检测器的实时交通数据作为模型输入参数。利用卡尔曼滤波理论, 以流量、占有率、行程时间作为输入量构成参数矩阵, 建立城市道路网络行程时间预测模型。并通过Vissim仿真实验验证了模型的有效性。结果表明:基于多源数据的行程时间预测模型平均绝对相对误差为5.45%, 其精度比单独采用固定检测器检测数据预测提高了14.4%, 比单独采用浮动车数据预测提高了7.5%。
关键词：多源数据,卡尔曼滤波,行程时间预测,城市道路网络,Vissim仿真
参考文献
[1]杨兆升.关于智能运输系统的关键理论:综合路段行程时间预测的研究[J].交通运输工程学报, 2007 (1) :65-67.
[2]胡小文.基于探测车数据的路段行程时间估计[J].交通信息与安全, 2009, 27 (6) :60-65.
[3]张硕, 孙剑, 李克平.路径行程时间的组合预测方法研究[J].交通信息与安全, 2010, 28 (4) :13-17.
[4]李庆奎, 吕志平, 王飞.基于模糊理论的智能指数平滑行程时间预测算法[J].山东交通学院学报, 2012, 20 (3) :20-23.
[5]张娟, 孙剑.基于SVM的城市快速路行程时间预测研究[J].交通运输系统工程与信息, 2011, 4 (11) :174-179.
[6]邹亮, 徐建闽.基于浮动车检测与感应线圈融合技术的行程时间估计模型[J].公路交通科技, 2009, 4 (3) :68-70.
[7]朱中, 杨兆升.基于卡尔曼滤波理论的实时行程时间预测模型[J].系统工程理论与实践, 2008, 5 (1) :32-36.
[8]温惠英, 徐建闽, 傅惠.基于灰色关联分析的路段行程时间卡尔曼滤波预测算法[J].华南理工大学学报:自然科学版, 2009, 6 (9) :66-75.
[9]唐俊.基于浮动车数据的高速公路路段行程时间预测方法研究[J].中山大学学报, 2011, 3 (2) :42-46.
[10]朱爱华.基于浮动车数据的路段旅行时间预测研究[J].北京交通大学学报, 2012, 8 (2) :54-58.
[11]田智韬.基于浮动车与固定检测器的交通流数据融合研究[J].北京交通大学学报, 2010, 4 (1) :35-38.
基于视觉空间分析的道路景观设计 篇4
【关键词】视觉空间分析；道路景观；相关理论；设计原则；设计方法
Road landscape design based on visual spatial analysis
Liang Kai
(Nanjing University School of Architecture Nanjing Jiangsu 210000)
【Abstract】With a high degree of selectivity, visual and mentors human mental activity. Landscape design of the product is the landscape visual image. Therefore, when carrying out road landscape design should be based on a visual-spatial analysis, rational organization of the landscape to meet people in the visual aesthetic needs of road landscape. Papers in the study of the road visual space analysis theory, the principle of road landscape design, while the design of the different sections of the road landscape environment to explore, in order to create a rational layout of a space, the visually harmonious urban landscape environmental systems.
【Key words】Visual-spatial Analysis;Road Landscape Design;Related Theories;Design Principles;Design Method
1. 引言
（1）道路是连接和划分城市各个功能分区的基本要素，是城市能够正常运行的命脉。随着人类文明的高度发展，人们对城市环境的要求也逐渐提高。道路的功能已经不仅仅局限在通行方面，还应当具备环境景观的功能。与其他类型的景观相比道路景观有着它的独特性。就概念来说，从城市空间的角度而言城市道路景观泛指由实体建筑结构围合的室内景观空间以外的一切街道区域的景观形态，如外部庭院、街道、河岸、游园、绿地、广场、场地等供人们日常活动的空间［1］。城市道路景观是人们认识城市的重要视觉、感知场所，它最直接的反映了城市的特色。
（2）人的视觉活动，是一种积极的活动。视觉是有高度选择性的，它不仅对那些能够吸引它的事物进行选择，而且对看到的任何一种事物都可以进行选择，并由此产生不同的心理作用。景观设计的产物也就是景观视觉形象，作为一种人为的直观的视觉形象，它有一种感官直接性，而且人体接受外界信息的80％都是通过视觉获得的，行驶在道路上的人们对于道路景观最直接的欣赏方式就是通过眼睛来进行感知。因此，我们在进行道路景观设计时应当基于视觉空间分析，合理组织景观来满足人们在视觉上对于道路景观的审美需求。
2. 道路视觉空间分析的相关理论
2.1 动态视觉分析。
（1）人和车辆作为道路承载的主体，在大部分情况下是处在高速运动的状态当中的。此时人眼所能看到的道路景观也是处于相对运动状态的，这就要对人的动态视觉进行分析。
（2）步移景异是对欣赏主体视觉动态景观体验的高度概括。“步移景异”的实质可以理解为：通过对视线落点的位置、形态的经营来构成画面，同时通过这些点来塑造空间，使空间的维度发生变化，产生明确的方向性（倾向性），引导人的行为，人不断被牵引前行的过程中，景致纷繁变化，空间的时间属性被释放出来，在时间中不断丰富对空间的认知，加以联系和想象，就生成了超越本体空间的意境空间。步移景异强调了道路空间的个性和每个节点所看到的景致的不同。一方面，这使得空间序列上每一部分都有较强的识别性，在这样的变化中，空间有了节奏感，时而舒缓时而急切，时而开阔时而幽闭，空间流线充满弹性，生机勃勃。另一方面，空间和景致的丰富变化带来体验的多样性，既便是在咫尺之内，也不会有枯燥乏味之感［2］。
（3）同时对于高速运动中的欣赏主体而言，每一个景观个体由一个个“点”的概念转化为了线性并列的关系，形成了一系列不可拆分的景观整体。设计师可以利用这种视觉动态关系对道路空间进行积极引导，营造良好的空间气氛和意境，在运动的延续中，通过同一流线上不同道路空间属性的对比，来彼此加强。
2.2 意象分析。
（1）在凯文.林奇所著的《城市意象》中，林奇教授从城市的物质现实中抽取了一些精神化的东西，他把这些精神化的东西总结为五类基本元素（道路、区域、边界、节点、标志物）并以此来构建自己的城市意象，而这五类基本元素对道路视觉空间分析也有着重要的启示作用［3］。人们通过对这五类要素的观察来想象道路的空间形态，我们可以在这五类意象分析要素的基础上来组织道路景观，使一条道路能在人脑中形成明显的“意象图”。
（2）为了测试这五类意象分析要素，我们可以对该段道路上的行人进行调研，最好可以为调研者提供一份该段道路的草图，让被调研者标出他们认为最有趣，最重要的景观并说明该景观最具视觉效果的原因。在充分地分析调研结果之后，设计师们可以对这些元素进行实地调研，然后对多种不同光效、距离、活动、交通等地域条件下的个性与结构进行研究。最后完成一份该段道路景观构成的示意图和报告，得出道路景观的基本意象，包括整体视觉效果上的问题和长处，关键性元素之间的关联。这个分析必须不断修正随时更新，在它的基础上建立起道路景观视觉形式的规划。
2.3 文丘里——向拉斯维加斯学习。
（1）在《向拉斯维加斯学习》一书中，作者美国建筑师文丘里给我们描绘了一个空间象征先于空间形式作为一种系统存在的拉斯维加斯。在拉斯维加斯的高速公路两侧，充斥着以风格和标志为中心的建筑，广告牌花枝招展，霓虹灯五光十色，令人炫目。这种道路景观极大地冲击着人们的视觉感受，信息的交流与传达在建筑与景观中是一种压倒空间的决定性因素。通过对拉斯维加斯的研究文丘里认为增强道路两侧的建筑与景观的象征意味，能够让视觉载体进入新的角色，感受到轻松的气氛。
