我国民航客运量影响因素分析

利用1990至2009年的统计数据对我国航空客运量各影响因素进行定性与定量研究。运用灰色关联理论,对影响民航客运系统的诸多因素进行关联分析,并确定出影响因素的影响程度顺序,为后续民航客运量的回归分析与预测打下基础。针对当前我国民航旅客运输业发展中面临的问题提出政策建议,提高我国民航旅客运输业的市场竞争力。     

影响江苏省财政收入因素的主成分分析

选取1998-2011年与江苏省财政收入相关的12个经济指标,并对其进行主成分分析.通过建立降维后的主成分与江苏省财政收入之间的线性模型,分析主成分对财政收入的解释程度,并运用图示法和回归方法进一步分析主成分与12个经济指标之间的变动关系.结论是：影响江苏省财政收入的因素有很多,最重要的影响因素是工业总产值和进出口总额.     

地方公共品供给中的Tiebout模型:基于中国城市房价的经验研究

Tiebout模型阐述了地方公共品供给与居民居住地选择之间的关系。为检验该模型在中国的适用性,本文通过动态面板回归模型检验了35个中国大中型城市的住房价格与地方公共品供给之间的关系。计量结果发现,无论是以地方财政支出强度(intensity)指标,还是以地方公共服务的主成分分析指标表示的地方公共品变量,其对商品房价格都存在显著的正面影响,在一定程度上显示出中国出现了地方公共服务资本化的现象。     

组合模型在交通需求预测中的应用——以内蒙古自治区客运量预测为例

本文对传统的常用预测模型进行了研究与分析,在此基础上综合各种模型的特点根据最优化原理建立了组合模型,结合所参与的具体项目对内蒙古自治区客运量进行预测与分析,达到了较好的预测效果,并得出利用组合模型可以提高预测精度的结论.     

组合模型在交通需求预测中的应用——以内蒙古自治区客运量预测为例

本文对传统的常用预测模型进行了研究与分析，在此基础上综合各种模型的特点根据最优化原理建立了组合模型，结合所参与的具体项目对内蒙古自治区客运量进行预测与分析，达到了较好的预测效果，并得出利用组合模型可以提高预测精度的结论。     

上市公司负债筹资风险的预测——基于中国资本市场的实证分析

本文根据上市公司负债筹资风险的成因界定其含义并将其划分为四种类型,分别通过主成分分析和逻辑回归分析构建的负债筹资风险预测模型相互结合能够较为准确地预测负债筹资风险,但也存在不足,运用财务比率分析法等定性分析方法对预测结果进行修正,使预测结果更为准确。     

哈巴河县人口预测分析

人口规模是制约土地利用总体规划的基础和依据,人口规模预测越准确,土地利用总体规划就越切实可行。本文利用直接预测法和回归预测法将两种预测方法对哈巴河县规划期间人口规模进行了预测,同时对其预测精度进行了检验,最后结合预测精度,对人口预测方法进行了全面分析。     

基于深度学习对茅台机场降水量预测的研究

强降水等恶劣天气对于民航的正常运行有着极大的危害，降水量的准确预测有助于民航等企业安全稳定运行。通过对机场跑道自动气象观测系统（AWOS）收集的降水时序数据进行预处理，为深度学习提供训练和测试的样本集，然后分别构建长短期记忆模型（LSTM）和时序卷积网络（TCN）模型，实现对未来1～3 h降水量的预测，并对两个模型的预测精度进行比较分析。结果表明,TCN模型的预测效果优于LSTM模型。其中，对未来1～3 h降水量的预测中，TCN模型的R2分别为0.96、0.91和0.86。     

疫情影响下我国航空客运量恢复期预测

2020年爆发的新冠肺炎疫情给全国的经济社会带来了巨大的冲击。作为对非正常事件或危机事件高度敏感的航空客运业来说,经济损失更是巨大的。本文根据新冠肺炎疫情与航空旅客运输之间的影响机理,结合2009年至2020年间我国民航客运量的月度数据,运用复合型序列的分解预测模型,对正常运行情况下的航空客运量进行预测,再结合疫情影响下的航空数据进行对比分析。研究表明:2020年航空客运业由于疫情的影响,从1月到12月客运量至少减少15527万人;到年底,有望恢复上年同期航空客运量的90%以上。     

基于BP神经网络的中、美贸易预测研究

根据中、美贸易的经济研究背景,分析中、美贸易重要影响指标,对其进行线性回归分析,发现中、美贸易额与各指标之间不是简单的线性相关,且各指标之间存在相互关系,所以不能用单一的线性回归模型进行预测。而BP神经网络具有非线性映射、自适应学习和良好的泛化能力等特征,运用BP神经网络模型对中、美贸易进行实证预测,大大提高了预测精度,取得了较好的效果。     

基于奇异谱分析的旅客运输量预测研究

对旅客运输量进行科学准确地预测,可以为交通领域相关部门提供有效的借鉴。将旅客运输量作为研究对象,基于SSA(奇异谱分析),结合LSTM(长短时记忆神经网络)和ARMA(自回归移动平均模型),通过SSA降噪处理,将旅客运输量时间序列分解为信号序列和噪声序列,分别对其进行LSTM和ARMA(2,3)建模,预测其变化趋势。通过对比单一的ARIMA(3,1,2)模型和LSTM模型的实验结果表明,SSA-LSTM-ARMA预测旅客运输量效果更好,预测精度更高。     

