基于季节调整模型的我国铁路客运量波动分析

在研究TRAMO/SEATS季节调整模型计算方法的基础上,基于我国铁路2002年1月—2010年2月的客运量月度数据,应用Demetra软件,通过季节调整模型参数设置、模型的估计和检验,得到2010年3月—2012年2月的铁路客运量预测值,并对预测结果进行趋势性和季节性分析。研究结果表明,Tramo/Seats季节调整模型的预测精度较高。     

铁路客运专线的客运量预测

铁路客运专线建成后,其运量主要由趋势客运量、转移客运量和诱增客运量3部分组成。指出在转移和诱增客运量预测中应注意OD调查购准确性、服务特性的拟定和模型参数的标定。同时提出客运量分配时应注意的几个原则,以及有待进一步研究的主要问题。     

基于自组织数据挖掘的铁路客运量预测方法研究

由于传统的预测方法难以对影响铁路客运量变化的因素进行全面考虑,其预测精度不高.选择影响铁路客运量变化的因素:经济社会发展的原生性需求、铁路自身供给能力、不同交通方式、客运价格和旅行费用、运输服务质量等,建立基于自组织数据挖掘的铁路客运量预测模型.通过算例进行验算结果表明,自组织数据挖掘建模预测方法在变量多、数据少、普通的建模预测方法难以胜任建模任务的情况下,可以得到较满意的结果,适宜进行多因素的铁路客运量预测.     

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。     

基于灰色预测模型的铁路客运量预测研究

在介绍灰色预测基本原理和算法的基础上,应用灰色预测理论开发了基于MATLAB的铁路客运量预测程序,主要功能是以交互的方式输入数据,动态输出显示模型曲线图形和方程。通过建立株洲站旅客发送量的灰色预测模型,说明利用灰色模型预测铁路客运量具有良好的精度,可以为客流组织提供依据。     

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。     

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。     

向莆铁路客运量分析预测

客运量预测反映了未来年度铁路运输的任务和工作量,是合理布局路网的主要依据,是确定铁路建设项目技术标准的重要参考数据,也是其他各行业部门(如机车车辆、人才需求)编制规划的基础资料.但是,客运量预测是在大量不确定因素的基础上研究未来趋势,特别是在经济结构调整时期,新情况、新问题不断涌现,难度越来越大,要求越来越高.因此,利用科学合理的方法预测可靠的客运量是近几年专家学者研究的重点之一.笔者结合向莆铁路沿线具体情况,应用目前国内外使用较为广泛的重力模型、Logit模型等结构模型,选择从铁路分流、其他交通方式转移和经济增长诱发3个方面进行客运量预测.     

突发事件对我国铁路客运量的干预特征研究

基于新冠肺炎疫情等突发事件对人们日常生活出行的影响,结合X-13ARIMASEATS季节调整模型的自动识别最优ARIMA模型和检测突发事件离群值功能,使用脉冲函数和阶梯函数设计基于离群值的突发事件的干预变量,构建铁路客运量的时间序列ARIMAX干预模型,对铁路客运量近年受到的SARS疫情、铁路客票实名制政策和新冠肺炎疫情等突发事件的冲击趋势进行干预比较分析。结果显示,SARS和新冠肺炎疫情对铁路客运量冲击较大,SARS疫情在冲击滞后的第5~6期铁路客运量基本得到恢复,新冠肺炎疫情对铁路客运量冲击一直在持续中,铁路客运实名制政策实施社会性较强,冲击具有波动性和不稳定性特征,持续时间较短;相对季节调整模型的趋势分析优势,干预模型拟合预测精度显著高于季节调整模型,预测显示我国铁路客运量在缓慢持续回暖中。     

运用前向神经网络法预测铁路客运量

为提高铁路客运量的预测精度,应用一种非线性预测方法:多层前向神经网络建立铁路客运量预测模型。在介绍误差修正学习算法和误差反向算法的基础上,通过预测实例计算,与其他3个常用预测模型:多元回归模型、简单移动模型和平均移动模型进行预测比较,结果表明误差反向算法的多层前向神经网络模型预测精度最高。     

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。     

新建铁路项目分流运量计算方法研究

根据铁路运输的特点,把新建铁路项目所承担的客货运输量的交流范围划为项目的影响范围,结合影响范围内的客货OD流和相关径路表,分析借鉴公路交通量配流模型,提出新建铁路项目分流运量计算方法,并举例说明其应用。     

基于Holt-Winter模型的铁路货运量预测研究

建立Holt-Winter预测模型，将具有线性趋势、季节变动和随机波动的时间序列进行分解研究，并与指数平滑法相结合，分别对长期趋势、趋势的增量和季节波动做出估计。介绍该模型的3个平滑方程和1个预测公式，以及初始值的计算和最优加权系数值的确定。通过实证分析，将预测结果与常用模型进行比较，说明该模型的预测精度较高。     

铁路枢纽内客运站设置方案研究

为确定大城市铁路枢纽内客运站设置数量及其布局的最佳方案,研究了评价方案效果的4项指标:建设成本、运营成本、通过能力占用和旅客走行距离。并以这4 项指标总效果最优为目标函数,以供需平衡、能力限制为约束函数,通过求解模型得到最佳方案。     

铁路客运营业利润指标问题研究

客运营业利润是铁路客运的主要效益指标。该指标与旅客运输收入成正比,与客运支出成反比。通过对客运营业利润指标的主要影响因素进行分析,指出制定列车开行方案要综合测算旅客需求、客流等对客票收入的影响,以及车辆配置、列车开行的运营支出,选择差额收益最大的方案。同时要大力开展客运营销,搞好客运服务,从而实现客运营业利润的最大化。     

基于旅客心理需求的铁路客运服务综合评价模型研究

在分析铁路旅客心理因素的基础上,建立了基于旅客心理需求的铁路客运服务综合评价指标体系。通过突出旅客心理的情感性反应指标、乘坐兴趣与意向指标,以及主观综合评价指标在铁路客运服务综合评价中的重要作用,结合算例分析,运用随机与模糊数学中的评价分析方法,对铁路客运服务指标进行综合评价分析。     

基于复杂系统的铁路客流影响因素分析研究

基于复杂系统的理论,从时间、空间、客流属性、运输价格和运输能力等方面,分析研究客流的影响因素,得到铁路客流影响因素集和参数集,为铁路客流预测和铁路旅客运输系统的决策提供参考。     

预测铁路旅客运输市场发展趋势的研究

为了准确反映铁路旅客运输市场的波动情况,有必要建立铁路旅客运输市场景气预警监测系统,以对我国铁路客运的宏观管理决策、适时调控和动态监测等提供支持手段。为此根据1987年—2001年我国铁路旅客运输市场的实际状况,建立了景气预警监测系统模型,对系统评价指标的设置、景气指数计算和控制信号灯系统等进行了论述,并对模型进行了实证分析。