65
YUNSHUSHICHANG 2007/
7
高速铁路客运量预测是项目规划和建设的依据, 也是经济效益计算的基础。目前常用的高速铁路客运量预测方法是四阶段法,其中最主要的方式划分预测又基本采用了Logit 模型。但由于Logit模型存在的某些特性会在一定程度上影响预测的准确性,因此在应用四阶段法进行预测时,必须分析和掌握这种特性, 以便选择适当的高速铁路客运量预测方法。
目前大部分高速铁路客运量预测所采用的预测方法(包括京沪高速铁路客运量预测主要由以下两部分内容组成:
一是以社会经济变量(各交通小区的GDP或人口和阻抗变量(各交通小区间的广义价格作为自变量预测研究区域内特征年度总的旅客 OD 交流量,预测一般采用重力模型;
二是用一个涉及多种运输方式的选择模型确定现有运输方式和新的高速铁路的出行份额和出行量,而且所有方式的出行份额加总为 100%。典型地,用于方式选择的是一个多元的 Logit 模型。
然而,由于 Logit 模型的非相关选择方案独立特性(IIA, 高速铁路的预测运量必须直接与现有方式间的运量份额比值成正比关系,因而使预测结果的准
确性降低, 这也是该方法最主要的缺陷。如果不进行改进, 该方法的模型运行结果就会出现如下情况:当一种现有运输方式本身占有较高的份额时,高速铁路从中得到的转移到运量份额也随之较高。例如,假设任意两个区域间的出行 50%是由小
汽车完成的,则采用该方法预测将会得到 50%的高速铁路运量份额是从小汽车转移过来的。分析我国现状的客流组成,这一情况实际上是不可能发生的。
为了减少非相关选择方案独立特性所产生的问题,某些预测采用了另外一种方法。该方法也是首先预测各种运输方式的合计 OD 客流量,然后用一个多层的 Logit 模型(NL来确定高速铁路和其他相关方式的市场份额。多层 Logit 模型
高速铁路客运量预测方法选择
□张康敏刘晓青
66
YUNSHUSHICHANG
2007/
7
通过一种树状结构将选择方案分为若干层次, 其中同一层次的方案类似性较大, 而不同类型的方案则作为不同层次, 这样就解决了模型误差项的独立同分布性,即 IIA 问题。该方法的另一个特点是可以根据选择方案对高速铁路的影响分别进行处理。例如, 小汽车的份额较低, 可以将其从常用的运输方式中分离出来作为独立的选择方案子集。此外,这种模型结构还可以分析不同运输方式在时间和票价
上的优势。例如,乘坐长途公共汽车和常规铁路的旅客对票价的敏感度高于对时间的敏感度, 而民航乘客则相反,对时间的敏感度更高。将这些运输方式放入不同的选择集, 即可准确预测各自的市场份额, 并避免彼此间的相互影响。
由此看出, 采用这一方法首先必
须建立合理的选择树, 即确定对高速铁路影响较大的现有运输方式, 例如民航和常规铁路, 而这又是与影响最小的方式例如小汽车发生相互作用的。然后通过计算不同层的广义价格变量(或 log-sum 变量得到运输方式
的市场份额,其中 log-sum 变量是由
各运输方式的服务水平组成的。但该方法的应用主要有两个问题:
1.log-sum 的函数形式比较复
杂,故其参数标定不易得到准确结
果, 而多层的选择方案又增加了构造log-sum 变量和参数标定的难度。虽
然也可采用较为简单的全有全无法,
特别是在计算小汽车向高速铁路的转移率时,但受方法本身原理的限制,
有时会得到来自小汽车的高速铁路转移率为 0,致使高速铁路运量的预测
结果偏低。
2. 用log-sum变量计算运输方式
的转移率时,各层选择方案的嵌套系
数并没有改变旅行时间和费用组成部分的基本关系,而这些组成部分的数
值又决定了人们对不同运输方式的偏好。例如, 如果出行时面临小汽车、民航、长途公共汽车或常规铁路等运输方式,人们要在这些方式的时间、费
用和方便性之间做出不同的选择,因
此必须采用不同的模型预测从这些现有方式上转移到高速铁路的出行量。
总之, 第二种方法基本解决了非
相关选择方案独立特性问题, 因而总
体上优于第一种方法, 但在处理运输
方式选择的多样性方面还存在一定缺
陷。
随出行目的(例如公务和非公务出行而变化,这一方法也注意到:面对高速铁路的出现人们也会表现出不同的选择行为。这是因为现有方式,例如小汽车和其他常用运输方式的出行具有广泛的时间价值和需求弹性, 而且对方便性和灵活性的处理也不相同。由于本方法认为现有的出行者已经揭示或表现出了他们选择可能的运输方式的偏好, 因此对于每一种方式和出行目的的市场份额, 惟一需要做的是确定出行者在给定服务水平条件下转移到高速铁路的百分比。此外,这种
针对以上两种方法的不足, 本文
