中国汽车保有量及年产量预测模型研究
2020至2030年北京市机动车保有量预测
北京市机动车保有量预测 随着我国经济的快速发展，民用汽车的保有量也迅速增长。机动车保有量的发展影响到环境质量、交通安全、道路建设等诸多方面。在我国，尤其是大中型城市，机动车已成为城市空气污染的重要来源。因此，合理预测机动车保有量是未来进行机动车污染防治规划、道路发展规划等的重要前提。 本文将采用时间序列预测法和一元线性回归模型对2020年末和2030年末北京市机动车保有量进行预测。 法一：时间序列预测法 2005年至2015年北京市机动车保有量数据如表1所示。 北京机动车保有量变化趋势图如图1所示，可以观察到其变化趋势在2010年末出现了明显的转折，2010年末之后的机动车保有量增长幅度较2010年之前相比明显放缓，这种情况形成的主要原因是在2011年北京开始调控机动车的数量，实行了摇号政策。
图1 北京机动车保有量变化趋势 由于摇号政策实行前和实行后，北京市机动车保有量增长情况呈现出了不同趋势，而且摇号政策在今后极有可能继续施行，所以为避免预测结果过于偏离实际，在采用时间序列预测时仅采用2011年末及以后的数据，如图2所示。 图2 时间序列预测机动车保有量 得到预测方程： y=17.46x?34611 其中x为年份，y为机动车保有量。 从图中还能看到，R2值为0.9657，接近于1，因此拟合优度很好，可以采用此预测方程来预测2020年末和2030年末北京市机动车保有量，如表2所示。 表2 时间序列预测结果 其中2017年机动车保有量为605.8万辆，2020年为658.2万辆，2030年为832.8万辆，无法达到《北京市2013-2017年清洁空气行动计划重点任务分解》、《北京市缓解交通拥堵总体方案（2016—2020年）》等方案设立的“2017年底将全市机动车保有量控制在600万辆以内，2020年控制在630万辆以内”的目标。 法二：一元线性回归模型
动态矩阵和模型预测控制的半自动驾驶汽车(自动控制论文)
Dhaval Shroff1, Harsh Nangalia1, Akash Metawala1, Mayur Parulekar1, Viraj Padte1 Research and Innovation Center Dwarkadas J. Sanghvi College of Engineering Mumbai, India. dhaval92shroff@https://www.360docs.net/doc/5c5565056.html,; mvparulekar@https://www.360docs.net/doc/5c5565056.html, Abstract—Dynamic matrix and model predictive control in a car aims at vehicle localization in order to avoid collisions by providing computational control for driver assistance whichprevents car crashes by taking control of the car away from the driver on incidences of driver’s negligence or distraction. This paper provides ways in which the vehicle’s position with reference to the surrounding objects and the vehicle’s dynamic movement parameters are synchronized and stored in dynamic matrices with samples at regular instants and hence predict the behavior of the car’s surrounding to provide the drivers and the passengers with a driving experience that eliminates any reflex braking or steering reactions and tedious driving in traffic conditions or at junctions.It aims at taking corrective action based on the feedback available from the closed loop system which is recursively accessed by the central controller of the car and it controls the propulsion and steeringand provides a greater restoring force to move the vehicle to a safer region.Our work is towards the development of an application for the DSRC framework (Dedicated Short Range Communication for Inter-Vehicular Communication) by US Department of Traffic (DoT) and DARPA (Defense Advanced Research Projects Agency) and European Commission- funded Project SAVE-U (Sensors and System Architecture for Vulnerable road Users Protection) and is a step towards Intelligent Transportation Systems such as Autonomous Unmanned Ground and Aerial Vehicular systems. Keywords-Driver assist, Model predictive control, Multi-vehicle co-operation, Dynamic matrix control, Self-mapping I.INTRODUCTION Driver assist technologies aim at reducing the driver stress and fatigue, enhance his/her vigilance, and perception of the environment around the vehicle. It compensates for the driver’s ability to react [6].In this paper, we present experimental results obtained in the process of developing a consumer car based on the initiative of US DoT for the need for safe vehicular movement to reduce fatalities due to accidents [5]. We aim at developing computational assist for the car using the surrounding map data obtained by the LiDAR (Light Detection and Ranging) sensors which is evaluated and specific commands are issued to the vehicle’s propellers to avoid static and dynamic obstacles. This is also an initiative by the Volvo car company [1] where they plan to drive some of these control systems in their cars and trucks by 2020 and by General Motors, which aims to implement semi-autonomous control in cars for consumers by the end of this decade [18].Developments in wireless and mobile communication technologies are advancing methods for ex- changing driving information between vehicles and roadside infrastructures to improve driving safety and efficiency [3]. We attempt to implement multi-vehicle co-operative communication using the principle of swarm robotics, which will not only prevent collisions but also define specific patterns, which the nearby cars can form and pass through any patch of road without causing traffic jams. The position of the car and the position of the obstacles in its path, static or moving, will be updated in real time for every sampling point and stored in constantly updated matrices using the algorithm of dynamic matrix control. Comparing the sequence of previous outputs available with change in time and the inputs given to the car, we can predict its non-linear behavior with the help of model predictive control. One of the advantages of predictive control is that if the future evolution of the reference is known priori, the system can react before the change has effectively been made, thus avoiding the effects of delay in the process response [16]. We propose an approach in which human driving