物流配送车辆优化调度模型研究

综合我国物流配送的特点,在车辆类型、车辆载重、客户时间窗等约束条件下,建立多配送中心、多车型的物流配送车辆优化调度模型,并综合应用启发式算法中的C-W节约法和精确算法中的动态规划法进行算例分析,验证所建模型的正确性.     

随机需求下二级分销网络的整合优化研究

综合考虑供应链分销网络的设施成本、运输成本、库存成本等要素,以分销中心服务水平为约束条件,提出随机需求下一个供应商、多个分销中心、多个分销点的二级分销网络的整合优化模型.采用遗传算法,建立了一个精简有效的编码方法快速求解模型.数值模拟的结果验证了在随机需求下二级分销网络优化模型的正确性和算法的有效性.     

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。     

铁路客运量季节指数计算方法研究

为在铁路客运量预测中消除季节性变化的影响,采用平均数季节指数法、移动平均趋势剔除法、最小平方趋势剔除法对2002年—2004年的铁路客运量计算季节指数,通过误差分析,说明最小平方趋势剔除法能更好地反映运量的季节变动状况,是预测的最佳选择方案。     

与客运专线中心站相衔接的城市交通方式优选研究

分析影响客运专线中心站旅客选择交通换乘方式的主要因素,提出与客运专线中心站相衔接的城市交通方式优选的方法——灰色关联度分析法,用实例说明灰色关联度分析法的计算步骤,并验证其实用性及合理性。     

神经网络与四阶段预测法在铁路运量预测中的组合应用研究

利用神经网络与四阶段预测法组合构造出新的交通量预测模型,以胶济铁路提速改造为例,就构造的客运量预测模型进行了应用研究。其中以平均增长率法计算客流量的交通分布;以重力模型法计算诱发客流;依据运输阻力构建的分担率模型计算转移客流;在计算诱发客流时考虑了时间价值。     

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。     

铁路货运量组合预测模型的研究

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路运输企业制定正确市场营销战略的前提条件。传统的预测方法已经不能适应日益复杂的运量预测需要,因此借鉴国内各种运输方式的运量预测方法,并与铁路的特点相结合,提出适应我国铁路情况的多种预测方法相结合的组合预测模型体系和方法,并通过实例计算,得出2003年—2005年铁路货运量的预测结果。     

网络拓扑结构对交通流量分布特性的影响分析

分析城市交通网络特性,建立双层城市交通网络模型,其中下层为道路网络,上层为出行网络.以节点平均负荷、拥堵节点、网络负荷标准差、基尼系数为主要指标,研究居民出行网络拓扑结构变化过程中道路网络流量分布的变化情况.研究结果显示,出行网络拓扑结构对交通量分布有较大影响,且存在最优出行网络结构,使城市交通状况达到最佳.     

大秦线增加资本投入提高运输密度的分析

资本投入对产出数量起决定性作用。通过对大秦线的资本投入对运量增加的影响情况进行分析,说明加强影响列车质量和密度相关设施的资本投入,对提高产出起到重要作用。同时指出对投向大秦线的资本,应向发展重载技术方面倾斜,能对大秦线运输能力的提高起持续性影响作用。     

铁路行包运量预测模型研究

铁路行包运量预测是以运输需求和内部供给为导向,综合考虑各种影响因素,对行包运量现状和发展的正确把握.探讨利用人工神经网络结合主成分分析的方法,建立铁路行包运量预测模型,解释并预测行包专列开行后铁路行包运量的增长趋势.实例分析的仿真结果表明,采用主成分分析法的广义回归神经网络模型结构简洁、预测精度高、收敛速度快,对相关铁路部门和企业的决策具有参考意义.     

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。