（2）同时文章还指出：首先道路景观设计要满足汽车与人在视觉与心理上的平衡。在日益拥挤的城市中心区，由于停车难，使人们渐渐地失去了开车进城逛街的兴趣，部分购物行为转移到了通街大道的商业走廊中去。尽管此种走廊型商业建筑环境从美学上欠佳，但是它的设计更能满足人们的心理，符合人们对视觉质量的要求。其次，我们应当看到公路商业带展现了象征和暗示的手法在身处巨大空间和高速道路旁的景观设计中的价值。城市与道路的活力可以通过具有包容性的景观与建筑来实现［4］。
endprint
3. 基于视觉空间分析的道路景观设计原则
3.1 整体性原则。
（1）基于视觉空间的分析，我们在进行道路景观设计时，应当遵循整体性原则。所谓整体性原则就是将道路系统作为一个整体来考虑，统一安排道路两侧的建筑物、绿化、街道设施、色彩、历史文化等，避免其成为片段的堆砌和拼凑。
（2）道路景观的欣赏主体有着它的特殊性，行驶在道路上的车辆和人在绝大多数的情况下是处在一定速度下运动着的。这也就使得道路景观个体由原本相对静止关系下的“点”的概念转化为了相对运动关系下的线性特征。举个例子来说，乘坐在高速行驶的列车上的旅客往往是看不清铁路旁的行道树个体的，他们所能看到的是一条连续的线性绿带，如果在种植规划时没有将绿带作为一个视觉空间上的整体来考虑，树种的高度甚至色彩没有统一的安排，那么人们看到的将是一个个破碎的片段，景观的组织显得杂乱无章。由此，我们可以看到整体性原则对于道路景观的设计的重要性。
3.2 环境契合性原则。道路本身应是积极的环境视觉要素，道路景观设计要能促进这种环境质量的提升，使道路的环境特征与道路周边环境以及城市整体环境特征相和谐。通过视觉空间分析，道路景观设计中的环境契合性原则应当包含以下几个方面:
(1)沿道路提供强化环境特征的景观，方便驾驶员识别空间方位和环境特征。
（2）对多余的视觉要素进行屏隔和景观处理。
（3）严格控制道路的开发高度和建筑红线。
（4）街道小品、照明设施的选择以及绿化系统的规划要符合城市的整体环境的特色。
（5）强化道路中所能看到的自然景观。
（6）对于城市边缘区等自然特征较强的地区，要充分考虑到保护当地的自然生物生境。
3.3 突出个性的原则。
（1）城市道路对其他意象要素起着串联作用，是人们感知整个城市意象的关键渠道，同时也是环境定位、环境指认和感知城市特色的重要要素［5］。我们在进行道路景观设计时，要突出道路的景观个性，使人们可以认知整个城市的环境特色。
（2）城市道路景观的个性来自于每个城市不同的历史背景，不同的地形和气候，城市居民不同的生活观念和习惯。在进行景观设计时要通过对具有共性的景观要素的设计与把握，给行驶者以强烈的视觉空间印象，构成丰富的城市意象。同时，个性特色的创造应在符合区位共性特点的前提下，在满足功能需要、协调环境文脉、创造自然生态等方面反复推敲、不断升华，使城市道路既有地方性、时代特色，又与市民生活紧密结合、有机交融。
3.4 以人为本原则。
（1）以人为本的思想从广义上来说就是主张自由和个性解放，肯定人是世界的中心，反对以物为本位，提倡以人为本位。这一思想具体体现在城市道路景观设计中，就是强调人作为道路景观的欣赏主体，各类设计都应当从人的视觉角度出发，满足人们各种在生理和心理上的需求。一个景观设计的成败、水平高低以及吸引人的程度，就看它能在多大程度上满足人类对于开放空间环境景观的视觉需求，是否符合人类的户外行为需求。
（2）同时因为道路上的人流、车流都是在动态过程中观赏景观， 又由于各自交通目的和交通手段不同， 产生不同的行为规律和视觉特征，基于视觉空间的分析，更应在道路景观设计中考虑以人为本的设计原则。
4. 不同地段环境的道路景观设计方法
4.1 道路和山体。从城市中看到的山体，或者有特征的山体都能成为城市的标志，是反映道路景观个性最好的素材。为了将山体融入到道路景观中，自然就会联想到道路的方向、宽度、栽植、沿街建筑的高度限制、配电管线的地下化等一系列设计应该注意的事项。如果道路方向没有制约的话，一般采用道路正对山体，由沿街建筑和林荫树形成轴线的构成手法。如果情况不可能，可用沿街设置小型公园、广场等开敞空间，以提供远眺山景的场所。道路宽度尽可能增宽，栽植的密度和树种的选择也需要考虑不阻碍远眺的视线。此外，沿街的广告牌、电杆和电线，是引起意外和景观烦杂的主要因素，为确保良好的眺望视线可采用埋入地下的方法，以减少景观的杂乱性。
4.2 道路与水体。如今城市的滨水空间作为重要的环境资源，已逐渐被市民所接受。而在道路景观设计时也应充分考虑到当地的滨水资源。根据道路与水体的关系，采用的手法也是不同的。当道路沿水面而行时，其间尽可能不设置建筑物，多让人观赏到水景。只是，比起过于开敞的水系空间在道路与水体之间一行树木作为一种框景手法，隐约之间欣赏的水体效果更加令人满意。此外把水边的树木作为添景，可以突出景观的效果，更富有情趣。与山体的借景手法相似最好能控制道路的方向、宽度、沿街建筑的高度、栽植等，形成强烈的轴线效果 ［6］。
4.3 历史文化街区。
（1）历史街区中传统民居是整体历史氛围的集中体现，承载着当地居民的日常生活，也是当地民俗文化长期积淀的结果，具有普遍的历史、民俗、艺术、社会等方面的价值。但是在一些历史街区中，部分传统民居历经数十年、甚至上百年的沧桑岁月，破损较为严重，已经丧失了景观的视觉功能；居住密度较大，街区居民以老年人、低收入者、外来户居多，年轻人或收入较高的居民外迁现象严重，人口结构失调，造成街区缺少活力。这就需要通过景观设计组织来对街区进行改造，恢复其活力。
（2）街区的栽植、铺装应该要符合当地的文化特色。对于人流量较少缺乏活力的街区，在其内部可以考虑开辟一个开敞的驻留空间，营造出一个良好的视觉环境。人们可以在这里停留、休憩，更加仔细的欣赏街道的景致。在空间的内部可以建造一些能够体现街区文化特色的雕塑等标志物供人们观赏，这样不仅可以汇集人流，也可以加强街区个性［7］。
5. 结语
在进行道路景观设计时要充分的对欣赏主体（人和车辆）的视觉空间进行分析。设计可以运用一些成熟的理论，同时也应满足整体性、环境契合性、突出个性以及以人为本的设计原则。对于不同地段环境的道路景观设计要因地制宜采取措施，拓展和深化它们的外延和内涵，营造出一个空间布局合理、景观
基于时间序列的精准扶贫研究综述 篇5
消除贫困, 改善民生, 实现共同富裕, 是人类孜孜以求的理想。我国自1986年扶贫开发以来, 通过近30年的不懈努力, 取得了举世瞩目的成就。但是, 贫困地区人们的生活水平仍然较低, 发展水平滞后的现象并没有根本改观。其中一个重要原因是目前我国的扶贫策略是粗放式的, 对于“谁是贫困居民”、“致贫贫困何在”、“如何针对性帮扶”等问题并没有确切的界定。针对目前扶贫工作中存在的这一突出问题, 2014年1月25号中共中央办公厅、国务院办公厅印发的《关于创新机制扎实推进农村扶贫开发工作的意见》 (中办发[2013]25号中明确提出了建立精准扶贫机制的要求。
精准扶贫理念起源于我国, 因此, 考究其起源、发展、演变历程须从我国的文献库中寻找其证据才更具说服力, 中国知网 (CNKI) 作为我国公认的权威中文文献数据库是本研究采有的数据检索来源 (如不作特别说明, 以下研究文献相关信息均来自中国知网检索结果) 。本研究采用“精准扶贫”关键字, 以“篇名”字段进行模糊搜索, 按年份梳理出以下研究结果 (数据来源时间截止2016年10月22日24点) 。
数据来源:中国知网
2 精准扶贫思想的萌发 (2006-2010年)
据中国知网的搜索结果数据 (表1) 可知, 最早见于报端的是2006年江毅等人一稿多“名”的文章, 之后时隔近9个月才有吴睿鸫的关于扶贫的“精准性”的第4篇文献, 再之后, 将近3年的时间里《新疆畜牧业》才刊出了一篇关于农牧区扶贫资金使用的精准性的文章。这些早期的文献发表的刊物等级不高, 其中3篇甚至还不能称之为论文 (报纸上刊发的社论短文) , 被引用次数不多 (最多的一篇被引次数为6、最少的为0) , 下载次数最多的也仅为305次、最少的仅8次, 这6篇文献全部没有基金资助。
作为精准扶贫的思想的萌芽, 其必是从实践中诞生的。在中国知网可检索的文献中, 江毅和姚润丰在其2006的论著中首次将“精准”与“扶贫”联系起来, 这是有文献记载的最早的关于扶贫精准性的论述文献。当然, 由于作者的局限性, 在其文献中, 对于扶贫的精准性的论述还相当粗糙。
2007年初, 《中国社会报》刊出了吴睿鸫的《富县戴“穷帽”根在扶贫政策“精准度”不够》一文, 他对当时扶贫实践中富县戴“穷帽”的怪现象进行了深入的剖析, 明确指出这一问题的症结所在是由于扶贫政策的精准度不够所造成的, 解决此类问题必须从提升扶贫对象的识别程度着手。张兴堂与孙丽在同年10月发表的《扶贫资金使用应提高“精准度”》文章中从扶贫资金使用角度出发, 提出提高扶贫资金的利用效率的方法途经, 其中, 关键是精准识别最需要资金的组织和个人。