behavior is modeled as a hybrid automation, in which the mode is unknown and represents primitive driving dynamics such as braking and acceleration. On the basis of this hybrid model, the vehicles equipped with the cooperative active safety system estimate in real-time the current driving mode of non-communicating human-driven vehicles and exploit this information to establish least restrictive safe control actions [13].For each current mode uncertainty, a mode dependent dynamic matrix is constructed, which determines the set of all continuous states that lead to an unsafe configuration for the given mode uncertainty. Then a feedback is obtained for different uncertainties and corrective action is applied accordingly [7].This ITS (Intelligent Transport System) -equipped car engages in a sort of game-theoretic decision, in which it uses information from its onboard sensors as well as roadside and traffic-light sensors to try to predict what the other car will do, reacting accordingly to prevent a crash.When both cars are ITS-equipped, the “game” becomes a cooperative one, with both cars communicating their positions and working together to avoid a collision [19]. The focus is to improve the reaction time and the speed of communication along with more accurate vehicle localization. In this paper, we concentrate on improving vehicle localization using model predictive control and dynamic matrix control algorithm by sampling inputs of the car such as velocity, steering frame angle, self-created maps Dynamic Matrix and Model Predictive Control for a Semi-Auto Pilot Car
未来十年中国汽车需求预测
未来十年中国汽车需求预测 1999-9-14 迅速增长的国内汽车市场是中国汽车工业未来发展的主要优势所在，它同时也极大地吸引着国外的汽车厂商。本文主要对未来十年中国汽车市场的需求情况作一展望，首先回顾过去20年中国的经济增长和汽车市场的发展情况，然后在对不同发展阶段下汽车保有和汽车需求情况进行国际比较的基础上，预测了未来十年我国汽车市场的需求情况。 一、中国汽车市场的增长(1978－1997) 自1978年以来，中国经济以年均近9.7%的速度增长。高速的经济增长极大地刺激了各类交通运输的发展和汽车需求的增长。由于没有每年汽车销售量的数据，我们忽略汽车库存量的变化，用各年的汽车产量加上进口量并减去出口量来估计各年汽车消费量。表1所列数据表明，1980－1998年间，我国汽车消费量年均增长10.4%，其中轿车消费年均增长率达到18%。 近20年来我国的汽车需求呈现出很强的波动性。表1表明在汽车需求扩张时期，年增长率往往在30%－40%以上，轿车需求则成倍地增长。在汽车市场进入低谷期，需求则大幅下降。轿车作为高档消费品，其波动性要强于全部汽车产品。但值得注意的是，近年来轿车需求保持较快增长速度。90年代轿车需求的年增长率为31%，尽管自1995年以来经济增长速度逐年下降，需求较弱，轿车需求仍保持了较快的增长速度。 表1汽车需求的变化情况(1980－1998)
数据来源：作者根据《中国汽车工业年鉴1998》，《1999中国汽车市场展望》中数据估算。 由于市场经济体制的逐步确立和市场引导作用的逐步增强，汽车需求的波动导致了我国汽车生产和汽车进口的波动。图1表明，与汽车进口量的变化情况相比，汽车生产虽然也在很大程度上受需求变化的影响，但其波动相对较小，而进口则随市场需求的波动发生跳跃性的变化。汽车市场需求的任何波动，会直接通过进口量的变化而充分反映。如1983－1985年汽车需求扩张时期，汽车和轿车的进口量每年增长3－4倍，在1989－1990年的市场萧条时期，汽车进口量仅有6－8万辆，是1985年高峰时期的1/5。在1992和1993年，进口量又达到21万辆和31万辆的水平。 图1 汽车和轿车国内产量与进口量的增长率(1980－1998)
