铁路客运量

摘要： 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。

摘要： 对于铁路客运量预测的准确度问题,本研究提出了基于粒子群(PSO)优化最小二乘支持向量机(LS-SVM)重要参数的方法。以1995—2013年的铁路客运量历史数据作为训练集,2014—2018年的客运量作为测试集,用LS-SVM进行建模和预测。针对模型中参数难以选择问题,采用PSO全局搜索方法,与神经网络和LS-SVM的预测效果作比较,仿真表明,采用PSO优化LS-SVM对铁路客运量建模与预测效果更好,精度更高。

摘要： 铁路客运量能够反应所在省市的人口流动量,是铁路经济效益计算的重要基础。本文将传统的灰色预测GM(1,1)模型与马尔可夫链状态转移矩阵相结合,建立灰色马尔可夫预测模型,对2020—2024年烟台市铁路客运量进行预测。结果表明:所建立的模型实现了灰色预测模型和马尔可夫链的优势互补;将灰色预测模型与灰色马尔可夫模型进行对比,后者预测精度更高,模型参考价值得到有效提升,为烟台市铁路各线路计划的制定、掌握铁路客运量发展规律提供理论参考和数据支撑。

摘要： 交通不便,曾经是连云港市民和外地游客的“吐槽点”。“十二五”之前,连云港境内仅有一条陇海铁路横贯东西,“十二五”至“十三五”期间,连云港市铁路发展进入快车道,新建、增建国铁干线5条,总里程318千米,总投资304亿元,市民出行乘高铁可到达北京、上海、南京等近200个大中城市。2021年,连云港全市铁路客运量1337万人次,首次跨上千万级台阶。今天的连云港,干线铁路成环成网、高速动车四通八达,初步形成综合交通新格局,全面融入上海3小时、南京2小时、青岛1.5小时.

摘要： 为了了解以及详细掌握铁路客运量的变化趋势,采用时间序列中自回归差分移动平均模型(ARMA),介绍如何通过ARMA模型对铁路客运量进行定量预测。以新疆统计年鉴提供的新疆铁路客运量数据(1985—2018年)为基准,对该时间序列进行平稳非白噪声处理。结果显示在置信区间合理范围内,ARMA(1,2,2)提供了比较准确的预测结果,可用于对未来客运量的预测,结合模型并对2019年新疆铁路客运量进行预测,以期为新疆运输业的发展提供参考依据。

摘要： 随着生活水平提高,铁路客运量的预测也越来越重要,铁路客运量数据非线性且非平稳,预测难度较大.为了使预测的结果更加准确,将经验模态分解模型与支持向量机模型进行组合,对铁路的客运量数据进行预测.首先运用经验模态分解模型将铁路客运量数据分解,提取前三个不同频率的平稳分量以及余项;然后使用支持向量机分别对其进行回归预测,在建立模型时,使用滞后三个月的数据作为输入,当月数据作为输出;最后叠加每个分量的预测值,从而得到预测数据.

摘要： 提高我国铁路客运量的预测精度有利于国家对交通进行规划和管理.选取2010年1月至2019年12月铁路客运量的月度数据,建立SARIMA和RBF神经网络集合组成的预测模型,此模型优点是比单一的季节性ARIMA模型和RBF神经网络模型预测精度相对提高了2.66％和1.82％,组合预测模型精确度达到0.4％以下.预测2020年1月的铁路客运量为31024.13万人.

摘要： 在现代交通运输中,铁路运输的地位很高,通过建立小波神经网络模型,对客运量做出预测.首先将原始数据通过小波去噪,然后进行归一化处理,最后基于小波神经网络建立预测模型,通过对比未去噪的和去噪,发现去噪后的模型误差小.

摘要： 为给铁路运输部门规划设计提供科学准确的短期铁路预测客运量,以2005-2018年铁路月客运量为基础,根据其增长趋势和周期性变化规律,分别采用季节性指数平滑法和季节差分自回归移动平均法(seasonal autoregressive integrated moving average,SARIMA)建立模型,预测2019年铁路客运量,并与实际客运量对比.以平均绝对百分比误差(root mean square error,MAPE)和均方根误差(root mean square error,RMSE)为衡量标准,对比分析2种方法的预测结果.分析结果表明:与指数平滑法相比,应用SARIMA模型使预测的铁路客运量的MAPE减少56.26％,RMSE减少64.61％,SARIMA模型更适合对铁路客运量进行短期预测,精度较高.

摘要： 2020年是“十三五”收官之年。“十三五”这五年,中国铁路跑出了“加速度”。“复兴号”极速飞驰在中国广袤的大地上,拉近了城市之间时间和空间上的距离。购票方式从车站、代售点排队购票到如今互联网购票,身份证、人脸识别乘车逐渐成为主流。人民群众对春运出行服务感到满意的比例从2016年的69%逐年上升至2019年的78%。动车组列车已经承担起铁路客运量约70%,已成铁路旅客运输主力军。在这一个个的变化之中,中国铁路交上了“十三五”的“答卷”。

摘要： 铁路客运量预测与分析对铁路部门采取的有效的应对措施具有十分重要的意义.本文应用基本的BP神经网络和通过L-M算法改进的神经网络对铁路客运量进行预测,实验过程中以2013年1～12月的客运量作为输入,对2014年1～12月的客运量进行了预测,并与实际数据进行对比,结果表明利用L-M算法改进的神经网络预测的值较为准确,该预测算法应用在铁路客运量的预测中效果良好,具有很好的应用和推广前景.