此后的二年 (2008、2009年) 中, 没有人再就扶贫的精准性问题发表过公开可查的学术性论述, 扶贫的精准性研究一度归于沉寂。直到2010年, 龚春银再度就扶贫资金使用中不科学、不规范的种种不正常现象展开探讨, 他们认为传统的大水漫灌式的资金分配是对扶贫资金的极大浪费, 已不适合扶贫新形式的要求, 强调必须提升扶贫资金的精准性。
在以上的三个年度里仅有的6篇文献虽都意识到扶贫精准性的重要, 但囿于时代的局限性, 他们研究大都较为肤浅, 要么就事论事, 要么泛泛而谈、浅尝辄止, 没有系统化、层次化的深入研究, 但他们的研究为之后的精准扶贫理论的确立奠定了基础。
3 精准扶贫理念的明确提出 (2013年)
在2013年, 检索得到16篇精准扶贫相关文献 (见图1) , 尽管这个年度的相关文献数量不多, 但刊物的级别却很高, 人民日报刊出时任湖南省省委副书记、省长杜家毫的《加强分类指导实施精准扶贫》政论文章, 光明日报刊文记者精准扶贫特稿。通过数据整理得知该年度12篇文章均出自中央、地方各大报社, 发表时间多在12月份左右 (据知网数据) 。
注:由于作图限制, 显示10家刊物, 另有4家刊物名未显示数据来源:中国知网
据图2文献的机构来源分布, 可看出, 其中3篇来自湖南省相关党政机构, 另外13篇个人署名文章的作者多是当地权威报刊记者或扶贫部门工作人员 (据知网数据) 。
数据来源:中国知网
这一时期的文献以政论文章为主, 多从政策层面强调扶贫工作精准性的重要, 动员各方力量开展精准扶贫事业。
《老区建设》分别在其9月、11月的期刊上上刊出水木与邵猷芬、黄斌琼与程国伙结合所在县域的精准扶贫文章, 两篇文章都提到了扶贫开发需要新思路新途径, 创新扶贫举措, 实现扶贫开发方式由“大水漫灌”到“精准滴灌”的转变, 通过精准扶持、帮扶到户, 提前实现脱贫目标。
值得一提的是本期16篇文献或多或少都提及了党的十八大的新要求:坚持把国家基础设施建设和社会事业发展重点放在农村, 深入推进新农村建设和扶贫开发, 全面改善农村生活生产条件。党的十八届三中全会要求:“让广大农民平等参与现代化进程, 共同分享现代化成果。”援引了习近平总书记关于精准扶贫的讲话精神。在2013年, 习近平总书记在湘西视察扶贫工作时首次公开提出精准扶贫的理念, 他强调“必须切实抓好脱贫致富这个战略性任务。”“要分类指导, 把工作做细, 精准扶贫。”“扶贫要实事求是, 因地制宜。要精准扶贫, 切忌喊口号, 也不要定好高骛远的目标。”
习近平总书记在湘西视察扶贫攻坚的系列讲话被学术界公认为是我国精准扶贫理念的正式确立。自此后, 我国的扶贫事业由此前的粗放式帮扶转入了精细化减贫阶段。
4 精准扶贫研究的兴起 (2014年)
2014年度知网检索结果与精准扶贫篇名直接相关文献715篇, 较上期的16篇有了显著增长, 故称之为精准扶贫研究的兴起阶段。据图3, 可知有被引记录的文献43篇, 其中被引10次及以上的6篇、7次的1篇、7次以下与1次之间的36篇, 另有672篇0次引用, 这43篇被引用文献的平均引用次数为7次、没有基金支持。
因当下学术界普遍认为被引用次数代表了文章的影响力, 故接下来着重分析本年度这43篇有引用记录的文献的相关情况。《老区建设》接着上一年度2篇的被引记录、本期以10篇文献有被引记录而继续排名被引榜榜首 (见图4) , 占年度被引文献刊出量的23.3%, 可见该刊在精准扶贫领域的影响力非同一般。《中国乡村发现》以2篇文献的被引用量继续出现在2014年度精准扶贫研究文献来源刊物分布图中, 而其它刊物刊出被引文献的情况则变化较大。综上分析, 联系图4刊物的期刊定位, 我们可推断出由于上述两刊办刊宗旨为解决中国农村的民生问题、老少边穷地区的贫困问题, 故他们对精准扶贫相关文章的刊出量较多, 在扶贫领域具有先发优势。
数据来源:中国知网
据图5可知, 对精准扶贫的研究的机构分布大多集中在老少边穷地区或相关职能机构。中共湖北恩施州委和中南财经政法大学隶属地同为湖北省, 该省部分地区为少数民族聚居区, 自然条件较差, 经济社会发展水平低下, 是我国精准扶贫工程实施的重点推进区域之一。贵州省的情况与湖北省类似, 在此不再赘述。
注:由于作图限制, 显示7家刊物, 其它被引量少的刊物名未显示数据来源:中国知网
注:由于作图限制, 显示7家刊物, 其它被引量少的刊物名未显示数据来源:中国知网
被下载记录前二名分别是邓维杰发表于《农村经济》上的《精准扶贫的难点、对策与路径选择》、张笑芸与唐燕刊登在《资源开发与市场》的《创新扶贫方式, 实现精准扶贫》一文, 下载次数分别为18399、6655, 被引次数83、39, 均大大领先于之后的文献。据上述统计分析数据, 我们需对以上二篇文献重点关注。四川农业大学旅游学院的邓维杰凭借四川省扶贫和移民工作局委托课题“扶贫到户机制调研”的成果论文《精准扶贫的难点、对策与路径选择》成为本年度关注度最高的文献, 他认为当前精准扶贫的实际执行效果并不令人满意的主要原因, 在于精准扶贫中出现了对贫困户的排斥现象, 要真正实现精准扶贫, 应该尽早开展国家级和省级的贫困普查, 此外, 再通过独立第三方社会服务来协助和监督整个过程。在关注度排名第二的文献中, 西南交通大学外国语系张笑芸与四川省政府政务服务和公共资源交易服务中心的唐燕针对四川省扶贫工作存在的扶贫对象不清晰、措施针对性不强等问题, 提出了精准扶贫的具体措施, 包括创新考评机制、转变政府职能等举措。
从以上两篇关注度最高的文献所研究的内容可看出, 他们均是综合性精准扶贫文献, 针对面较广, 涉及扶贫的多个环节, 多从宏观政策视角出发分析问题, 对扶贫对象的精准识别问题、精准帮扶、扶贫绩效的精准考核多有探讨, 故能获得较多的关注度。此两篇文献代表了同时期一大批的类似研究, 但精准扶贫的推广实施不仅要有宏观政策层面的指导, 更重要的是要有战术细节的研究, 尤其是如何保证扶贫实施过程的“精准”性。
一些基层扶贫实践的参与者通过当地的精准扶贫活动, 尝试归纳总结了如何保证扶贫精准性的方法措施。辽宁省扶贫统计监测中心的沈新忠在其《辽宁省建档立卡精准扶贫措施探讨》一文中指出开展对贫困人口的建档立卡工作、实行动态管理, 具有一定效果, 文献进一步强调扶贫要到户到人, 排查摸底要精准针对贫困农户不贫困问题。
5 精准扶贫理论与实践的研究大发展 (2015年之后)
本阶段研究的问题逐步细化, 理论问题与实践问题交织。因2014年度作为精准扶贫的实施开局之年, 在上一年度, 在实践中出现了很多新问题, 急需理论指导, 由于理论研究的时滞效应, 因而在本年度相关研究文献出现了井喷, 从2014年的715篇猛增至2015年的6009篇、2016年的8089篇 (截至2016年10月21日知网数据) , 相关研究作品数量比2014年基期增长9倍左右。这一时期关于精准扶贫的文献不仅数量众多, 而且质量也很高, 称之为精准扶贫理论与实践研究的大发展实至名归。
5.1 理论研究为主的文献
5.1.1 政论性文献
时任广西壮族自治区党委书记、自治区人大常委会主任的彭清华在《攻坚五年圆梦小康举全区之力打赢精准扶贫攻坚战》的文章中强调精准扶贫的是保证广西贫困群众到2020脱贫, 实现全面小康的方法途径保证。国务院扶贫开发领导小组专家咨询委员会委员、中国农业大学教授李小云撰文《精准扶贫才能精准脱贫》指出我国从自2014年开始建立精准扶贫工作机制经实践证明是适合我国当前发展阶段新特征的扶贫方式, 是实现7000多万贫困人口全部脱贫的有效举措。《中国社会科学报》记者张春海等在《精准扶贫凸显全面小康价值》一文中通过解读《中共中央国务院关于打赢脱贫攻坚战的决定》这一文件, 援引2015年6月18日习近平总书记在贵州召开的部分省区市党委主要负责同志座谈会时的讲话, 强调扶贫开发贵在精准, 重在精准, 他们认为《中共中央国务院关于打赢脱贫攻坚战的决定》的颁布标志着我国扶贫工作走向了精细化、准确化, 实现了“大水漫灌”向“精准滴灌”的转变。
5.1.2 扶贫理论学术研究性文献
(1) 关于我国扶贫困境的探讨
中国人民大学的汪三贵和郭子豪在《贵州社会科学》上刊文认为我国在精准扶贫方面的困难体现在精准识别、精准扶持和精准考核三个方面, 对此, 应从改革贫困标准的制定方法, 完善精准识别机制, 完善精准扶贫考核机制, 探索和建立贫困户的受益机制, 改革扶贫资金管理体制和加强资金整合及在金融方面创新到户机制等方面创新精准扶贫工作机制。中国国际扶贫中心黄承伟与广西大学公共管理学院覃志敏发表在《开发研究》上的《我国农村贫困治理体系演进与精准扶贫》一文指出当前精准扶贫实践中存在帮扶资源供给与扶贫需求未能最优匹配, 帮扶资源动员非制度化, 社会组织等其他社会力量参与精准帮扶的制度供给不足等突出问题, 需要通过不断完善精准扶贫工作制度加以解决。江西农业大学郑瑞强与曹国庆在其《基于大数据思维的精准扶贫机制研究》一文基于大数据视角, 认为经济新常态下扶贫开发速度趋缓与扶贫资源边际效益递减现象明显, 资源投入和瞄准效率是影响扶贫效果的两大因素。