提出了一种高速铁路客运量预测方
法。它的主要过程是首先预测每一种
现有运输方式的出行量, 然后用不同
的方式选择模型确定每一现有运输方
式转移到高速铁路上的出行份额, 即
这一份额是高速铁路和现有运输方式
的相对服务特征和其他因素的函数。
正如人们普遍意识到个体选择行为会
方法还可以检查函数形式和区别每一市场划分的变量定义, 而前两种方法是做不到这一点的。在非相关选择方案独立特性上, 由于这一方法没有用一个统一的模型描述所有选择方案, 而是将每一方案与高速铁路进行比较,然后分别计算转移运量,因而不受非相关选择方案独立特性的影响。本文提出的高速铁路客运量预测方法包括以下 3个步骤:
1.首先应用直接需求模型预测
特定时间段每一现有方式的总出行
67
YUNSHUSHICHANG 2007/7
量,预测模型需要输入的变量包括 O 点和 D 点的人口水平或社会经济发展水平以及 OD 点之间每一出行者所能够选择的现有运输方式的服务水平。
基于总出行量需求模型以及各种输入变量(例如人口、收入和服务水平的发
展变化,即可预测现有每一运输方式在没有高速铁路情况下未来年度的出行量。
2.预测现有运输方式转移到高速铁路的出行量份额, 其中对于每一现有的运输方式和出行目的必须采用不同的关系表达式。这一部分内容的预测变量包括 OD 对间每一现有运输方式和预计的高速铁路进站时间、出站时间和干线旅行时间,O D 对间每一现有运输方式和预计的高速铁路进站费用、出站费用和干线旅行费用, 每一现有运输方式和预计的高速铁路服务频率和终点作业时间, 高速铁路相对于每一现有运输方式的其他服务特征效应。
如前所述, 本方法所采用的关键研究成果是当面对应用高速铁路的选择或机会时,原计划乘坐民航、铁路和小汽车的人们会表现出不同的出行行为。这就意味着同样的高速铁路选择将在现状和未来的民航、小汽车和铁路用户之间得到不同的转移比例。
如果出行者已经揭示或表现出这些不同的期望值, 相对于目前应用的运输方式, 他们对高速铁路的旅行时间、票价和舒适度将做出完全不同的反应。以这种方式分解市场得到的结果代表了个体是如何做出城际出行的决策。当然,任何通道从民航、铁路和小汽车实际转移到高速铁路的运量都将取决于速度、票价、服务频率、车站位置和新铁路服务的舒适度。
应用方式选择模型预测高速铁
路在每一市场划分中的份额需要对众多的解释变量进行实证检验。例如, 我们可以分别定义干线运输时间、进站和出站时间、等候时间以及旅行费用变量等。另外,我们也可以有选择地对这些变量进行不同的组合和转换。在建立城市交通模型时,一个典型的观测是出行者的车外时间是在车时间的两倍。然而,当建立城际出行的模型时,这种关系肯定要发生变化,至少是由于出行目的和出行距离的不同。
例如, 当出行距离相对较短, 旅行进站和出站时间将比干线运输时间重要得多。相反,对于距离较长的出行,进站和出站时间的价值将会降低(它们只是被当作干线运
输时间的百分比。这种结果可以在许多研究中发现,而且是符合一般规律的。
3. 进行诱发运量预测时, 必须将方式选择模型的效用函数结合到需求模型中。一般来说,诱发需求是一种新方式加入后而产生的需求,它既可以来自其他现有的运输方式,也可以在某些经过选择的 O D 对之间,但诱发需求不包括由于正常人口和就业增长而产生的新的出行需求。在实践中,新方式的诱发运量应与市场份额
和相对于现有运输方式的吸引度密切相关。一个预计在现有市场中占有
30%~40%市场份额的新运输方式有可能诱发出本身的出行。相反,如果这一方式仅仅吸引了 1%的现有出行量,则不可能产生诱发运量。
考虑到诱发运量与方式选择的关系, 诱发运量预测方法必须与方式选择预测模型一致。这就意味着出行者从方式选择模型得到的服务水平变量的数值要结合到总需求模型中。具体的方法是采用方式选择模型系数, 使有关新运输方式服务水平的改进等同于有关现有运输方式服务的改进。因此, 这种方法将保证诱发出行的计算反映所有出行选择的各种运输方式在服务措施上的取舍和决策。
因此, 预测与引进新高速铁路方式相关联的诱发出行只需计算这一引进所导致的可比价格的降低, 也就是新方式引进后由于服务水平提高所降低的广义价格的具体水平。如果引进的新方式能够占有较大的市场份额, 出行条件的改善效果将非常明显;反之, 如果新方式所占有的市场份额较小,对出行条件改善的影响也非常小。