模型预测控制
云南大学信息学院学生实验报告 课程名称：现代控制理论 实验题目：预测控制 小组成员：李博（12018000748） 金蒋彪（12018000747） 专业：2018级检测技术与自动化专业
1、实验目的 (3) 2、实验原理 (3) 2.1、预测控制特点 (3) 2.2、预测控制模型 (4) 2.3、在线滚动优化 (5) 2.4、反馈校正 (5) 2.5、预测控制分类 (6) 2.6、动态矩阵控制 (7) 3、MATLAB仿真实现 (9) 3.1、对比预测控制与PID控制效果 (9) 3.2、P的变化对控制效果的影响 (12) 3.3、M的变化对控制效果的影响 (13) 3.4、模型失配与未失配时的控制效果对比 (14) 4、总结 (15) 5、附录 (16) 5.1、预测控制与PID控制对比仿真代码 (16) 5.1.1、预测控制代码 (16) 5.1.2、PID控制代码 (17) 5.2、不同P值对比控制效果代码 (19) 5.3、不同M值对比控制效果代码 (20) 5.4、模型失配与未失配对比代码 (20)
1、实验目的 （1）、通过对预测控制原理的学习，掌握预测控制的知识点。 （2）、通过对动态矩阵控制（DMC）的MATLAB仿真，发现其对直接处理具有纯滞后、大惯性的对象，有良好的跟踪性和较强的鲁棒性，输入已 知的控制模型，通过对参数的选择，来获得较好的控制效果。 （3）、了解matlab编程。 2、实验原理 模型预测控制(Model Predictive Control，MPC)是20世纪70年代提出的一种计算机控制算法，最早应用于工业过程控制领域。预测控制的优点是对数学模型要求不高，能直接处理具有纯滞后的过程，具有良好的跟踪性能和较强的抗干扰能力，对模型误差具有较强的鲁棒性。因此，预测控制目前已在多个行业得以应用，如炼油、石化、造纸、冶金、汽车制造、航空和食品加工等，尤其是在复杂工业过程中得到了广泛的应用。在分类上，模型预测控制(MPC)属于先进过程控制，其基本出发点与传统PID控制不同。传统PID控制，是根据过程当前的和过去的输出测量值与设定值之间的偏差来确定当前的控制输入，以达到所要求的性能指标。而预测控制不但利用当前时刻的和过去时刻的偏差值，而且还利用预测模型来预估过程未来的偏差值，以滚动优化确定当前的最优输入策略。因此，从基本思想看，预测控制优于PID控制。 2.1、预测控制特点 首先，对于复杂的工业对象。由于辨识其最小化模型要花费很大的代价，往往给基于传递函数或状态方程的控制算法带来困难，多变量高维度复杂系统难以建立精确的数学模型工业过程的结构、参数以及环境具有不确定性、时变性、非线性、强耦合，最优控制难以实现。而预测控制所需要的模型只强调其预测功能，不苛求其结构形式，从而为系统建模带来了方便。在许多场合下，只需测定对象的阶跃或脉冲响应，便可直接得到预测模型，而不必进一步导出其传递函数或状
2015全国汽车保有量
（原标题：2015年底全国机动车保有量2.79亿平均每百户有31辆私家车） 央广网北京1月25日消息（记者杜希萌）据公安部交管局统计，截至2015年底，全国机动车保有量达2.79亿辆，其中汽车1.72亿辆；机动车驾驶人3.27亿人，其中汽车驾驶人超过2.8亿人。 汽车保有量达1.72亿辆，新注册量和年增量均达历史最高水平。 随着我国经济社会持续快速发展，群众购车刚性需求旺盛，汽车保有量继续呈快速增长趋势，2015年新注册登记的汽车达2385万辆，保有量净增1781万辆，均为历史最高水平。汽车占机动车的比率迅速提高，近五年汽车占机动车比率从47.06%提高到61.82%，群众机动化出行方式经历了从摩托车到汽车的转变，交通出行结构发生了根本性变化。 全国有40个城市的汽车保有量超过百万辆，北京、成都、深圳、上海、重庆、天津、苏州、郑州、杭州、广州、西安11个城市汽车保有量超过200万辆。新能源汽车保有量达58.32万辆，与2014年相比增长169.48%。其中，纯电动汽车保有量33.2万辆，占新能源汽车总量的56.93%，与2014年相比增长317.06%。 私家车总量超过1.24亿辆，每百户家庭拥有31辆。
2015年，小型载客汽车达1.36亿辆，其中，以个人名义登记的小型载客汽车（私家车）达到1.24亿辆，占小型载客汽车的91.53%。与2014年相比，私家车增加1877万辆，增长17.77%。全国平均每百户家庭拥有31辆私家车，北京、成都、深圳等大城市每百户家庭拥有私家车超过60辆。 机动车驾驶人数量超3.2亿人，驾龄1年以内的驾驶人达3613万。 与机动车保有量快速增长相适应，机动车驾驶人数量也呈现大幅增长趋势，近五年年均增量达2299万人。2015年，全国机动车驾驶人数量超3.2亿人，汽车驾驶人2.8亿人，占驾驶人总量的85.63%，全年新增汽车驾驶人3375万人。从驾驶人驾龄看，驾龄不满1年的驾驶人3613万人，占驾驶人总数的11.04%。男性驾驶人2.4亿人，占74.29%，女性驾驶人8415万人，占25.71%，与2014年相比提高了2.23个百分点。
2018年全球电动汽车保有量及市占率走势分析预测
2018年全球电动汽车保有量及市占率走势分析预 测 2017 年全球电动汽车交付量达到 1,223,600 辆，与 2016 年相比增长58％。其中包括所有纯电动式和插电式混合动力式乘用车、美国/加拿大市场的轻型卡车和欧洲市场的轻型商用车。销量的 66％来自纯电动汽车 (BEV)，34％来自插电式混合动力汽车 (PHEV)。由于纯电动汽车在中国市场备受青睐，其重要性日益凸显，因此纯电动汽车所占份额始终处于领先地位。 资料来源：公开资料整理 相关报告：智研咨询网发布的《2017-2023年中国新能源汽车产业竞争现状及未来发展趋势报告》 由于受到中国新能源汽车市场蓬勃发展的影响，中国市场份额增长 73％高居榜首，美国增长 27％、欧洲增长 39％紧随其后，但其差距仍在扩大。在日本，丰田 Prius Prime 插电式混合动力汽车瞬间成为畅销车型，且与第四季度发布的全新日产聆风一起，使电动汽车销量增长了 150％。纵观全球，12 月份销量再创记录，全球交付量超过 17 万辆，比之前 11 月份的历史最高纪录高出