(2) 精准扶贫的创新与成效评价研究
四川农业大学庄天慧与其合作者在《广西民族研究》上登出的《精准扶贫主体行为逻辑与作用机制研究》的文章中对我国精准扶贫历史演进和理论依据进行系统梳理的基础上, 对精准扶贫主体结构和行为动机、角色定位进行了探讨, 提出"政府―市场―社会―社区―农户"五位一体的贫困治理模式。中国农业大学人文与发展学院的左停在其文《精准扶贫战略的多层面解读》中肯定了我国的精准扶贫事业的成绩。
5.2 实践研究为主的文献
本综述对该研究领域较为有影响力的文献摘取4篇, 研究者来源中3篇的一作为中国农业大学学者, 其中《贵州社会科学》一家独刊两篇。中国农业大学的唐丽霞等在《精准扶贫机制实施的政策和实践困境》文章中指出精准扶贫的实践, 必须考虑到精确瞄准本身所产生的组织、技术、人力资金和政治成本等, 并且还要兼顾不同群体对扶贫政策的态度和反应。中国农业大学的葛志军等在《精准扶贫:内涵、实践困境及其原因阐释——基于宁夏银川两个村庄的调查》调查报告中纵览我国精准扶贫机制的地方实践, 发现面临多方面的困境:贫困户参与不足, 帮扶政策缺乏差异性和灵活性, 扶贫工作遭遇上访困扰, 扶贫资金有限, 驻村扶贫工作队效果较差。中国人民银行武威市中心支行的徐玉鹏]在《甘肃金融》上发表的《金融支持精准扶贫的实践与探索——以古浪县为例》文章剖析了当前金融支持精准扶贫面临的困难和问题, 提出了金融支持精准扶贫的对策与建议。中国农业大学的李博发表在《北京社会科学》的《项目制扶贫的运作逻辑与地方性实践——以精准扶贫视角看A县竞争性扶贫项目》一文中通过对国家级贫困县A县竞争性扶贫项目运作逻辑的探析发现, 扶贫项目在地方实践中的非均衡分配规制了贫困地区脱贫的步伐, 面对扶贫项目存在的一系列问题, 需要进一步加强项目执行的监管力度, 提高基层政府的精准扶贫治理能力。
5.3 理论与实践并重的文献
在本分类中影响比较显著的文献有三篇, 华中师范大学中国农村研究院的李鵾等在《福建行政学院学报》上刊出的《农村精准扶贫:理论基础与实践情势探析——兼论复合型扶贫治理体系的建构》文献指出当下我国精准扶贫面临五大实施困境, 对此, 必须通过机制创新构建复合型扶贫治理体系, 该研究者在其另一篇《论精准扶贫的理论意涵、实践经验与路径优化——基于对广东省和湖北恩施的调查比较》文章中重新界定了精准扶贫, 认为其是在农村扶贫开发中实施精确识别、联动帮扶、分类管理、动态考核以及相关配套措施的扶贫、治贫方式。中国农业大学王宇等在《贵州社会科学》上发表的《精准扶贫的理论导向与实践逻辑——基于精细社会理论的视角》文章中从精细社会的理论视角分析了精准扶贫的理论与实践的相关问题, 他们认为, 精准扶贫需要从制度设计、政策运行、扶贫治理体系构建以及人的精细化等方面来探索精准扶贫的理论导向。通过加强政策运行的规范化与可行性及探索精准扶贫的乡土逻辑来确保扶贫的落实, 以期实现整个扶贫治理体系与治理能力的精准化。
6 研究述评总结
上述的政策方针和相关的新闻报道都为精准扶贫的研究提供了理论指导和实践经验, 相关研究成果颇多, 具有一定的理论意义与实践意义。但鉴于政策方针的宏观性、新闻报道的信息不完整、不平衡、不客观等局限性, 对于精准扶贫的研究还存在一些不足之处, 还需要我们通过具体的调研实践, 进一步完善。现有研究的局限性大体可归纳为以下二点:
(1) 精准扶贫理念的诞生过短, 实践问题甚多, 相关理论研究还不太成熟, 以政府推动为主, 著名学府的著名学者占据了过多的话语权。来自一线的扶贫工作者的相关研究较少, 仅有的研究也只是停留在就事论事程度, 上升到理论高度的较少。精准扶贫的精准性要求在具体实践过程中实施难度较大, 由于某些贫困因素的难以准确识别度量, 导致衍生出一系列问题。
(2) 扶贫的主要目标聚焦还停留在乡村层面, 忽视了其他的广大贫困群体。改革开放以来我国城市化进程明显加快, 但我国的扶贫政策由于历史原因和现实考量, 扶贫目标的瞄准依旧以农村为主。游离于扶贫政策边缘的部分城市贫困者的生活比农村贫困人群有过之而无不及, 他们由于没有土地资源, 不可能像农村贫困者那样进行农业种植、畜牧养殖等养活自己及其家人, 一旦由于某种原因不能工作, 将面临生存问题, 且由于城市居住成本高昂, 没有农村低成本的宅基地等资源, 导致某些城市极度贫困者生活十分窘迫。
基于ARMA模型的时间序列挖掘 篇6
1 时间序列的基本概念
所谓时间序列,指的是按照时间先后顺序对某个变量进行观测所得到的一组观测值。根据该定义可知,任何一个时间序列都可用若干个二元组(时间变量,观测变量)来表示,根据观测时间间隔的不同,时间变量可是时、分、秒等,也可是一些单调递增的物理量,如温度。观测变量反映的是时间序列所具有的实际意义,如电压、血压、销售数量等。
2 ARMA模型相关概述
相关研究学者提出,可根据时间序列的值建立一个参数数学模型,但要保证所建参数化模型能真实准确反映出时间序列的基本特征,以为后续时间序列的分类、聚类等操作提供必要的依据和参考。该模型即为ARMA模型(自回归移动平均模型),其基本思想是任何一个变量当前的取值,不仅会受它本身过去取值的影响,而且会受过去与现在各种随机因素的共同影响。依照该思想,可建立出相应的数学模型。目前,较为常用的平稳时间序列参数化模型主要包括AR模型(自回归模型),MA模型(移动平均模型)和ARMA模型(自回归移动平均模型)。
3 基于ARMA模型的时间序列挖掘
3.1 时间序列基本特征提取
在今天的社会环境下,基于ARMA模型对数据挖掘中的时间序列分析是当前该领域应用十分普遍的一种分析方法。利用ARMA模型对时间序列进行挖掘与分析需要提取时间序列的基本特征,具体提取步骤如下。首先,借助相关工具绘制出时间序列的时序图,通过时序图对待分析时间序列的基本特征仔细观察,包括时间序列的周期性、趋势变化等,观察后对该时间序列是否为平稳序列初步判定。如果初步判定该时间序列为非平稳序列,则可利用差分运算来将此时间序列本身的周期性与趋势变化消除。接着,对原始时间序列的自相关函数和偏相关函数进行计算,并对自相关函数的衰减速度认真观察,同时通过ADF检验来确定时间序列的平稳性,若时间序列为非平稳序列,则需要利用差分运算将这种不平稳性消除,使之变成平稳时间序列。然后,对变换后时间序列的自相关函数和偏相关函数仔细观察,同时结合赤池信息量准则(AIC)和贝叶斯信息准则(BIC),对ARMA模型与自回归和移动平均相关的两个阶数数值进行准确确定。最后,利用最小二乘法计算出ARMA模型两阶数的估计值,并用该估计值来表示时间序列。
3.2 时间序列的聚类
在数据挖掘研究当中,聚类算法是一种非常重要的分析方法,目前已被广泛应用到医学、心理学等诸多领域。若序列中的数据随时间变化而变化,则这种数据称为动态数据。反之,称为静态数据。显然,时间序列属于一种典型的动态数据,而其所具有的最显著特征即为时域性。目前,时间序列的聚类分析主要有两种思路:通过一定处理将时间序列映射到静态数据上,以数据转换或特征提取等方式实现时间序列的聚类分析,修改静态数据聚类分析方法,使之也能对时间序列进行聚类分析。
基于ARMA模型对时间序列进行聚类分析的一般过程为:首先,利用ARMA模型对时间序列进行模拟拟合,即将时间序列用一组向量表示出来,确定模拟拟合后时间序列的序列个数;然后,对系数向量进行标准化处理,以系数向量的欧氏距离作为相似度测量,再利用同样的方法得到首次聚类结果,从结果中得出每一序列数据在聚类分析中的贡献率,计算前n个贡献率达到一定数值的权重,并将其与模拟拟合得到的参数向量相乘;最后,将新得到的系数向量进行标准化处理,利用同样的聚类方法得出最后的聚类结果。
4 结语
由上文分析可知,利用ARMA模型来分析时间序列,既方便快捷又高效准确。而基于ARMA模型的时间序列分析在医疗、金融、经济等各行业中的应用,能有效促进各行业发展,提高各行业相关计算与检测的准确率,是今后数据挖掘领域研究的重中之重。
摘要：数据挖掘作为时下IT等领域研究的重点与难点,对其重要内容之一的时间序列进行分析与挖掘很有必要。实践表明,利用ARMA模型来分析与挖掘时间序列能取得较好效果。因此,本文在详细介绍时间序列基本概念和ARMA模型相关内容的基础上,对基于ARMA模型时间序列的挖掘进行了深入探究。
关键词：ARMA模型,时间序列,挖掘
参考文献
[1]孙承杰,刘丰,林磊,等.基于时间序列聚类和ARMA模型的检索量预测[J].华南理工大学学报:自然科学版,2011(4).