目录 铁路旅客流量预测客 (1) 摘要 (1) 一．问题重述 (1) 1.1引言 (1) 1.2问题的提出 (2) 二．问题分析 (2) 2.1根据不同的限制条件整理数据，分析数据的分布 (2) 2.2利用问题一中的结论，建立数学模型 (2) 三．模型假设与符号说明 (2) 3.1.1模型假设 (2) 3.1.2符号说明 (2) 3.2.1模型假设 (3) 3.2.2符号说明 (3) 四．模型的建立与求解 (3) 4.1.1 数据分析处理 (3) 4.1.2利用信息增益的计算公式求出各个特征属性的信息增量 (4) 4.1.3 根据图表分析在不同的特征属性内部客流量的变化规律 (6) 4.1.3.1按车的种类分析 (6) 4.1.3.2按站点分析 (7) 4.1.3.3按时段分析 (8) 4.1.3.4按区间大小分析 (8) 4.2.1灰色预测 (9) 4.2.2问题分析与准备 (10) 4.2.3预测模型的建立 (12) 五．模型的优缺点 (13) 5.1 优点 (13) 5.2 缺点 (13)
六．参考文献 (14) 七． (14) 八．附录 (15)
铁路旅客流量预测客 摘要 铁路客流量预测，可以为制定合理的价格、改善客运站组织方式、优化铁路车辆资源配置、提高客运设备的服务能力提供帮助，对提高铁路客运运输效率具有重要的意义。 影响客流量的因素有很多，例如车次，时间，车站，区间，天气，节假日等。现在我们分析前四个因素对客流量的影响，我们首先引用信息熵概念来计算具体哪个因素对客流量的影响最大，并通过ID3算法生成决策树，根据所得生成树可以快捷方便的分析客流量规律。 在对原始数据进行研究分析后，车站对于客流量的影响最为显著，于是将车站这个因素选定为了主要变量，然后从这个主要变量着手，核心思想是通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化，这种模型对于挖掘和利用原始数据有很好的帮助，同时参考了在问题一中所得出的客流量的一般规律，最终采用累减生成的放松得到了一组灰色序列以弱化数据的随机性和预测未来客流量。 关键字：信息熵ID3算法灰色预测模型 一．问题重述 1.1引言 随着《关于改革完善高铁动车组旅客票价政策的通知》的发布，高铁动车票价将根据市场情况自行定价。铁路部门为了保持市场的竞争力，实现利润最大化，需要了解日常铁路客运流量、淡旺季变动指数、冷热门线路的体情况，而其中对客流的预测是准确把握市场的首要条件，因此铁路客流预测的研究也成为铁路客运服务需要重点研究的方向。 然而铁路客流量受多种因素的影响，比如：“春运”期间铁路客流量骤增，导致铁路运力无法满足客户乘车需求，同时也给铁路客运组织带来巨大压力。在非节假日期间，一些冷门线路区间上座率不足，造成铁路车辆资源的浪费。因此铁路客流量预测，可以为制定合理的价格、改善客运站组织方式、优化铁路车辆资源配置、提高客运设备的服务能力提供帮助，对提高铁路客运运输效率要的意义。 1
一、意义 1、设计铁路能力的依据。客运量是选定铁路主要技术标准的依据，而主要技术标准又决定着运输装备的能力，它不应小于调查或预测的客运量，以满足国家要求的运输任务； 2、是评价铁路经济效益的基础。客运量决定铁路的运营收入、运输成本等经济效益指标。客运量大，则收入多、成本低； 3、是影响线路方案取舍的重要因素。铁路选线中，出现大量的线路方案比较。若运量大，则投资大的方案中选，运营支出小。 总之，若调查或预测的客运量偏大，则铁路标准偏高，技术装备能力也偏高，因而投资较大。但运营后发现实际运量偏小，则会造成铁路能力闲置，投资浪费，由于运营收入少，铁路的经济效益必然降低；若调查或预测的客运量偏小，虽初期投资省，但运营后能力很快就会饱和，从而过早的引起铁路改扩建，追加投资增大，也不经济。 二、影响客运量的因素 直通吸引范围：等距离原则划定（“哪边近走哪边”），上下行分别勾画； 地方吸引范围：运价最低（运距最低）原则确定（“哪边花钱少走哪边”）。 随着社会经济的不断发展，客运量也在不断增加，因此，只有把握住影响客运量增长的因素，才能更好地预测出客运量的大小。影响因素主要有： 1、国家的政治、经济形势，国民经济的增长速度与发展战略，运价政策和旅客对运费的承受能力，这些因素，在预测远期运量时需加以考虑； 2、设计线在路网中的地位和作用，以及邻接铁路的布局和能力，都将影响直通客运量； 3、设计线沿线的资源情况，工矿、电力等大型企业的发展规划，农林牧副渔和乡镇企业的发展情况，以及城乡人口、人均收入的增长情况，也将影响地方客运量； 4、设计线沿线的公路、水运等交通状况和发展规划，将影响设计线分担客运量的比重； 5、突发事件的影响：疾病、自然灾害等。 三、客运量预测方法 定性预测方法是主要以预测人员的经验判断为依据而进行的预测。