17％。继过去的 5 个月中持续强劲的增长势头之后，12 月份全球电动汽车份额首次触及 2％大关。2017 年全年的全球份额为 1.3％。 预计 2018 年销量将增至 190 万辆，这主要得益于中国市场上电动汽车的强势引进以及期待已久的特斯拉 Model 3 的大规模生产。截至 2018 年底，预计全球将有超过 500 万辆电动汽车和轻型卡车投入使用。 全球电动汽车销量及增长率走势 资料来源：公开资料整理 中国仍毫无争议地成为最重要的电动汽车（中国称之为“新能源汽车”）市场：其销量同比增长了 73％，与 2016 年的 351,000 辆相比，增长了 255,000 辆。中国市场占全球电动汽车销量的 49.5％。日本和韩国 (+130%) 进一步推动了亚太地区的发展，其销量共计增长了 76％。 今年欧洲增长了 39％，其中德国是增长最多的国家，同比增长达 108％；而一些小型市场表现更佳，例如冰岛 (+248 %)、葡萄牙 (+126 %) 和斯洛文尼亚(+166 %)。 美国增长 27%，与其他地区相比，其发展速度相对较缓。考虑到特斯拉Model-3 增产计划一再延迟，该增长率仍然尚可。最初预计 2017 年全年
基于SARIMA的我国汽车销量预测分析
龙源期刊网 https://www.360docs.net/doc/5c5565056.html, 基于SARIMA的我国汽车销量预测分析 作者：王旭天李政远舒慧生 来源：《中国市场》2016年第01期 [摘要]汽车工业在国民经济中占有重要地位，准确预测汽车销量具有十分重要的意义。由于假日及其他因素影响，汽车的月度销售数据表现出季节性的特征。文章选用我国2004年1月—2015年1月的汽车月度销售数据为研究对象，构建了具有季节调整的ARIMA模型并用于销量预测，预测结果的平均相对误差可控制在3%以内，模型合理有效，具有良好的参考价值。 [关键词]ARIMA模型；汽车销量；SARIMA预测 [DOI]10.13939/https://www.360docs.net/doc/5c5565056.html,ki.zgsc.2016.01.071 1 引言 随着我国经济的快速发展和居民生活水平的提高，汽车在人群中开始逐渐普及，成为许多人的生活必需品。与此同时，汽车工业迅速发展，在国民经济中也扮演着越来越重要的角色，与机械电子、石油化工和建筑业一道构成了我国经济的四大支柱产业，因而如何对汽车销量进行准确的预测具有重要意义。 ARIMA模型是20世纪70年代由博克斯和詹金斯提出的时间序列方法[1][2]，所以又被称为博克斯-詹金斯法，其全称是自回归积分滑动平均模型（Autoregressive Integrated Moving Average Model），包含移动平均过程（MA）和自回归过程（AR）两个部分。ARIMA模型发展至今理论已非常成熟，在实践中应用广泛。如龚承刚，王梦等人将ARIMA模型运用到了对湖北省城乡居民收入差距的预测中，预测到未来三年湖北省的城乡居民收入差距比仍处在较高水平。[3]薛蓓蓓运用ARIMA模型对安徽省固定资产投资总额进行了建模和预测，借助Eviews软件给出了短期的预测值。[4]张丽，牛惠芳将SARIMA模型运用到了对我国CPI的分析预测中，对CPI月度数据的变化趋势和季节性进行了分析。[5]虞安和王忠采用引力模型和ARIMA模型对旅游人群进行了预测，对城市管理和旅游秩序的维护工作提供了意见和建议。 [6] 本文将以汽车工业协会公布的汽车销量月度数据为研究对象，根据月度数据同时具有长期趋势效应、季节效应和随机波动的特点，选取具有季节调整的ARIMA模型对汽车销量进行预测。 2 模型 3 建模过程
数学建模 汽车保有量分析
摘要 随着社会的发展，汽车作为人们日常生活中重要的交通工具,汽车业的迅猛发展使人民的生活更加便利的同时也带来了一些问题。本文针对北京市汽车承载力问题，从今年来北京市汽车保有量的变化进行分析，从而数据化的分析其与交通拥堵和大气污染等方面的相互影响。 建立图表，直观的表示其相互关系,并进一步的发现各项因素相互影响的关系，从而提出相应的可行性建议。 针对问题1： 通过网络及图书馆等各个渠道获取北京近年来汽车保有量。统筹规划所得数据，建立图表分析近年来北京汽车保有量的变化。对影响北京市汽车保有量的主要因素——城市人口变化及个人收入变化进行分析对比，从而得出直观的图表关系。 针对问题2： 第一方面：分析北京市汽车保有量变化与交通拥堵问题的关系。我们获取北京实时交通流量图，用matlab对图像进行色差数据提取，找出北京市区各路段的流量色值，计算拥堵、缓行、通畅路段各占取总路段的比例。应用微分思想，假设微元路段车辆流入量与流出量，计算车辆数与车行速度的关系，从而结合北京市路段车流情况数据得出汽车保有量与交通拥堵的关系。用最优化思想，计算出路段最佳行驶车辆数。 第二方面：分析北京市汽车保有量与大气污染问题的关系。我们首先参考国家环保总局发布的《城市机动车污染排放预测方法》，建立机动车对各种污染物的年排放量模型。再利用高斯扩散模型，得出污染物在空气中的扩散方式。从而得到汽车排放的污染物在大气中的分布情况。由此数据结合已查到的北京市内车辆总数和北京市大气污染分布，从而分析出汽车尾气在北京市大气污染中占有的比重。 针对问题3： 对于北京市汽车承载力影响生活的其他方面，我们分析了车辆保有量与城市噪声之间的关系。城市机动车数量的急剧增长，带来了严重的交通噪声污染，并已经成为城市生活主要污染源之一。我们建立坐标模型，假设声源为一理想的封闭图形，运用积分思想得出一片区域车辆所产生的噪音值对周围环境的影响数值。我们从各种渠道获得了北京市各地区的噪声值，结合我们的模型，估算出城市汽车保有量与噪声之间的关系。 针对问题4： 我们通过以上方面的调查分析，针对道路交通方面，人们出行时间及方式方面，和道路扩建维修方面提出一些可行性建议。 关键词：汽车承载力车辆保有量最优化高斯扩散模型