[2]马亮亮.一种基于Hilbert-Huang变换和ARMA模型的时间序列预测方法[J].江汉大学学报:自然科学版,2014(1).
[3]曹净,丁文云,赵党书,等.基于LSSVM-ARMA模型的基坑变形时间序列预测[J].岩土力学,2014(2).
基于时间序列的美国失业率分析 篇7
失业率能够较好的测算一个国家的就业率水平, 同时失业率也是直接关系到人民的生活水平, 同时也是国家政府进行宏观决策的一个重要参考变量, 甚至也是一国竞争力的间接反映。对一国的失业率做时序检验有助于发现一国失业率的变化规律, 去测算一些相关变量对失业率的影响程度。这些都有助于政府的宏观调控, 经济发展, 切实提高人民的生活水平。因为所学的知识有限, 本文采用时序分析最基本的ARMA模型对美国2000年7月到2009年7月的失业率经验数据进行简要的分析和检验, 试图去探索最基本的失业率的一个自相关的结构, 拟合失业率和滞后几期失业率之间的相互关系, 并希望能够对未来的失业率走势有一定的预测能力。特别的由于获得时序数据包含了2008年和2009年的失业率数据, 众所周知这段时间是环球金融危机和经济危机愈演愈烈之时, 对该期间美国失业率的时序研究也有助于去考察金融危机和经济危机对失业率的影响, 比如是否发生了结构变化。
二、研究方法与数据选择
本文选择时间序列中的ARIMA与GARCH模型进行研究分析, 采用的实证数据来源于世界银行的官方数据库, 选取了美国从2000年1月到2009年7月的月度失业率数据。由于原始数据的波动率较大, 欠缺平稳性, 因此我们对失业率取对数, 分析取对数后的失业率自相关系数和偏相关系数, 发现自相关系数减小得非常慢, 即可能存在单位根。
三、实证分析
1、单位根检验
对模型进行估计
首先对滞后项的长度进行估计。滞后项长度小于应有的长度, 会导致残差相关, 不为白噪音;滞后项长度大于就有的长度, 会使待估参数多余, 降低估计的有效性。先令漂移项, 趋势项存在, 滞后长度为8, 进行估计。
我们发现滞后项后面3项的显著水平也较大, 因此, 施加后3项滞后项的系数为零的假设, 计算得F (3, 95) =1.48324, 显著水平为0.22405739。因此施加的约束是合理的。
再对滞后长度为5的模型进行估计, 同样发现残差不相关,
第1, 4滞后项的t值显著水平高。我们再次施加约束, 使第1, 4滞后项系数为零, F (2, 101) =1.30026, 显著水平为0.27698111。可知施加约束是合理的。再对滞后项为2, 3, 5的模型进行估计,
其Q值也说明令第1, 4项的滞后项系数为零是合理的。第2, 3, 5的滞后项系数的显著水平均为在10%的置信水平下异于零。因此, 我们选定了滞后项系数为2, 3, 5。另外, 由上述回归结果可知, 可能存在单位根。
对含有滞后项系数2, 3, 5进行回归, 检验趋势是否存在, 发现F (2, 103) =2.13535, 小于临界值, 因此, 趋势不显著。
然后, 检验漂移的存在性, 同样得到F (2, 104) =1.75654, 小于临界值, 漂移也不显著。
最后, 假设, 根据t统计量可知存在一阶单位。
2、ARMA模型估计
本文的实证数据是美国的月度失业率, 采用的方法是ARMA模型分析, 具体的分析步骤如下:
1、样本数据的导入和初步分析和加工。特别是采用图表直观分析数据的走势, 来判断是否满足模型所要求的平稳性条件。若不满足采用常用的差分、对数等等方式来加工数据, 并且对数据的加工始终会在有经济学意义的约束下进行, 不会导致结果不能解释的情况的发生。
2、结构识别。在数据加工之后, 数据初步基本符合平稳性要求之后, 我们计算加工后的数据的自相关系数 (ACF) 和偏自相关系数 (PACF) , 并用图表直观展示。根据ACF和PACF所展示的性质, 比如是否有截尾, 滞后几期截尾等情况来初步判断可能的模型结构。并且进一步的去识别数据ARMA模型的“季度性”“结构性”等特征。
3、结构确立和选择。在有初步的结构判断之后, 接下来就是对可能的模型结构进行设计和拟合。从最基础的AR (1) 开始逐步的去增加变量, 逐步的去控制数据的季度特征等。试验尽可能多的结构, 力求组合成拟合效果最好的结构。得到各个模型的拟合数据和相应的检验量和检验指标数据之后, 根据这些指标从中选择较好的模型
4、结构检验和预测和评价。在选择了相对较好的结构模型之后, 需要对拟合优度和预测的能力做出评价。结构检验中最重要的是模型拟合后的残差不能自相关, 通过绘制残差的ACF来诊断残差是否自相关, 并进一步的用残差的Q统计量来检验残差是否自相关。并在一定条件下可以采用将原始数据划分为两个部分数据分别来拟合用确立的模型, 做F检验来判断数据生成过程是否一直保持不变。之后再对模型的预测能力做一个系统
根据自相关和偏相关统计结果, 我们分析: (1) 数据已经较合理地收敛于0, 不需要再去做差分; (2) ACF曲线前两项显著异于0, 后面的值较小, 呈现一定的波动性。根据ACF曲线, 我们考虑MA=0, 1和2的情况; (3) PACF曲线前两项异于0, 后面的值较小, 因而我们考虑AR=1和2的情况。
实证检验中本文假设了10种情况的ARMA模型, 并在下面两个表中给出各个试验模型的估计结果。表4.1是在p=1情况下得到的估计结果:
先看最简单的AR (1) 模型, 参数估计的t值均不理想, 我们再看残差的Q值就能发现, 4个残差滞后的项的Ljung-Box的Q统计量为66.873, 显著性水平为0, 可以拒绝零假设:Q (4) =0, 因此AR (1) 模型的滞后残差明显有自相关的特征, 应该排除AR (1) 模型。
再看ARMA (1, 1) 模型的估计结果, 从Q值就可以发现, 4个残差自相关的Ljung-Box的Q统计量的显著性水平只有0.001, 也可以拒绝零假设:Q (4) =0因此我们也可以排除这个模型。
同理, 在接下来的三个q=1的模型中, Q统计量的显著性水平都很小, 都不能拒绝零假设, 说明残差有明显的自相关性。
由于在p=1的情况下没有得到拟合较好的ARMA模型, 接下来需要进一步去检验在p=2的情况下得到的各个可能模型的指标。详细见表4.2。
考察AR (2) 模型, Q (4) 的显著性水平为0.003且Q (8) 的显著性水平为0.000说明AR (2) 与AR (1) 模型一样可以拒绝零假设。
另外, 再考察ARMA (2, 1) 所得数据显示该模型的估计系数比较可靠, Q统计量指出:Q (4) , Q (8) 在通常的显著性水平上, 不存在显著的残差自相关。但是Q (12) 的显著性水平接近于零, 意味着残差的滞后12项有着显著的自相关特征, 意味着需要附加一个滞后12期的移动平均项。
为了解释季节性的可能性, 我们估计了滞后12期带有附加移动平均系数的ARMA (2, 1) 模型, 估计出的ARMA (2 (1, 12) ) 模型的系数均高度显著, t统计量为7.312, 4.413, -7.063, -6.043.残差Q统计量很小, 说明残差自相关性在统计意义上不异于零。此外, 由于SSR远远低于ARMA (2, 1) 中的值, 因此该模型更优。
此外, 通过上述数据可得知, 常数项的显著性水平都很低, 因此我们再做了不含常数项的A R M A (2, 1) , ARMA (2 (1, 12) ) , 数据显示, Q统计量与t的显著性水平均没有太大的变动, 只有在模型ARMA (2 (1, 12) ) 中的SSR变动很大, 由0.037上升至0.995, 由于常数项对模型的影响有限, 因此最终与数据拟合的模型是带常数项的ARMA (2, (1, 12) ) 。其残差自相关的图形如下:
3、ARCH效应检测