预测者根据自己掌握的实际情况、实践经验、专业水平，对未来货运发展前景的性质、方向和程度做出判断。其特点为:需要的数据少，能考虑无法定量的因素，比较简便可行。 定性预测方法：经济调查法（直接估算法：根据规划线吸引范围内的经济、人口、人均收入等情况，比照邻接铁路每天开行的旅客列车对数，直接估计规划线运营初期每天需要开行的列车对数，远期可按每隔若干年增加一对估算）、德尔菲法（专家调查法）、类推法（时间类推和局部类推）、头脑风暴法等。但这种方法往往在很大程度上取决于参加预测的人员的经验、专业理论水平以及所掌握的实际情况，因此存在片面性，准确性不高的缺点。 定量预测方法则是以历史统计资料和有关信息为依据，运用各种数学方法来预测未来客运市场需求情况，即未来的运量。定量预测方法最大的优点就是客观性，这类方法的预测精度和可靠性在很大程度上取决于数据的准确性和预测方法的科学性。 定量预测方法：时间序列法（移动平均法、指数平滑法、季节指数法、自回归分析、趋势外推法、灰色预测法）、影响因素分析法（回归分析法、系数法：乘车系数和产值系数）、四阶段法（交通生成、交通分布、交通方式划分、交通流分配）。 时间序列分析预测法是一种依据客运量的历史变化趋势，找出其随时间变化的规律，并通过数学模型来表示，然后根据模型来进行预测的方法。这种方法的主要优点是需要数据少、简便，只要所研究的运量时间序列的趋势没有大的波动，预测效果较好。这类方法的缺点是无法反映出运量变化的原因，对于影响运量变化的外部因素变化，如调整经济政策和发展速度而引起的运输需求的变动无法反映。 影响总运输需求的主要因素有很多，但具体的预测目标类型、范围是不同的，必须细致地分析其最
铁路客流量预测 铁路客流量预测 目录 一、摘要 (2) 二、选题背景与意义 (3) 三、模型建立与求解 (5) 3.1、ARIMA 模型 (5) 3.1.1、自回归移动平均模型 (6) 3.1.2、季节性预测法 (6) 3.1.3、模型求解 (7) 3.2、灰色预测模型 (12) 3.2.1 、GM(1,1)模型. (6) 3.2.2、模型检验 (8) 3.2.3、模型求解 (9) 四、模型分析与结论 (11)
4.1 、方法分析 (11) 4.2、模型缺点 (12) 五、附录 (12) 一、摘要 摘要：文章以铁路客流量的短期预测作为切入点，采用定量的时间序列分析方法，建立季节自回归综合移动平均（季节性ARIMA 模型）模型对时间序列进行量化分析。首先阐述基于该模型的预测的一般过程，即：平稳化处理、差分变换的阶数辨识、参数估计，时间序列模型的构建，然后利用标准 BIC 值，确定较适合的季节自回归综合移动平均模型，取得了较为理想的预测效果。同时运用灰色预测模型建立铁路客流预测模型，对我国铁路客运量进行预测，灰色模型的方法简单，适合在数据少的情况下预测短期客流量，对未来的结果有很好的预测效果。关键词：季节性ARIMA 灰色预测铁路客流量预测 二、选题背景与意义 宏观上来讲铁路客流预测是铁路客运系统合理规划的基础，只有在对规划年度客流的流量、流向、
流径进行合理预测与分析的基础之上，才能合理规划未来铁路客运系统的设施设备，合理安排运量，合理确定系统各阶段的发展目标使整个铁路客运系统与社会经济发展、生产力布局相适应，确保国民经济的正常发展。 微观层上来讲主要有以下三方面。一是铁路客 流量预测是铁路设备建设投资的重要依据。通 过对各项客流预测结果分析，可以合理确定研 究线路近期、中期、远期在路网中的功能和作 用，从而为新线建设、旧线改造和相关客运场 站技术设备修建与改造提供客观的依据。 二是铁路客流预测是编制铁路客流计划的基础。由于我国目前整体运能不足，再加上铁路运输自身的特点，在日常的客流运输组织中需要定期编制相应的客流计划，而准确的客流资料就是该项工作的基础，如果客流资料不完备就会造成运力资源分配的不平衡，从而致使客流滞塞及运力虚糜。 三是铁路客流预测是项目评价及投资估算的依据。铁路客运建设项目是否值得的投资，什么时候投资，投资规模如何，必须依据未来运量来确定。系统建成后，其寿命期内获利多少，也需要借助于逐年的未来运量才能估量和计算。如果没有科学、合
甲 3.枢纽内编组站的分工方案 （1）按改编车流的性质分工 （2）按衔接线路别分工 （3）按线路运行方向别分工。 把入口：由枢纽入口处的编组站担当同一运行方向的车流改编作业 把出口：由……出口…………………………………………………… （4）按作业需要综合分工。 ? 要求会画图（P337) 环形（北京哈尔滨） 并列式（郑州）