基于Anylogic的机场安检流程研究

以机场安检通道为研究对象,通过调查安检通道的具体参数及旅客在安检环节中的行为参数,利用Anylogic仿真软件建立机场安检通道流程模型。借助Anylogic软件,对安检流程中的旅客通行情况进行仿真研究。根据仿真结果中的行人排队队长、行人密度分布等数据分析安检环节中存在的瓶颈点,提出相应的改进意见并修改模型。最终结果表明,改进意见可以较好地缓解安检流程中的瓶颈点问题,使旅客通行效率得到一定程度的提高。     

城市互通式立体交叉设计及优化研究——以厦门市为例

城市互通立交的建立有助于减少交通拥堵,节约行车时间,保障人、车安全,它的合理、规划建立对城市交通具有重要意义。以厦门市滨海东大道为例,对城市互通式立体交叉的设计和优化进行综合研究。通过对厦门市滨海东大道的调研和分析,针对主线交通量、匝道交通量、辅路交通量以及行人和非机动车对交通的干扰和影响,提出构建对称双环变异苜蓿叶形互通立交设计和优化方案,并对该方案的交通组织优化、城市交通流组成及影响因素进行分析,最后针对交通量预测问题,提出基于长短期记忆网络(long short-term memory, LSTM)的未来年交通量预测模型,研究方案对2030年、2040年和2050年的交通量进行预测。研究结果表明,本文所提方案能有效提高交通效率、增加交通安全、缓解拥堵,所提出的预测交通流量的方法精度较高,误差较小,相比于K最近邻算法(K-nearest neighbor, KNN)、差分自回归移动平均算法(auto regression integreate moving average, ARIMA)、随机森林算法(random forest, RF)的精度分别提高了15.5%、32.2%、46...     

广东省交通基础设施与经济增长的关系:基于协整分析的实证研究

文章采用经济计量分析方法,实证考察了1978～2008年间广东省交通基础设施与经济增长之间的长期均衡关系和Granger因果关系。结果表明:公路通车里程与和总收入之间的协整关系不稳定;货物周转量、旅客周转量与总收入之间存在正相关关系;货物周转量、旅客周转量是总收入的格兰杰原因。     

基础设施行业的竞争绩效:公路与铁路

对中短途客运市场上公路和铁路的竞争关系以及铁路客运经营绩效变化的实证研究表明:在铁路运输业内部保持垄断经营的条件下,公路客运已经与铁路客运形成有效竞争,两者竞争的焦点是路网规模和客运相对价格;竞争对铁路运输业的经营绩效有显著影响;竞争是运输能力、服务质量和价格等方面的全面竞争,单纯靠提高旅客列车运行速度并不能使铁路客运取得明显竞争优势。铁路运输规制部门应将规制重点从准入规制、价格规制和投资规制等领域转向安全规制、服务质量规制和普遍服务规制等领域,并实施政企分开和基于大交通视角的规制部门整合。     

基于GS-LGBM的乘用车使用寿命预测研究

为准确预测乘用车使用寿命,提出基于网格搜索优化LightGBM（GS-LGBM）模型的乘用车使用寿命预测方法。通过对2014—2019年乘用车报废数据进行大量实验,并与9种流行的机器学习算法进行对比,结果表明,LightGBM在平均绝对误差（MAE）、中位绝对误差（MEAE）、均方误差（MSE）和拟合优度判定系数（R2）4项指标上均明显优于其他算法。为进一步提升模型预测精度,采用网格搜索算法对LightGBM进行参数优化构建GS-LGBM模型,效果显著提升（MAE降低11.02%）,说明该方法能够更准确高效地预测乘用车使用寿命。     

基于循环经济的长株潭交通运输结构优化研究

对长株潭城市群各种交通运输方式旅客运输中的大气污染排放量进行统计研究并建立模型及求解,结果表明长株潭城市群发展循环经济应注重轨道交通的发展,适当控制道路交通的发展。同时得出长株潭地区虽然水资源非常丰富但是水路交通发展缓慢。因此,在未来的几年中,长株潭城市群的交通运输业的发展可以建设以公共交通为主,轨道交通作为城市交通网络骨架的多中心城市布局和交通结构模式。     

基于趋势分解的机场季节旅客吞吐量预测方法

针对机场季节旅客吞吐量的特点,提出了基于趋势分解的机场季节旅客吞吐量预测方法,其基本思想是:首先根据机场季节旅客吞吐量历史数据的移动平均数,计算平均季节指数并进行修正,然后构建机场季节吞吐量趋势变动模型,从而构建航线季节客运需求分析模型。仿真结果表明该方法可行且结果具有较高的精度,可作为预测机场季节旅客吞吐量的有效工具。     

公路短时车流量预测模型研究

为解决公路交通拥堵,做好道路交通安全规划,应加强对道路交通车流量的实时监控和预测,以便及时发现当前交通的非正常拥堵状况,提高人民的出行效率。公路短时车流量的监测数据具有不确定性和非线性的特点,针对这些特点,运用灰色系统理论预测模型和时间序列的ARIMA预测模型分别对车流量状况进行预测。在此基础上,提出将二者相结合的车流量组合预测模型。通过实例对比分析,得出组合预测模型的预测精度高于单独使用灰色预测模型和时间序列分析模型的结论,该模型可以作为短时车流量预测的一种有效方法。