对上面拟合出的ARMA (2, (1, 12) ) 模型的残差平方, 假设为有1到12滞后项的ARCH模型进行线性回归, 发现滞后4项到滞后12项的系数显示性水平均较高, 因此令这9项系数为零进行F检验, 得到F (3, 105) =0.66362, 显示水平为0.57624099, 接受零假设。
对有1到3滞后项的ARCH模型进行线性回归, 得到TR2=11.404513, 显示水平为0.02237497。因此, 在5%的置信水平下, 我们拒绝零假设, 即有ARCH效应存在。
4、GARCH模型估计
对别对可能的GARCH模型进行估计, 将所得结果的AIC和SBC的结果进行比较, 如表3所示。
由上表比较可知, 我们应该选择GARCH (1, 2) 模型进行估计。同时, 对于上面各种ARCH模型的结果都有一个问题, 异方差中第一个滞后项的系数为负, 这在ARCH过程中是不允许出现的情况。
GARCH (1, 2) 的结果显示, ARMA方程的各系数的显著水平均较大, 也就是无法拒绝其系数为零的假设, 这是我们不愿意看到的, 因此选择了GARCH (1, 3) 模型。
因此, 我最终认为样本数据服从ARMA (2, ||1, 12||) 模型, 其波动服从GARCH (1, 3) 过程。得到如下结果:
5、趋势分解
将序列分解为临时的和永久的成分在经济学中是十分有益的, 我们按照Beveridge和Nelson (1981) 提出的方法对数据进行分解, 得到如下两图。
如图3.4所示, 蓝色的为实际值, 黑色的为趋势成份。可以看到趋势成份占到实际值的大部分, 只在个别部分有一些差值没有完全拟合。这说明在失业率对数的序列中, 几乎所有的移动都是永久的。如图3.5所示是序列的不规则成份, 为序列的临时成份。
四、结论
根据本文的上述分析, 关于美国失业率我们得出如下几条结论:
1、实证结果表明美国自身的经济增长动力不足是其失业率上升和居高不下的主要原因。
在内部经济增长动力不足的情况下, 应更珍视外部经济增长动力的培养和保护。而中国经济增长正是美国最主要的外部经济增长动力。
2、美国应该反思自身的经济结构对就业的不利影响, 尤其是产业结构不利于促进就业的问题。
实证研究发现, 美国不但存在对劳动力吸纳能力相对较强的就业促进型产业比重降低, 对劳动力就业能力相对较弱的就业挤出型产业比重上升的现象, 而且美国的产业结构还可能存在提升民众自愿失业率的问题。
摘要：失业率 (Unemployment Rate) 旨在衡量闲置中的劳动产能, 是反映一个国家或地区失业状况的主要指标。对失业率的数据做时序的检验能够了解发现失业率的变化规律, 有助于解答相关社会问题。本文采用ARIMA与GARCH模型对美国从2000年1月到2009年7月的月度失业率经验数据进行分析, 并对趋势进行了临时成份与永久成份的分解, 以便后续的研究。
关键词：失业率,单位根,ARMA模型,GARCH模型,趋势分解
参考文献
[1]熊祖辕, 喻东.中国失业问题的简便测量[J].统计研究, 2004, (7)
[2]王婧媛, 2009:《浅析美国经济的失业型复苏》, 《经营管理者》第19期
[3]李琳, 2010:《如何看待美国经济复苏迹象下的高失业率》, 《中国商界》第7期
[4]明石喜彬, 《失业的理论和实证》, 中央经济社 (东京) 1997
基于道路的时间序列 篇8
关键词：ARIMA模型,PPI,CPI,时间序列分析
一、PPI
PPI即生产者物价指数, 也称作工业品出厂价格指数, 是统计部门收集整理的多个物价指数中的其中一个, 通常用来衡量制造商出厂价的平均变化的指数, 对于市场的敏感度很高。当生产物价指数比预期数值要高时, 说明会有通货膨胀的风险。当生产物价指数比预期数值低的时候, 则说明有通货紧缩的风险。PPI主要目的是衡量商品在不同生产阶段价格的变化情况。通常情况下, 商品的生产可以分成三个阶段:一是原始阶段:商品没有做任何的加工;二是中间阶段:商品需要作进一步的加工;三是完成阶段:商品不再有任何的加工手续。 PPI之所以重要, 是因为PPI是反映某一时期生产领域的价格变动情况的重要经济指标, 是衡量企业产品出厂价格变动程度和变动趋势的指数, 并对制定国民经济核算和相关经济政策有重要影响。当前, 我国PPI的调查产品大概有4000 多种 (含规格品9500 多种) , 覆盖了39 个工业行业, 涉及的调查种类有186个。
PPI不仅是一个指数, 还是一族指数, 代表生产中三个渐进过程的每一个阶段的价格指数:原材料、中间品和产成品。对金融市场最有影响的就是产成品的PPI。它代表着这些商品被运到批发商和零售商之前的最终状态。
PPI的计算法则:计算代表规格品的价格指数采用几何平均法, 计算代表产品的价格指数采用简单算术平均法, 计算工业品出厂价格总指数则采用加权算术平均法。
二、CPI与PPI
CPI表示消费者物价指数, 它是用来反映居民家庭购买消费商品及服务的价格水平的变动情况, 通常作为衡量通货膨胀的重要指标。
根据价格传导规律, PPI对CPI也有一定的影响。CPI反映消费环节的价格水平, PPI反映生产环节的价格水平。整体价格的波动首先出现在生产领域, 然后通过产业链向下游产业扩散, 最后会涉及消费品。产业链可以分为下面两条:一是以工业品为原材料的生产, 即原材料→生产资料→生活资料的传导;二是以农产品为原料的生产, 即农业生产资料→农产品→食品的传导。
以上从定性的角度说明CPI与PPI的关系, 为了检验以上的结论, 本文从定量的角度对数据进行分析。选取2008 年1月——2012 年7 月的CPI和PPI数据进行比对。显示CPI与PPI波动的状况一致, 而且对两个独立样本做非参数与参数检验时的p值非常小, 说明两种存在相关关系。相关系数也相对较大, 说明PPI与CPI的相关性也很强。
PPI与CPI作为宏观经济的两个重要指标, 通常可以根据两者的走势了解宏观经济状况。当CPI不断上涨, 而PPI仍然处于企稳或者下跌的时候, 经济就开始步入繁荣期, 因为总需求不断扩张的同时, 供给相对充足, 此时企业利润将不断向上攀升;当CPI开始向下走, 而PPI却不断向上攀升, 此时, 经济就开始步入衰退期, 因为CPI的下降表示总需求开始收缩, 而PPI的攀升则显示经济规模的扩大已经受到上游行业或者资源的约束。
三、基于PPI定性分析
2011 年7 月, 我国的PPI同比增幅一直处于下降趋势, 我们从以下两方面分析:
一是国外大宗商品价格下降;二是国内通货膨胀趋于缓和。
2010 年开始, 我国为了克服通胀, 央行持续上调存款准备金, 中国经济处于收缩状态。并且国内经济产能出现了严重过剩状况, 比如钢铁行业。以前中国的重化工业既有海外外需市场的推动, 又有国内固定资产投资高速增长的拉动, 这样巨大的需求可以说满足了中国工业产品供应。随着金融危机和欧美主权债务危机对中国外需的压制, 中国对房地产进行了宏观调控, 固定资产增速大幅下滑, 最终通过PPI的下降和工业增速下降体现出来了。目前来看, 短时间内还很难出现改变。
四、建立ARIMA模型
1.数据选取
2010 年5 月开始, PPI同比增幅呈现下降趋势。由于采用同比的计算方式, 可以忽视季节性的影响因素。
2.对非平稳序列进行平稳化处理
对于非平稳序列, 选择差分法来对确定信息进行提取, 是一种非常方便有效的方法。通常差分法的选择, 有以下规律: (1) 序列呈现显著的线性趋势, 通常我们使用一阶差分; (2) 序列呈现曲线趋势, 则使用低阶 (二阶、三阶) 差分就能提取出曲线的趋势; (3) 呈现固定周期时, 进行步长为周期长度的差分运算。
观察PPI从2010年5月到2012年7月的时间序列值, 可以发现呈现线性趋势。为了得到平稳的时序, 我们对原数据采用一阶差分法。差分后的数据dif (x) , 大致围绕0.5上下波动, 可以大致判断该时序趋于平稳。继而再观察dif (x) 的自相关系数, 自相关系数 ρ 快速衰减向0。由于平稳时序通常具有短期相关性, 因此随着延迟期数k的增加, 平稳序列自相关系数会快速衰减到0, 由此可以认为一阶差分后的时序是平稳的。
