铁路客运量
铁路客运量的相关文献在1986年到2022年内共计125篇,主要集中在铁路运输、交通运输经济、自动化技术、计算机技术
等领域,其中期刊论文123篇、会议论文2篇、专利文献45050篇;相关期刊86种,包括青春岁月、数量经济技术经济研究、商丘师范学院学报等;
相关会议2种,包括2011年中国智能自动化会议、第十届中国智能交通年会等;铁路客运量的相关文献由182位作者贡献,包括付洁、刘重庆、夏国恩等。
铁路客运量—发文量
专利文献>
论文:45050篇
占比:99.72%
总计:45175篇
铁路客运量
-研究学者
- 付洁
- 刘重庆
- 夏国恩
- 张鹏
- 彭辉
- 梁斐
- 汪健雄
- 汪志红
- 王卓
- 王艳辉
- 胡章浩
- 谢小山
- 贾利民
- 赵亚军
- 金炜东
- 陈彦恒
- 黄洪
- Cheng Qingbo
- Lv Xiaojun
- Wang Fangyuan
- Wang Hongliang
- 丁源
- 乔谊正
- 于俊
- 于波
- 仉月莹
- 佟昊
- 侯玉宁
- 冯善唐
- 冯晨
- 冯芬玲
- 刘亚琳
- 刘娟
- 刘婧
- 刘孝辉
- 刘岩
- 刘崇文
- 刘建军
- 刘彩霞
- 刘春煌
- 刘殿胜
- 刘澜
- 刘环宇
- 刘琳玥
- 刘艳霞
- 刘金培
- 单杏花
- 南敬林
- 叶红玲
- 吉莉
-
-
汪志红
-
-
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。
-
-
王喜燕;
刘亚琳
-
-
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。
-
-
彭丽洁;
邵喜高;
黄万明
-
-
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。
-
-
无
-
-
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.
-
-
蔡倒录;
王伯礼
-
-
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。
-
-
张鹏;
张海燕
-
-
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.
-
-
王国贤;
范英兵;
王凤玲;
谢安琪
-
-
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.
-
-
张鹏;
唐琴琴
-
-
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.
-
-
王雷;
金勇;
刘岩
-
-
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.
-
-
陈建东
-
-
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”。