4 枢纽内编组站的合理设置位置 基本要求 ①设在城市规划的市区边缘以外。 ②设在各引入线的汇合处，并位于主要车流的路径上。 ③.注意远近结合，留有发展余地。 设置方案 ①主要为中转车流服务的编组 其位置应设在主要车流顺直通行的路径上以及各引入线的汇合处，根据枢纽结构图形的不同，确定编组站的合理位置。 ②.既为中转车流服务又为地方车流服务的编组站 这类编组站位置的选定，既要考虑主要线路车流的顺直折角车流的方便，又要尽量缩短枢纽地区小运转列车的走行距离。 ③.主要为地方车流服务的编组站 其位置应尽量设在靠近工业区、港埠区。 5.枢纽内客运站的设置位置及分工方案 枢纽内有两个以上客运站时，可有下列不同的分工方案。 （#）按衔接线路分别办理始发、终到旅客列车 （!）按办理始发、终到和通过旅客列车分工 （$）按办理快、慢车分工 （%）按办理长途和市郊旅客列车分工 有条件时应尽量采用第一种分工方案，除有足够的理由外，第三种方案一般不宜采 用，只有当市郊客流量较多且集中时，方可采用第四种分工方案。 6.货运站和货场在城市中位置的选择 （!）新建的综合性货运站和货场设在市区边缘或市郊，以减轻对城市的干扰。（"）以办理到发零担货物为主的货运站或货场，其位置以选择在取送中转零担车较方便的编组站附近或编组站内（设中转零担货场时）为宜。 （#）以办理大宗货物为主的专业性货运站或货场，以选择在城市郊区或市区边缘附近为宜。 （$）专门办理危险品货物的专业性货运站或货场，以设在市郊远离居民区和风景点，并选择在下风方向或河流下游地区为宜。 （&）凡新建铁路或旧线改造，应安排集装箱货场，以便拓宽对外贸易业务。 7.枢纽线路的引入方式一般有以下几种： 直接引入。如一站铁路枢纽。 分歧引入。如并列式铁路枢纽。 会合引入。当如顺列式铁路枢纽。 乙
对我国高速铁路客运量预测的探讨 冷俊峰;陆凤山;王美云 【期刊名称】《西南交通大学学报》 【年(卷),期】2001(036)001 【摘要】The influ ence factors of passenger traffic volume and the roleof railway passenger trans portation in our country are analyzed. A method of forecasting the high-speed railway passenger traffic volume in the condition of markete conomy is put forward, I.e.,to forecast the total traff ic volume first, then to determine the traffic volume of high-speed railways according to its role in the total passenger transportation market. Specifically, a sample is given to illu strate the proposed forecasting method.%分析了客运量的影响因素、铁路客运在全国客运市场的地位，提出在市场经济条件下高速铁路客运量的预测方法，即先预测整个客运市场的客运量，再根据高速铁路在客运市场的地位和作用确定其客运量。最后给出一个例子对此予以说明。 【总页数】4页(88-91) 【关键词】旅客运输;预测;高速铁路 【作者】冷俊峰;陆凤山;王美云 【作者单位】长沙铁道学院经济管理学院,;长沙铁道学院经济管理学院,;长沙铁道学院经济管理学院, 【正文语种】中文 【中图分类】U293.1+3
65 YUNSHUSHICHANG 2007/ 7 高速铁路客运量预测是项目规划和建设的依据, 也是经济效益计算的基础。目前常用的高速铁路客运量预测方法是四阶段法,其中最主要的方式划分预测又基本采用了Logit 模型。但由于Logit模型存在的某些特性会在一定程度上影响预测的准确性,因此在应用四阶段法进行预测时,必须分析和掌握这种特性, 以便选择适当的高速铁路客运量预测方法。 目前大部分高速铁路客运量预测所采用的预测方法(包括京沪高速铁路客运量预测主要由以下两部分内容组成: 一是以社会经济变量(各交通小区的GDP或人口和阻抗变量(各交通小区间的广义价格作为自变量预测研究区域内特征年度总的旅客 OD 交流量,预测一般采用重力模型; 二是用一个涉及多种运输方式的选择模型确定现有运输方式和新的高速铁路的出行份额和出行量,而且所有方式的出行份额加总为 100%。典型地,用于方式选择的是一个多元的 Logit 模型。 然而,由于 Logit 模型的非相关选择方案独立特性(IIA, 高速铁路的预测运量必须直接与现有方式间的运量份额比值成正比关系,因而使预测结果的准 确性降低, 这也是该方法最主要的缺陷。如果不进行改进, 该方法的模型运行结果就会出现如下情况:当一种现有运输方式本身占有较高的份额时,高速铁路从中得到的转移到运量份额也随之较高。例如,假设任意两个区域间的出行 50%是由小
