基于库存理论的铁路始发直达运输产品设计

将库存理论运用到铁路始发直达运输产品设计,能够有效实现运输服务组织成本与库存成本的有机统一。为实现库存成本在铁路始发直达运输中的加载,在考虑周期非完整情况下的库存成本的同时,将铁路运输和库存成本纳入同一目标函数,在装卸车地库存能力约束下,构建基于库存理论的铁路始发直达运输产品设计模型,确定成本最小的铁路始发直达运输产品设计方案。以赤峰地区至山东省煤炭运输网络为例,设计方案有效降低了成本,有助于吸引客户选择铁路运输,以及辅助铁路运营单位研究调整始发直达运输产品方案。     

基于贝叶斯结构方程模型的城际铁路客运需求影响因素分析

作为城市群区域间的连接纽带,城际铁路是社会经济快速发展的基础。研究城际铁路客运需求的影响机理,对于掌握城际铁路客运量分布特征和变化规律具有十分重要的现实意义。通过分析城际铁路客运需求的相关影响因素及相互作用关系,建立基于贝叶斯参数估计的结构方程模型。以长三角与珠三角地区城市群为案例,分析交通运输设施、运输成本以及经济状况等潜在变量对城际铁路客运需求的影响。结果显示,在直接影响层面,经济状况对两地区城际铁路客运需求影响最为显著,而在综合影响层面,交通运输设施对城际铁路客运需求的影响最为显著。     

基于Newton插值与超松弛技术的铁路客运量预测研究

为提高铁路客运量预测精度，提出Newton插值法对客运量原始数据进行预处理以解决因节假日或重大事件造成的数据异常问题。另外，引入超松弛技术(OR)对铁路客运量预测结果进行修正，提出非线性递减权重改进粒子群算法以优化松弛因子。最后，将Newton插值法、超松弛技术与GM(1,1)和BP神经网络预测相结合，提出铁路客运量Newton-GM-BP-OR组合预测方法，并以北京市铁路客运量预测为例验证预测方法的有效性。研究结果表明，基于Newton插值法处理异常客运量数据的预测效果较基于原始数据序列更好，改进的粒子群算法在求解松弛因子过程中体现出更好的寻优能力和收敛速度，且超松弛技术对GM(1,1)和BP神经网络预测结果的修正也使得Newton-GM-BP-OR组合预测方法具有更高的预测精度。