摘要： 按照不同的聚合度对铁路客运量数据进行分析，从而得出不同考察粒度下客流时间序列中的反应的时间特征，并基于以上特征和BP神经网络提出一种改进的神经网络模型，提供模型的建立过程和算法流程，最后通过在春运客流预测中的应用与传统BP网络模型进行对比。

摘要： 本发明公开了一种基于数据修正的铁路日常客运量获取方法，包括，根据预测需求获取一段历史时间段内的日客运量数据集合，根据日客运量波动幅度变化率确定节假日延续期限；按照影响因素将日客运量数据集合分解为多个模态分量；分别对其进行趋势预测，获得对应的预测模态分量重构形成修正值；按照影响因素将修正后的日客运量数据集合分解为多个模态分量，预测并重构形成当前预测需求下的日客运量预测值。本发明技术方案针对目前铁路日常客运的预测工作中，影响因素众多，预测工作难度较大的情况，通过对节假日的客运量进行数据修正，然后将其分解为代表多个影响因素的模态分量分别进行预测后合成，大大提高了日常客运量预测的精确度。

摘要： 本发明公开了一种预测未来城市轨道交通换乘常规公交日客运量的方法，它包括以下步骤：步骤1、收集当前轨道交通线路长度、当前常规公交日客运量、当前轨道交通换乘常规公交日客运量；步骤2、计算当前轨道交通换乘常规公交占常规公交客流比例，步骤3、计算未来城市轨道交通换乘常规公交日客运量。本方法可非常准确获得当前城市未来年轨道交通换乘常规公交日客运量。

摘要： 本发明公开了一种基于数据修正的铁路日常客运量获取方法，包括，根据预测需求获取一段历史时间段内的日客运量数据集合，根据日客运量波动幅度变化率确定节假日延续期限；按照影响因素将日客运量数据集合分解为多个模态分量；分别对其进行趋势预测，获得对应的预测模态分量重构形成修正值；按照影响因素将修正后的日客运量数据集合分解为多个模态分量，预测并重构形成当前预测需求下的日客运量预测值。本发明技术方案针对目前铁路日常客运的预测工作中，影响因素众多，预测工作难度较大的情况，通过对节假日的客运量进行数据修正，然后将其分解为代表多个影响因素的模态分量分别进行预测后合成，大大提高了日常客运量预测的精确度。

摘要： 本发明提供的一种客运信息可视化的客运量预测系统，包括：数据获取模块、数据库、分析预测模块、可视化交互模块和数据管理模块，运用可视化与用户交互技术，集查询、统计、数据挖掘和分析于一体，在建立和完善数据汇交、数据更新的机制的基础上，通过对全国旅客客运量、城市旅客发送量、旅客出行量等基础数据和专题信息的汇集、整合，基于数据建立预测模型，观测客运市场需求，开展异构、异源、海量数据资源的深度挖掘，为列车开行方案的制定提供依据。通过可视化界面以及数据管理功能，直接面向用户提供友好的人机交互界面，方便非专业的管理与决策人员操作。同时为相关部门提供数据共享和信息化服务，为铁路局的管理决策提供支撑。

摘要： 本发明公开了一种预测未来城市轨道交通换乘常规公交日客运量的方法，它包括以下步骤：步骤1、收集当前轨道交通线路长度、当前常规公交日客运量、当前轨道交通换乘常规公交日客运量；步骤2、计算当前轨道交通换乘常规公交占常规公交客流比例，步骤3、计算未来城市轨道交通换乘常规公交日客运量。本方法可非常准确获得当前城市未来年轨道交通换乘常规公交日客运量。

摘要： 本发明公开了一种基于分布滞后模型的客运量预测方法。引入计量经济学以及投入‑产出模型，运用Pearson相关系数法从三个与客运量之间存在很强相关关系的变量中筛选出相关性最强的变量——交通消耗量，从产业结构调整的角度出发，及在考虑当年及当年之前自变量的影响下，融入计量经济学模型方法进而构建相应的分布滞后模型，使得公路客运量预测模型性能更加优越。

摘要： 本发明是授权发明专利轨道交通合分联运方法在地铁轻轨领域的应用。鉴于我国一线二线城市多条线路普遍出现上下班高峰时段超载拥挤的状况，严重影响到上班族乘客的工作和休息，成为城市骨干交通的痛点，而线路车站改扩建又是非常地困难。本发明就是将两列左右车厢的合分联运列车，通过联合的“合”运行模式大幅提高运量50％～130％，同时采取分时、分段的“分”操作模式规避有限长度站台对长列车运行的限制束缚，解放轨道交通生产力，将产生特别良好的社会经济效益。

摘要： 本发明的目的是提出一种基于SBS‑BP神经网络的公路客运量预测方法，利用BP神经网络建立公路客运量数学预测模型，并且利用SBS算法优化特征改进BP算法模型，使得公路客运量预测模型性能更加优越。

摘要： 本发明涉及一种基于智能函数组合优化GM(1,1)模型的客运量预测方法，所述预测方法包括如下步骤：步骤1：构建客运量预测模型

摘要： 本发明公开了一种基于线路客运量的动态高峰期预测的方法，包括如下步骤：采集历史客运量数据并训练LSTM客流预测模型；预测未来一天的时间‑客运量数据；利用最小二乘法多项式拟合未来一天的时间‑客运量数据，得到拟合函数；画出拟合函数的曲线，计算拟合函数的一阶导数和二阶导数，得到曲线的各个波峰点；以客运量均值为基准计算高峰期。本发明具有预测所得的高峰期更加具有实际参考价值，高峰期客运量统计更具实际参考价值的特点。