汽车完成的,则采用该方法预测将会得到 50%的高速铁路运量份额是从小汽车转移过来的。分析我国现状的客流组成,这一情况实际上是不可能发生的。 为了减少非相关选择方案独立特性所产生的问题,某些预测采用了另外一种方法。该方法也是首先预测各种运输方式的合计 OD 客流量,然后用一个多层的 Logit 模型(NL来确定高速铁路和其他相关方式的市场份额。多层 Logit 模型 高速铁路客运量预测方法选择 □张康敏刘晓青
铁路客运量预测论文 摘要 随着我国市场经济的不断发展，交通运输业已发展成为国民经济的基础产业，特别是铁路运输，在整个综合运输网络中发挥着至关重要的作用。但目前，铁路运输面临着运输数量和质量的双重压力，为解决铁路运输的“瓶颈”问题，促进我国经济的快速发展，我国铁路管理部门己立足于现有基础扩充运力，在既有路线上进行技改提速。运量一直是衡量提速成效的一项重要指标，也是铁路提速项目可行性研究的核心内容之一。本文就是在分析了国内外研究现状的基础上，对客运量预测进行了深入和系统的理论与方法研究，并开展了实际应用。 文章在借鉴已有研究工作的基础上，分为四部分对提速后的客运量进行研究，主要做了如下工作: ①第一部分即绪论，首先分析了国内外对客运量预测的研究现状，并从中找出预测方法中存在的问题与缺陷，从而确定了文章的研究方向。 ②第二部分包括第二、三两章，主要对我国既有线铁路提速的状况以及提速的必要性进行了介绍，分析了提速后运输需求产生的原因以及影响运输需求的因素，同时也阐述了提速后客流的形成和预测的基本原理。 ③第三部分为第四章，也是本文的核心部分。提速后的客运量由趋势客运量、转移客运量、诱发客运量三部分构成。由于其产生的机理各不相同，所以需采取不同的模型进行预测。首先建立了时间序列模型对趋势客运量预测，并应用多目标决策理论和计量经济学方法来计算铁路提速前与提速后客运市场的占有率，最后建立转移客运量与诱发客运量的预测模型。 ④第四部分即第五章。将预测模型应用到了实例当中，以京秦线为例进行了实例分析，对客运量进行预测，通过预测结果与实际结果的比较说明模型的合理性。为今后提速项目可行性研究提供一套科学、合理、可行的客运量预测方法。 关键词：提速;客流预测;运输需求;既有线结论及展望 铁路的客运量预测是铁路系统规划及项目投资、建设的主要依据，也是每次进行铁路项目可行性研究中的重点研究内容。是决定项目效益的最关键因素之一，也是制定运营模式和行车组织方案的重要依据。本文在分析了国内外的研究
关于铁路货运量预测研究 黄 勇，徐景昊 （华东交通大学 机电工程学院，江西 南昌 330013） 摘 要：采用灰色关联分析方法选取影响铁路货运量变化的宏观影响因素，运用多变量灰色 ()1,4MGM 模型预测未来 4年铁路货运量，预测结果通过后验差检验，精度较好。 关键词：灰色关联分析；()N 1,MGM ；预测 铁路货运量作为货运市场体系中的重要统计指标，为铁路运输占有货运市场份额提供了重要的依据。因此，预测货运量发展趋势是制定铁路货物运输营销战略的前提和基础，对铁路货运组织的实施具有重要作用。 1 ()N 1,MGM 方法介绍 应用多变量灰色模型（()N 1,MGM 模型），从系统的角度对影响铁路货运量的各变量进行描述。()N 1,MGM 模型是n 元一阶常微分方程组，它是()1,1GM 模型在n 元变量情况下的自然推广。多变量灰色预测模型建模步骤如下。 （1） 灰关联分析[2]，选取重要因子。 设参考数列变量为()k 0x ，比较数列变量()k x i （i 为变量，k 为时间），则()k 0x 和()k x i 的灰关联系数()k ζi 如下： ()()()()() ()()()() k x k x k x k x k x k x k x k x k i k i i i k i i k i i -+- -+-= 00 00max max min min min min ρρξ （1） 式中：ρ称为分辨系数，一般取0.5。 ()k 0x 与()k x i 间灰关联度为： ()∑= =n k i i k n 1 1ξγ （2） （2） 对原始数列()()k x i 0进行数据处理，生成一阶累加数列()()k x i 0。 () ()k x i 0为原始序列，()()k x i 1为相应一次累加序列。 () ()() ()∑= =k j i i j x k x 1 01 （3） 式中：n i ,,2,1 =。 （3） 利用生成数列得道一阶常微分方程组形式。
