铁路客流现状分析及其对策探讨

随着社会发展和人民生活水平的提高,人们出行的次数逐年增多。铁路在旅客发送量增长的同时,所占市场客运总量的比例却逐年下降。在分析客流组成和影响因素的基础上,提出铁路客流相对下降的具体原因。同时结合新时期市场需求,提出加强铁路客运工作的基本思路。     

SPSS在铁路春运客流调查中的应用

在对南昌站2005年春运客流状况的问卷抽样调查的基础上,利用SPSS软件提供的交叉列联、多选项、对应分析等功能,对调查数据进行了实证研究。选择乘车目的、购票途径、出行考虑因素、客流流向等问卷的代表性项目进行统计分析,得到南昌站春运客流相关因素的关系,为改善运输组织和提高服务质量提供依据。     

基于客流性质的铁路客流预测方法

运用基于客流性质的铁路客流预测方法对银川—宁东铁路运营初期(2016年)、近期(2023年)和远期(2038年)客流情况进行预测。采用四阶段法对不同性质客流进行生成预测、分布预测和不同交通方式分担预测,通过各种性质客流的叠加,进行总体客流分析,得到研究区域全天客流变化和高峰情况,以及有关客流预测的主要指标。基于客流性质的铁路客流预测方法在客流性质区分明显的情况下,能够具有较好的精确度。     

铁路短期客流时序规律分析

阐述铁路客流形成机理,从宏观和微观两个层面分析铁路客流的影响因素.利用铁路客票数据,对铁路短期客流的时序特点进行周期性、趋势性及平稳性的研究,得出铁路短期客流总体平稳、并以周为单位的周期变化规律.     

铁路商务客流市场探析

铁路技术装备现代化后,研究商务客流的需要和商务旅客选择运输方式的规律,并通过增加运输能力,改进售票方式,提供优质服务等措施,有利于解决非节假日铁路列车的虚糜问题,以及在铁路大提速和跨越式发展中争取客源、提高与其他运输方式的竞争力。     

基于原子激发能级的铁路客流短期预测的研究

借鉴波尔原子模型,提出和建立了涵盖特殊时段客流量与平日客流量的客流激发能级模型,将客流短期预测问题转化为激发态客流增量的确定和基态趋势客流预测两个问题.针对激发态客流增量确定的问题,提出了对影响因素进行能级评定的模糊综合评价方法,并通过实例加以说明.     

成都市铁路客流特征与客运站布局研究

随着成都市社会经济的发展，城市用地规模不断扩大，既有铁路客运站布局已经不能满足城市发展的需要。通过深入分析成都市铁路客流的出行总量、客流构成、出行目的分布、出行量空间分布、时间分布和换乘方式分布，得出成都铁路枢纽的相关客流特征，并据此对优化铁路客运站布局和新客运站的选址进行初步分析，提出建议方案。     

城际铁路跨线客流运输组织模式研究

城际铁路跨线客流运输组织模式对线网主要技术标准选择、各线互联互通设计有重大影响,并在一定程度上决定了未来线网的运营服务水平。分析影响跨线客流运输组织模式选择的主要因素为跨线客流的强度、跨线列车对线网运营的影响、线网建设及运营管理方式、线路通过能力使用情况等方面,归纳换乘和开行跨线列车2种模式的主要优缺点,结合珠三角及武汉城市圈城际铁路规划线网实例分析表明,城际铁路跨线客流的运输组织模式应根据具体的跨线客流特征等因素综合考虑。     

成渝铁路客流特征分析及营销对策研究

通过对成渝铁路的旅客问卷调查,分析成渝铁路的客流特征、旅客需求和客运产品情况,从优化列车运营、提高站车服务水平、完善与丰富客票销售渠道3个方面提出改进建议。从树立动车组列车品牌、采取灵活的价格策略、培育固定客流和开展特色服务等方面探讨成渝铁路客运产品营销策略,提升成渝铁路旅客运输竞争力。     

基于径向基神经网络的铁路短期客流预测

在分析径向基神经网络原理和铁路客流时序特征的基础上,建立基于径向基神经网络的铁路短期客流预测模型,通过径向基神经网络把客运量的年规律、周规律等时间属性有机结合,有效解决客流数据的复杂性和非线性问题。以T15次列车为例进行硬座席别的客运量预测结果表明,径向基神经网络预测模型对铁路短期客流的预测效果较好。     