3.纯随机性检验 (a = 0.05)
如果各序列值之间不存在任何的相关性, 那就表明该序列是一个无记忆的序列, 过去的行为对未来的走势没有任何影响, 这种序列称为纯随机性序列。序列的纯随机性检验, 我们可以采用假设检验的方法。由于序列的相关性具有偶然性, 则原假设:延迟期数小于或等于m期的序列值, 且相互独立, 即如下表述:
(1) 假设条件
H1:至少存在某个pk≠0, m≥1, k≤m
(2) 检验统计量LB
根据LB统计量, 它服从自由度为m的卡方分布 (m为指定延迟阶数) 。
检验结果显示, 在6阶延迟下LB统计量的p值为0.0076, 远小于a (a = 0.05) 。又因为平稳序列通常具有短期相关性, 所以有很大把握拒绝原假设, 此序列为非白噪声序列。
4.拟合ARIMA (p, d, q) 模型
模型根据平稳时间序列的自相关阶数p和移动平均阶数q的截尾性和拖尾性, 选择适当的值来进行拟合。根据样本自相关图显示, 除了延迟一阶的自相关系数在2倍的标准差范围之外, 其他阶数的自相关系数都在2倍标准差之内波动, 可以认为该序列自相关系数一阶截尾, 可以用ARIMA (0, 1, 1) 拟合模型。根据样本的偏自相关图显示, 除了延迟一阶的偏自相关系数在2倍标准差范围之外, 其他阶数的自相关系数都在2倍标准差之内波动, 可以认为该序列自相关系数一阶截尾, 可以用ARIMA (1, 1, 0) 拟合模型。综合样本的自相关图与偏自相关图, 也可以选择ARIMA (1, 1, 1) 。
5.参数估计与模型检验
对拟合好的模型进行参数估计, 通常有三种方法 (矩估计、极大似然估计、最小二乘估计) , 这里采用最小二乘估计法。在ARMA (p, q) 模型场合下, 计算残差平方和达到最小的那组参数是模型参数估计值。再对估计的参数进行显著性检验, 检验参数所对应的自变量对因变量的影响是否明显。
(1) 若p = 1, 拟合ARIMA (1, 1, 0)
参数的估计值 Φ1= 0.74260 , 检验未知参数显著性的t检验统计量p< 0.0001, 说明该参数显著非零。
(2) 若q = 1, 拟合ARIMA (0, 1, 1)
参数的估计值 θ1= 0.75855 , 检验未知参数显著性的t检验统计量p< 0.0001, 说明该参数显著非零。
(3) 若p = 1, q = 1, 拟合ARIMA (1, 1, 1)
参数的估计值 Φ1= 0.61954 , θ1= -0.27081 , θ1的检验0.3091 明显大于0.05 , 所以参数检验不显著, 模型需舍弃。
6.模型的显著性检验
如果模型拟合的残差项中不再含有任何相关信息, 即残差序列为白噪声序列, 这样的模型称为显著有效模型。与此同时, 构建LB统计量, 原假设残差序列为白噪声序列, 然后对LB统计量进行白噪声检验。从检验的结果能够得到模型LB统计量的p值均明显大于0.05, 所以两个模型均显著有效。
7.模型的最优选择
模型的选择是预测工作的重要环节, 实证研究表明, 同一个序列不仅仅只能构造一个拟合模型, 那么选择哪个模型用于统计推断呢?
为了解决这个问题, 需引进SBC和AIC信息准则的概念。AIC认为一个拟合模型的好坏可从以下两方面去考虑:一方面是拟合程度的似然函数值, 另一方面是模型中未知参数的个数。似然函数值越大, 说明拟合的效果越好;模型未知参数个数越多, 说明模型中包含的自变量越多, 模型拟合的准确度就越高, 但单纯的以比拟合精度来衡量模型的好坏, 肯定会导致未知参数越来越多, 自变量以及未知参数的增多就会导致较多的未知的风险。这样一来不仅增加了工作难度, 而且估计的精度也会越来越差, 所以一个好的拟合模型应该是拟合精度和未知参数个数的综合最优配置。
就一个观察序列而言, 序列越长, 相关信息就越分散, 而且有时候时间序列的相关性衰减, 会导致其只适合短息预测。那么要很充分地提取其中的有用信息, 通常就需要多自变量复杂模型。以下分别是AIC和SBC准则:
AIC=-2In (模型的极大似然函数值) +2 (模型中的未知参数的个数)
中心化的ARMA模型的AIC函数为:
非中心化的为:
SBC=-2ln (模型极大似然函数值) +ln (n) (模型中未知参数个数)
中心化的:
非中心化的:
通过比较可以发现, 在AIC准则中拟合误差提供的信息要受到样本容量的放大, 但参数个数的惩罚因子却和样本没有关系, 它的权重始终是常数2, 在样本容量趋于无穷大时, 它比真实模型所含的未知参数个数要多。SBC将惩罚权重改为样本容量的对数函数, 理论上已经证明SBC准则是最优模型的真实阶数的相合估计。
在尽可能全面的范围里考察有限多个模型的AIC和SBC函数值, 得出SBC模型是一个相对最优模型。SBC准则的提出, 可以有效地弥补根据自相关图和偏自相关图定阶的主观性, 在有限的阶数范围内, 找到最优拟合模型。因为在自然科学内, 规律确实是存在的, 且关系是精确的, 在相当长的时间内, 这些规律关系会保持不变, 但在经济领域内则完全是另一回事, 经济模式或关系往往与随机噪音交织在一起, 改变经济现象的可预测性的因素太多, 比如, 人类行为的变化无常, 某种重大事件的发生等等都会对经济现象有所影响, 所以在很多时候, 分析数据都依靠分析人员的经验, 主观因素非常大, 而SBC恰好弥补了这一点, 所以说对模型地优化和选择帮助非常大。
检验结果如表所示, 检验表明, ARIMA (1, 1, 0) 比ARIMA (0, 1, 1) 相对更优。
五、模型预测与决策
通过对模型的检验, 得到最优模型方程为:1.7426Xt-1-0.7426Xt-2+e=Xt。对模型进行预测得出:最新发布的数据。对比可以得出, 8 月份的预测精确到了小数点后两位, 这一点说明模型相对来说还是比较合适的;9、10月份的预测值则表现出了较大地不一致性, 绝对误差表现的很大, 但通过相对误差地比较, 得出数据仍然在95%的置信区间, 说明拟合还是有效的。
根据定性分析和定量分析, 可以认识到PPI的下降还将持续, 这意味着我国的需求萎缩的状况依然存在。因此, 中国工业领域必然会经历一个去产能化的过程, 也就是淘汰过剩的产能。所以当PPI下降的时候, 不能过度解读为实体经济的收缩, 应称之为一次中国工业领域的刮骨疗伤。当前中国工业的过剩产能需要通过低价格来进行市场压缩, 否则很难通过行政手段干预。因此, 需要提高对经济下行, PPI下降的承受力, 从而推动对中国工业产能的控制、产业升级以及结构优化。
六、总结
1.模型的缺陷
ARIMA模型需要历史数据, 一般要求不少于50个, 然而实际情况是不一定能得到如此多的数据, 但是预测还是呈现出越来越准确的趋势。在ARIMA模型中, 序列变量的未来值被假定满足变量过去观察值和随机误差值的线性函数关系, 可是现实中绝大多数的时间序列都包含非线性关系。
2.遇到的困难
经济指数很容易受各种影响, 如果选取的时序样本较长, 且波动比较大的时候, 很难建立ARIMA模型;同比指数能消除季节性的因素, 相比环比数据, 建立ARIMA模型更简单;运用较长、波动大的数据时, 建立ARIMA的残差序列很难实现非白噪声序列, 通常是由于模型对数据信息提取不充分;价格指数不可能永远上涨, 它必然是上下浮动的, 所以很难进行长期预测。
参考文献
[1]薛冬梅.ARIMA模型及其在时间序列分析中的应用[J].吉林化工学院学报, 2010-6 (27) .
[2]王燕.应用时间序列分析[M].北京:中国人民大学出版社, 2005:41-152.
[3]易丹辉.数据分析与Eviews应用[M].北京:中国统计出版社, 2003:106-132.
[4]刘薇.时间序列分析在吉林省GDP预测中的应用[M].长春:东北师范大学, 2008.