摘要了解和预测铁路客流量对于铁路部门而言是实现利润最大化和保证市场竞争力的重要环节，本文通过对某铁路公司至2015年一月至2016年3月的客流情况进行研究分析，得出了铁路客流量的一般规律并构建了良好的客流量预测模型，借此实现对未来两周客流量的预测以及对车辆资源分配方案的优化. 问题一：根据旅客列车梯形密度表中包含的大量数据，利用图表分析法我们绘制了十二张包含饼图、折线图、散点图等多种形式的图表，这在一定程度上帮助我们很好地实现了客流规律的可视化展现.通过这些图表我们分析研究了不同种客运列车的优劣势、客运量的峰值规律以及站点与客运量的相关性，总结出了客流量的一般规律. 问题二：我们针对附件一所提供的大量数据进行了分类整理，将数据按照控制变量法的原则大致分为三类，即考察车站、车次、时间段三个变量对于客流量的影响.在对原始数据进行研究分析后，我们认为车站对于客流量的影响最为显著，于是我们将车站这个因素选定为了主要变量，然后从这个主要变量着手，我们基于MATLAB平台构建程序，程序的核心思想是通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化，这种模型能够帮助我们很好地挖掘和利用原始数据，同时我们参考了在问题一中所得出的客流量的一般规律，最终采用累减生成的放松得到了一组灰色序列以弱化数据的随机性和预测未来客流量.当然，我们也采用了残差修正的衡量方法来对模型和预测结果进行了完善和校准. 问题三：为了求得铁路车辆资源配置方案的最优解，一方面考虑到问题二中对于未来两周客流量的预测，另一方面为了实现两个基本假设中对于客座率达到75%利润最大的假设，我们决定采用模拟退火算法来对结果进行优化，这可以帮助我们在减少算法耗时的同时得到一个符合生活实际的最优解. 一、问题重述 铁路部门为保持市场竞争力，实现利润最大化，需要了解日常铁路客运流量、淡旺季变动指数、冷热门线路.其中，为了准确把握市场，需要对客流进行充分的了解和预测.铁路客流量受多种因素影响.
我国铁路危险货物年均货运量以及铁路危险货物运输的现状、发展趋势 摘要：通过对我国铁路危险货物运输现状、安全监控现状，以及国内外道路危险货物运输风险分析研究现状的分析，针对现阶段铁路危险货物运输风险管理研究的欠缺，期望借鉴国内外道路危险货物运输风险管理的经验，构建铁路危险货物运输风险评价指标，以便尽早发现和减除潜在危险，并客观地评价铁路危险货物运输安全状况。 关键词：铁路；危险货物运输；货运量；现状；发展 我国现阶段正处于工业化进程，社会对能源、原材料的需求增加较大。随着化工产品的不断进步和企业生产经营范围的扩大，各行业对危险品的需求也逐年增加。现阶段我国95%的危险品不是在生产地被使用，而是需要长距离、大吨位的异地运输，运输半径通常在200 km 以上，且 50% 以上的危险品是通过铁路运输，大型石化生产制造及加工企业均由铁路专用线连通 铁路危险货物运输作为一种动态危险源，一旦发生事故，不仅会造成重大经济损失，而且会带来严重的社会影响，同时给环境带来很大的污染。由于危险品自身的特性，决定了危险货物运输事故必定会引起次生灾害，带来大气、水体、土壤等污染，如日本地震、海啸所引发的核污染事件。同时铁路危险货物运输又具有运输网络庞大、作业环境多样、业务性质复杂、不确定因素多、作业流程各环节间耦合性强等特点。对危险货物在受理、装车、编组隔离、押运管理、装卸作业、安全防护、应急处置等方面都有更高的要求。但现阶段我国铁路危险货物运输过程中来自人员、车辆、环境等方面的安全隐较多，安全监管与管理手段己经难以充分适应现代铁路发展的需要。鉴于危险货物运输事故危害的严重性、铁路运输特点，以及目前我国铁路中存在诸多运输安全风险，需要从宏观上揭示影响危险货物运输系统安全稳定的主要因素、产生原因与存在的内在规律，构建危险货物运输风险指标体系，在此基础上进行定量分析和综合评判，得出各风险因素对危险货物运输安全影响的严重程度，预测风险级别，开展分级预警，根据不同预警级别在早期及时采取有针对性的措施降低或消除危险货物运输中的潜在风险性因素，有效提高危险货物运输系统的安全可靠性。 1、我国铁路危险货物年均货运量 危险货物在生产、储存、运输、使用过程中，都存在着很多危险性因素。