中国汽车保有量、
中国汽车保有量、千人汽车保有量及汽车潜在需 求分析[图] 2019年04月24日 13:41:10字号:T|T 一、中国千人汽车保有量分析 2018年1-11月，我国共销售汽车2287.1万辆，同比减少0.1%，其中乘用车1930.4万辆，同比减少1%。预计2018年全年销量同比负增长。受益于小排量汽车购置税优惠政策，2016、2017年汽车销售维持了较高的景气度，但也提前透支了汽车消费，加之2018H1三四线城市以及中西部地区楼市旺盛影响，2018年汽车消费趋弱。 未来中国汽车销量慢增长将成为常态。2019年，三四线城市仍将是增长主力，驱动因素主要为GDP、人均可支配收入的增加。 乘用车批发销量增速走势
数据来源：公开资料整理 相关报告：智研咨询发布的《2019-2025年中国汽车行业市场供需预测及发展前景预测报告》 2017年中国汽车保有量2.17亿辆，2018年中国汽车保有量达2.4亿辆，比2017年增加2285万辆，增长10.51%。 2011-2018年中国汽车保有量走势 数据来源：公开资料整理 2003年至2017年，中国汽车工业飞速发展，CARG达到17%，20187年底，国内汽私人汽车保有量达到1.89亿台，汽车千人保有量从2003年的17台达到2017年的156台，用时14年。纵观全球，中国千人人均保有量仍处于较低水平。尤其是对比日本、美国两大汽车大国，其实中国的人均汽车保有量还是相对很少的。
2013-2018年中国私人汽车保有量走势 数据来源：公开资料整理 2018年我国每千人汽车保有量是170辆左右，距离主要发达国家保有量水平还有比较大的差距，比如美国的千人保有量大概是在800辆左右，欧洲、日本大概在500-600辆左右。所以，未来一段时间，汽车消费潜力还是有，甚至可以说是比较大的。
我国乘用车保有量现状与发展趋势分析
我国乘用车保有量现状与发展趋势分析 摘要汽车保有量的预测具有一定程度的不确定性。对2020及2030年我国的汽车保有量进行科学预测，是确定我国公路交通长短期发展规划，制定环保与能源等方面相关政策的关键。通过对全国乘用车保有量现状和影响因素的研究，建立了保有量模型，对模型进行了仿真分析，检验模型的可靠性，并对中国未来几年的乘用车保有量进行了预测分析。模型仿真结果显示，中国乘用车保有量在2020年和2030年将分别达到2.5-2.9亿辆和4-5.2亿辆。在2030年之前，中国乘用车保有率将快速提高，但是相比发达国家将始终有较大差距。 关键词汽车保有量；不确定性；保有量模型；仿真分析；乘用车保有量 中图分类号：F 407.471文献标识码：A Analysis of Current Situation and Forecast of Passenger Car'sStocks in China Abstract To some extent, there are some uncertainties in forecasting automobile inventory. The scientific forecast of China'sautomobile in the years of 2020, and 2030 is a key to make long-term development plans of the nation's highway transportation, and the relevant policies of environmental protection and energy-saving.By maintaining the amount of status and influence factors of the vehicle, a quantity model, simulates the model analysis, test the reliability of the model, and the Chinese over the next few years the number of motor vehicles has carried on the forecast analysis.The simulation results show, Chinese vehicle fleet in 2020 and 2030 will reach 252-292 million, 398-423 million. Before 2030, China vehicle rate will increase rapidly, but compared with the developed countries will always have a larger gap. Keywords Vehicle stocks; Uncertainty; Inventory model; Simulation analysis; Passenger car's stocks 0引言 随着经济的快速发展，中国汽车保有量也在不断提高，从1985年的321.1万辆增加到2010年的7802万辆，年增长率达到13.6%，汽车保有量的快速增加给中国的能源安全、污染物排放以及环境保护等方面都造成了巨大的影响，2007年中国约有一半的石油用于道路交通，汽车消耗占主要部分。研究汽车保有量的增长规律，准确预测未来汽车保有量及其构成，对于正确评估汽车发展对于中国能源和环境产生的影响具有重要的意义。 国内外很多学者曾经开展过中国的汽车保有量的预测研究。如美国Argonne实验室的Michael Wang等人采用Gompertz模型[1]，预测中国2030年汽车保有量为2.47-2.87亿辆，2050年为4.86-6.62亿辆；Joyce Dargay等人采用改进的Gompertz模型[2]，预测中国2030年汽车保有量为3.9亿辆；