兰州至中川城际铁路客运量分担率计算及应用

基于兰州至中川城际铁路列车开行方案及旅客出行意愿调查,通过采用相对效用值代替传统Logit模型中的效用函数值对其进行改进,并选择安全性、经济性、快速性、方便性、舒适度5个主要指标进行预测影响分析,运用改进后的Logit模型对其客运量分担率进行估算。结果表明,该城际项目建成后的初期分担率为50.89%,考虑随着国民经济水平的提高,旅客选择交通方式将越来越重视旅行速度,若加大城际铁路开行频率、提高运行速度,其市场占有率仍有很大的提升空间。     

铁路客票价格策略浅议

通过对铁路与公路、民航客运运价的比较及铁路客票价格调整后旅客发送量下降情况,分析了铁路客运在运输市场所占份额下降的原因,从而提出了短途及中长途距离旅客砂采取的主有关的客票价格策略。     

我国铁路旅客发送量预测模型研究

采用2006—2010年我国铁路旅客发送量月度数据,建立模型进行时间序列分析,选用求和自回归移动平均模型(ARIMA)拟合原始观察值序列,并使用PASW Statistics 18统计软件辅助完成建模。通过对2010年3—12月铁路旅客发送量进行预测,说明ARIMA模型有比较好的预测效果,可以为提升铁路营运水平提供预测理论和依据。     

综合运输体系下的客流量分析模型及应用

充分考虑影响出行者对交通方式选择的主要因素,分析存在多种交通方式的情况下,出行者对交通方式的选择行为,将随机理论应用于城市间多种运输方式竞争条件下的客流量分配问题,构造了相应的数学分析模型。通过实例分析,说明提出的模型和算法可应用在实际问题中,得到的结果基本符合实际情况。     

基于傅里叶级数的铁路客运量预测研究

基于傅里叶级数预测模型,以我国2004—2009年铁路客运量为数据基础,通过将时间序列划分为趋势性与季节性部分,分别采用最小二乘法与傅里叶级数法对两者进行拟合,应用Matlab软件编程,求出预测模型,并进行客运量预测。通过对预测结果的误差分析,结果表明:采用傅里叶级数预测法预测我国铁路客运量的效果较好。     

基于分形理论的铁路客货运量预测

在阐述分形基本理论和分析铁路运输时间序列分形特性的基础上,基于变维分形理论对铁路客货运量进行预测。根据铁路运量分形预测原理及步骤,以全国铁路运量预测为例进行分析,计算得到铁路2012年、2015年、2020年的客货运量,以及2010—2020年的客货运量增长率,并对预测结果进行了具体分析。     

基于灰色马尔柯夫过程的铁路客运量预测方法研究

将铁路客运量预测分为运量趋势预测和运量波动预测,分别采用灰色GM(1,1)模型和马尔柯夫过程进行预测,并将两者结合形成灰色马尔柯夫铁路客运量预测方法。根据1990年—2002年的铁路客运量数据,预测2003年的客运量以检验模型预测效果,并对我国“十一五”期间铁路客运量进行预测,分析证明基于灰色马尔柯夫过程预测方法的预测可信度。     

基于IPSO-BP神经网络的铁路客运量预测

在分析有关铁路客运量预测方法的基础上,针对BP神经网络模型存在的不足,提出基于粒子群优化算法(PSO)优化BP神经网络的参数,即改进的PSO方法(IPSO)。以我国1990—2007年的铁路客运量为研究对象,确定输入样本和输出样本,以及训练集和测试集,建立基于IPSO的BP神经网络优化模型预测铁路客运量。预测结果表明,IPSO-BP网络的算法训练时间短,收敛速度快,预测精度高。     

铁路客运量前景预测模型

通过对当前存在的各种预测模型分析,找出其优点与不足,利用统计方法建立了铁路客运前景预测模型。该模型从影响铁路客运量的因素分析入手,选取了与客运量密切相关的指标进行预测,得出较精确的定量预测结果,以便于决策者使用。