基于道路的时间序列 篇9
关键词：WEBGIS；道路客运；ARCGIS Server
中图分类号：TP311.52 文献标识码：A 文章编号：1007-9599 (2012) 09-0000-02
一、前言
我國道路客运行业发展迅速，在方便人民群众出行、扩大社会就业等方面做出了重要贡献。但是，由于区域发展不平衡、规划不合理等多方面原因，我国运力发展还不平衡、客运规划布局还不尽合理。道路客运行业信息化建设是道路客运管理的重要技术支撑。目前，我国道路客运行业信息化取得了一定的发展，但也存在一些问题，突出表现在一是缺乏有效的信息共享机制，跨区域信息不能全面及时整合，信息的整体性、时效性较差；二是行业信息集成度低，缺乏深度综合分析，直接影响了行业宏观决策效能和决策质量等；另外道路运输信息具有一定的区域性，而在传统的信息系统中,数据仅以文字的形式表现出来不仅形式呆板,而且位置信息不能直观展示。本文提出基于WEBGIS技术建立道路客运管理服务系统，实现客运信息和其位置信息统一管理，以及对客运信息数据进行直观的、可视化的查询和分析，为交通运输主管部门进行道路客运经济运行信息的动态监控和运力统计测算、准确掌握道路客运经济运行情况、推进道路客运结构调整、高集约化程度提供技术支撑。
二、系统设计
（一）系统体系结构设计
本系统采用了基于B/S结构的多层结构。系统从层次上可以分为表现层、WEB层、业务层和数据层四个主要层次，如图1所示。
表现层是用户访问系统的公共接口，其主要通过浏览器将用户请求通过Internet转发到WEB服务器，并且负责将服务器返回的信息经过一定的逻辑组织后展现给用户。
WEB层负责接受表现层用户发送的请求，并且通过防火墙将非法的用户请求屏蔽在外，从而保障系统运行的安全性。在WEB层部署了应用系统，负责处理除了GIS分析处理功能之外的非空间数据处理功能。并且通过远程对象访问技术调用业务逻辑层中GIS服务器中相应的GIS处理功能。
业务层是基于ARCGIS Server平台的GIS服务器中心。系统内部所有的GIS分析处理包括空间数据的调用都是在GIS服务器中实现。GIS服务器包括一个服务器对象管理器和若干服务器对象容器。服务器对象管理器通过负载平衡和计算机集群技术将复杂且开销巨大的GIS操作平均分配给在其管理下的服务器对象容器，由服务器对象容器来负责空间数据调用并完成相关操作后返回结果给Web层。
数据层管理基础信息数据和道路运输业务数据，它的任务是接受服务器对数据的请求。
（二）系统功能设计
道路客运管理服务系统由主要城市道路客运监测管理、省际道路客运信息管理和系统管理三个功能模块组成。各个功能模块主要是以电子地图为基础，通过WEBGIS进行主要城市、客运站、客运线及相关信息的融合,实现统一管理。系统功能结构如图2所示。
1.道路客运信息管理。提供对客运站设施、客运班线、客运班次、运力和运量等信息的查询、浏览等基本操作以及后台数据库信息管理功能。
2.道路客运信息分布管理。采用WEBGIS技术，可以将道路客运信息同地理信息进行结合，将城市、客运站、客运班线的分布、客运站级别、相互关系、服务人口、客运能力、当地经济发展水平以及自然气候环境等不同信息在道路客运信息空间分布图中以不同分类标记显示。通过地图漫游、缩放和查询等操作，可以从城市、客运站分布图中直观地了解某一城市或客运站的空间分布，并可以快捷调取相关城市或客运站的详细信息情况。
3.查询统计管理。用户可根据需要灵活的选取所需要的统计指标，设置一个或多个统计条件进行统计分析，以专题图的形式展示分析结果。
4.监测分析管理。用户可以通过班次数、运力、运量、周转量、实载率、地区人口、经济水平、季节因素、节假日因素、气候条件等条件组合进行综合分析,并和城市级客运站等空间分布信息融合，进行空间分析，形成道路客运经济运行情况的区域对比图、时间序列变化图、空间分布图等，对道路客运经济运行信息的动态监控和运力统计测算工作提供技术支撑。
（三）数据组织
根据道路客运管理的业务需求，道路客运管理服务系统涉及交通运输的多个业务部门和多层面的管理工作，根据数据自身的技术特点和应用，数据源可划分为两大类：空间类数据和业务类数据。空间数据有行政区划、城市分布、客运站等；属性数据有客运机构、从业人员、客运量、客运能力、客运班次、客运工具、区域人口、区域经济和自然条件等。
由于各业务属性数据具有多时相、多种类和空间分布性等特点，根据数据管理的可行性和空间分析的需要，把各业务属性数据存储在关系数据库中，其中具有空间分布性特点的数据通过ID和其空间位置信息相关联。空间位置数据采用ESRI的空间数据引擎（ARCSDE）进行管理。
三、系统实现
本系统采用ArcSDE9.3+ORACLE 10G存储管理道路客运业务数据、基础信息空间和属性数据，并在MyEclipse开发中实现基于Hibernate的数据库访问。采用面向服务的体系架构（SOA）和基于ARCGIS Server以及JAVA的各项WEBGIS平台开发模式，应用ARCGIS Server强大的Web开发功能实现道路客运管理服务系统的地图操作以及空间分析功能。使用AJAX技术解决页面局部刷新问题，大大减少了服务器的负担并提高了客户的响应速度。
四、结语
本系统采用ARCGIS Server平台以及AJAX技术实现了对道路客运信息的统计查询、空间查询和定位、以及动态监控和统计测算等功能，为道路客运管理部们对道路客运经济运行信息的动态监控和运力统计测算工作提供技术支撑。本系统还将和道路运输信息服务系统其他业务系统进行集成，进一步实现交通运输信息整合和服务共享。
参考文献：
[1]胡丽琴,刘明柱.基于Web 的分布式交通运输空间信息服务系统应用研究[J].北京城市学院学报,2006(4):79-82.
[2]李季涛,杨俊锋,荣文竽.WEBGIS 及其在交通运输中的应用研究[J].现代情报,2004(8 ):195-197
基于道路的时间序列 篇10
一、马尔可夫链理论分析
马尔可夫链是一种研究事物转移规律与状态变化情况的理论, 不仅能够应用在时间序列的分析中, 也可以应用在空间序列的分析中, 马尔可夫链系统在每一个阶段的状态都有着随机性的特征, 其时期状态是按照概率来进行转移的, 下一时期状态只由本时期转移概率与状态来决定, 不会受到其他因素的影响.
二、基于时间序列马尔可夫链的应用方式
灰色系统有着理想的规律性与精确度, 是一种小数据建模, 灰色预测模型一般只适合应用在上升趋势明显且数据量较小的预测工作中, 不适宜用于变化趋势不明显数据的预测中, 因此, 在对股市预测时, 可以将模拟值作为时间序列来建立加权马尔科夫链, 根据转移概率的思想来解决问题.
1. 灰色加权马尔可夫链模型建立方式
这可以有效反映出拟合值与原始数据之间的关系.
2. 灰拟合精度指标状态分析
对于灰拟合精度指标, 需要依照具体的情况进行分析, 这可以采用均 - 方差分级法进行划分, 一般情况下, 能够将灰拟合进度指标分成五种类型, 这能够有效反映出数值的实际情况, 并体现出各个数据指标之间的联系与区别.
3. 灰状态转移概率矩阵的构造
要想实现对股市的预测与分析, 必须要分析系统k步转移概率, 这种转移概率有着未知性的特征, 可以采用样本状态转移频率进行估算, 具体的计算方式如下:
4. 灰拟合进度指标状态预测
对于随机变量, 需要对其进行检测, 看是否符合马氏性特征, 再根据各阶马尔科夫链预测具体指标值, 自阶能够表现出指标值的具体权重, 根据前阶段预测值可以采取概率加权法计算结果, 这样不仅可以准确得出结果, 还能够有效预测目的, 这也是使用时间序列马尔科夫链预测股市的必然需求. 在得出结果之后, 需要对预测模型进行检验与修正, 对结果进行马氏性处理, 这样可以得出转移状态向量, 再以此为基础来修正概率与区间之间的预测范围, 计算出相对误差, 分析具体的精度.
三、基于时间序列马尔可夫链股市预测方式
要将马尔可夫链应用在股市预测中, 那么股价变化就需要满足以下几个假设性条件:
第一, 股票市场的运行只受社会因素、政治因素、经济因素等随机因素影响, 且宏观政策不会发生变化, 投资者操纵不会对股价市场产生影响;
第二, 需要满足过程随机性要求, 系统中各个状态的转移都是随机的;
第三, 股票价格涨跌与前一日收盘价格有密切的关系, 不会受到过去涨落因素的影响, 能够忽略过去涨落因素;
第四, 股票价格从某一状态到另外一状态与状态时刻无关联.
如果满足以上几个条件, 就能够使用马尔科夫链进行预测, 分析具体的持股时间与投资效益, 要注意到, 在股票市场之中, 股票价格就是投资价格, 因此, 收盘价格对于股票市场的影响是极大的, 而股票收盘价状态对于股票市场也有着重要的影响, 股票收盘价可以很好地反映出股票价格的波动情况. 投资者最为关心的内容也是股票价格的变动情况.
对股票预测最为关键的一步就是预测股票运行周期, 只要分析出股票运行周期后, 就可以基本得出股票价格在未来一段时期的走向, 这即可帮助投资者把握好股票涨落周期, 帮助他们把握好买卖时机与持股天数, 获取到理想的收益.
假如fij ( n) 为股票价格在状态i经过n个时间到状态j的概率, 那么fij ( n) 可以采用以下的计算方式得出:
在实际的股票市场中, 不可能完全满足以上的条件, 总会存在风险与机遇, 这就能够得出, 股票价格从状态i能够以一定的概率到达j, 将tij为股票价格从i到j使用的时间, 那么可以采用以下的计算方式进行表现:
为了得出最为精确的信息, 需要对平均时间开展加权处理, 以转移概率进行计算, 再根据计算结果分析步长运行周期, 这样即可得出最后的结论.
四、结 语