数学建模汽车销量预测
汽车销量预测 摘要 汽车工业在我国已有50 多年的发展历史, 而汽车产业真正得到快速发展是从上世纪90 年代开始的。现在汽车工业在我国经济中已占有很重要的地位。预测汽车的销售量，无论是对于整体掌控汽车市场的发育与成长态势的政策制定者，还是对于研究市场行情以制定营销策略的汽车厂商而言，都具有极其重要的作用。我们通过网络搜索相关数据，然后运用线性回归及灰色预测对汽车销量进行数学建模分析预测，然后再对模型进行评估修改。 关键词：汽车销量线性回归灰色预测 一．问题重述 1.问题背景 近年来，随着国民经济和社会的进一步发展，汽车工业也逐步成为中国的支柱性产业之一，汽车市场表现出产销两旺的发展态势。而汽车市场是汽车工业的晴雨表，预测汽车的销售量，无论是对于整体掌控汽车市场的发育与成长态势的政策制定者而言，还是对于研究市场行情以制定营销策略的汽车厂商而言，都具有极其重要的作用。 2.需要解决的问题 问题一：影响汽车销量的因素有哪些？ 问题二：通过数据建立数学模型并进行预测。 问题三：验证并修改数学模型。 二．问题分析 一．对问题一的分析 在这里我门选取了汽车产量、公路长度、城镇居民收入、GDP这样一些因素来考虑，当然影响汽车销售的因素远不止如此石油价格上涨，银行存款利率等都会对汽车销量有影响。并且这些因素也是相互影响的。这里为了简单考虑我们把每一个因素单独列出来，研究其余汽车销量的关系。我们通过互联网搜索获得以下数据： 二．对问题二的分析 对于问题二我们有两种思路，第一个是通过问题一得到的相关数据及结论运用线性回归的知识建立数学模型。但是通过线性回归得到的方程却还不够，因为线性方程故事汽车销量需要知道汽车产量、公路长度、GDP这样一些数据，但我们不知到以后的汽车产量、公路长度、GDP。这里吗有许多不确定因素所以我们采用灰色预测的方法来预测汽车销量。 三、模型假设与约定 国家经济处于一种正常平稳的发展趋势，不能有类似于08年的金融危机。 四、模型建立 模型一：各个因素对汽车销量的影响
2017、2018年我国汽车保有量及相关信息报告
2017、2018年我国汽车保有量相关信息报告 报告信息主要来源于国家统计局数据中心，信息（保有量）内容结构如下： 以下是具体数据： 1、2017、2018年汽车总保有量组成 图一：2017年我国汽车保有组成情况 汽车 载客汽车 载货汽车 大型 载客汽车 其他 中型 载客汽车小型 载客汽车微型 载客汽车大型 载货汽车中型 载货汽车小型 载货汽车 微型 载货汽车
图二：2018年我国汽车保有组成情况2、2017、2018民用汽车保有量组成 图三：2017年我国民用汽车保有组成情况 图四：2018年我国民用汽车保有组成情况3、2017、2018年私人汽车保有量组成
图五：2017年我国私人汽车保有组成情况 图六：2018年我国私人汽车保有组成情况
附录：原始数据 注：空白处表示暂未查到相关数据 表一：2017、2018年民用汽车保有量数据（单位：万辆） 指标2018年2017年 民用汽车 民用汽车拥有量14598.11 12670.14 民用载客汽车拥有量12326.7 10561.78 民用大型载客汽车拥有量131.38 民用中型载客汽车拥有量117.06 民用小型载客汽车拥有量1200 9951.46 民用微型载客汽车拥有量361.87 民用载货汽车拥有量2125.46 2010.62 民用重型载货汽车拥有量501.97 民用中型载货汽车拥有量196.4 民用轻型载货汽车拥有量1300.02 民用微型载货汽车拥有量12.23 民用其他汽车拥有量145.95 97.75 表二：2017、2018年私人汽车保有量数据（单位：万辆） 指标2018年2017年 私人汽车 私人汽车拥有量12339.36 10501.68 私人载客汽车拥有量10945.39 9198.23 私人大型载客汽车拥有量 6.95 私人中型载客汽车拥有量46.95 私人小型载客汽车拥有量10500 8810.51 私人微型载客汽车拥有量333.83 私人载货汽车拥有量1352.78 1275.49 私人重型载货汽车拥有量174.39 私人中型载货汽车拥有量111.85 私人轻型载货汽车拥有量978.73 私人微型载货汽车拥有量10.52 私人其他汽车拥有量41.19 27.95
2013年1月中国汽车销量排行榜超级完整版
2013年1月中国汽车销量排行榜超级完整版排名车型所属厂商所属品牌1月销量 1 朗逸上海大众大众48267 2 福克斯长安福特福特33632 3 凯越上海通用别克30264 4 赛欧上海通用雪佛兰29063 5 帕萨特上海大众大众27930 6 速腾一汽大众大众26184 7 瑞纳北京现代现代25684 8 轩逸东风日产日产24769 9 科鲁兹上海通用雪佛兰24477 10 捷达一汽大众大众24033 11 悦动北京现代现代23882 12 英朗上海通用别克23694 13 朗动北京现代现代22177 14 宝来一汽大众大众20045 15 QQ 奇瑞汽车奇瑞18622 16 帝豪EC7 吉利汽车帝豪18516 17 迈腾一汽大众大众17273 18 腾翼C30 长城汽车长城17238 19 POLO 上海大众大众17208 20 奥迪A6 一汽大众奥迪16706 21 桑塔纳上海大众大众15927 22 起亚K2 东风悦达起亚15028 23 阳光东风日产日产14420 24 世嘉神龙汽车雪铁龙13413 25 凯美瑞广汽丰田丰田12768 26 K3 东风悦达起亚12741 27 明锐上海大众斯柯达12561 28 速锐比亚迪比亚迪12116 29 高尔夫一汽大众大众11924 30 北斗星昌河铃木11859 31 花冠一汽丰田丰田11553 32 F3 比亚迪比亚迪11190 33 夏利天津一汽夏利11094
34 L3 比亚迪比亚迪11075 35 骐达东风日产日产10466 36 奥迪A4 一汽大众奥迪10215 37 荣威350 上海汽车荣威9808 38 君威上海通用别克9707 39 5系华晨宝马宝马9600 40 君越上海通用别克9271 41 E5 奇瑞汽车奇瑞9153 42 马自达6 一汽轿车马自达9106 43 风云2 奇瑞汽车奇瑞8898 44 长安逸动长安汽车长安8861 45 卡罗拉一汽丰田丰田8761 46 和悦江淮汽车江淮8596 47 索纳塔北京现代现代8429 48 奔奔迷你长安汽车长安8365 49 迈锐宝上海通用雪佛兰7880 50 标致308 神龙汽车标致7823 51 悦翔长安汽车长安7672 52 昊锐上海大众斯柯达7451 53 悦翔V3 长安汽车长安7327 54 思迪锋范广汽本田本田7286 55 蒙迪欧致胜长安福特福特7068 56 腾翼C50 长城汽车长城6829 57 奥拓长安铃木铃木6709 58 雅阁广汽本田本田6579 59 奔腾B50 一汽轿车奔腾6572 60 比亚迪F0 比亚迪比亚迪6407 61 菱悦东南汽车东南6300 62 思域东风本田本田6178 63 风神H30 东风乘用风神6120 64 启辰D50 东风日产启辰6070 65 自由舰吉利汽车全球鹰5948 66 大众CC 一汽大众大众5783 67 锐志一汽丰田丰田5629 68 H230 沈阳华晨中华5538
我国私人汽车保有量的分析及预测
目录 摘要 (1) 关键词 (1) 一、引言 (2) 二、综述 (2) 三、现状分析 (4) 四、建模 (5) （一）模型选择 (5) （二）数据说明 (6) 1．目标变量 (6) 2．解释变量 (7) 3．样本选取 (8) （三）模型建立 (9) 五、模型分析 (10) （一）数据处理 (11) （二）回归计算 (12) （三）模型检验 (12) 1．统计检验 (12) 2．计量经济学检验 (13) 3．经济意义检验 (15) （四）模型评价 (15) 六、预测 (16)
七、结论 (17) 参考文献 (19)
我国私人汽车保有量的分析及预测 统计031 陆诚煜学号：2070403138 指导老师：胡荣华 ［摘要］我国经济的快速发展为私人汽车提供了巨大的发展空间，同时汽车保有量的大幅增加势必对土地、能源和环境带来巨大压力，这就需要对影响私人汽车发展的主要因素进行分析，对其保有量的发展趋势做出科学判断。本文根据近年来国内各项经济指标，运用线性回归方法，给出了一个适用于短期预测的计量经济学模型及进行各项检验的详细过程，并据此较为准确合理的预测了我国2006年和2007年的私人汽车保有量，进而提出贯彻科学发展观，走可持续发展道路将是促进我国未来私人汽车良性发展的客观要求。 ［关键词］私人汽车保有量计量经济学模型预测 Abstract:The rapid economical development of our country has provided great development space for the private vehicle and the significant increase of private vehicle population will inevitably bring great pressure to the land, resources of energy and the environment, so it is necessary to analyze the main factors that affect the development of our private vehicle, and then make a reasonable judgment to the development trend of the vehicle quantity. According to the economic indices of recent years, this paper constructs an econometric model which is suitable for short term predication by linear regression method and introduces the concrete process of some test, and then the comparatively accurate private vehicle population of China in 2006 and 2007 are forecasted, Then it points out that the implementation of scientific development concept, adopting sustainable development policy will be the objective requirements of private vehicle development of China in the future. Key words：private vehicle quantity;model of econometrics; forecast