我国铁路危险货物运量约占全路总货运量的6%~8%，为了保证运输安全，迫切需要对影响铁路危险货物运输安全的因素进行分析，并采取相应的措施进行分类预防。 2、铁路危险货物运输现状 2. 1 铁路运输安全隐患存在的主要原因及对策 铁路危险货物管理方面运输中容易引发事故的安全隐患主要因为它们本身含有不稳定的元素，或者它们有不稳定的结构。主要可能存在的原因有： 1）温度和明火的影响； 2）水和潮湿的影响； 3）机械作用的影响； 4）不同性质的货物接触时所造成的影响。 危险货物运输应采取的安全对策:加强人员培训,严格资质认证。加强承运管理,严格受理把关。落实安全措施,严格装车监控。加强全过程管理,严格跟踪签认。运用科学手段,完善应急预案。由于货物装载方面的原因,造成影响运输安全的隐患较多,其中较为突出的有货物超载、漏检、错检、危险货物运输管理漏洞、不按方案装车等因素。超载现象比较普遍,货检漏检、错检现象突出,危险货物运输管理漏洞较大,不按方案装车或无方案装车现象时有发生。
本文部分内容来自网络，本司不为其真实性负责，如有异议请及时联系，本司将予以删除== 本文为word格式，下载后可编辑修改，推荐下载使用！== 铁路客运量预测探讨 铁路客运量预测探讨铁路客运量预测探讨铁路客运量预测探讨摘要 随着我国市场经济的不断发展,交通运输业已发展成为国民经济的基础产业,特别是铁路运输,在整个综合运输网络中发挥着至关重要的作用。但目前,铁路运输面临着运输数量和质量的双重压力,为解决铁路运输的“瓶颈”问题,促进我国经济的快速发展,我国铁路管理部门己立足于现有基础扩充运力,在既有路线上进行技改提速。运量一直是衡量提速成效的一项重要指标,也是铁路提速项目可行性研究的核心内容之一。本文就是在分析了国内外研究现状的基础上,对客运量预测进行了深入和系统的理论与方法研究,并开展了实际应用。 文章在借鉴已有研究工作的基础上,分为四部分对提速后的客运量进行研究,主要做了如下工作: ①第一部分即绪论,首先分析了国内外对客运量预测的研究现状,并从中找出预测方法中存在的问题与缺陷,从而确定了文章的研究方向。 ②第二部分包括第二、三两章,主要对我国既有线铁路提速的状况以及提速的必要性进行了介绍,分析了提速后运输需求产生的原因以及影响运输需求的因素,同时也阐述了提速后客流的形成和预测的基本原理。 ③第三部分为第四章,也是本文的核心部分。提速后的客运量由趋势客运量、转移客运量、诱发客运量三部分构成。由于其产生的机理各不相同,所以需采取不同的模型进行预测。首先建立了时间序列模型对趋势客运量预测,并应用多目标决策理论和计量经济学方法来计算铁路提速前与提速后客运市场的占有率,最后建立转移客运量与诱发客运量的预测模型。 ④第四部分即第五章。将预测模型应用到了实例当中,以京秦线为例进行了实例分析,对客运量进行预测,通过预测结果与实际结果的比较说明模型的合理性。为今后提速项目可行性研究提供一套科学、合理、可行的客运量预测方法。 关键词:提速;客流预测;运输需求;既有线 结论及展望 铁路的客运量预测是铁路系统规划及项目投资、建设的主要依据,也是每次进行铁路项目可行性研究中的重点研究内容。是决定项目效益的最关键因素之一,也是制定运营模式和行车组织方案的重要依据。本文在分析了国内外的研究现状之后,得出了目前客运量预测方法一些不足之处,原有的一些客运量分析方法已不能解决铁路提速后的客运量预测问题。铁路客运系统是一个综合的运输系统,其客流量的变化受诸多因素的影响,要使提速后的铁路客流量预测比较符合实际,必须采取能反映铁路与其他运输方式相互竞争、以及服务质量、旅行时间、旅行费用等综合因素的预测方法。铁路提速后远景客运量由趋势客流量、转移客运量、诱发客运量三部分构成,由于它们产生的机理不同,相应的影响因素也不相同,所以
城际铁路车站高峰小时客流量计算方法探讨颜湘礼 城际铁路车站高峰小时客流量计算方法探讨 颜湘礼 （中铁第四勘察设计院集团有限公司线站处 武汉 ４３００６３） 【摘要】通过分析既有铁路不同类型车站、不同性质列车旅客集散特性，提出我国城际铁路车站高峰小时客流量计算方法可采用聚集系数法和图解法，并对两种方法的相关参数的选取和合理适用范围提出了参考意见。【关键词】城际铁路车站高峰客流 计算 方法 作者简介：颜湘礼，男，（1962-），高级工程师，中铁第四勘察设计院集团有限公司线站处副总工程师。
设计
际列车，三个车站均有明显的高峰特征，各站高峰系数均超过0.1，其中广州东站为0.109，深圳站为0.102，樟木头站由于以当地居民往区域经济中心广州、深圳出行为主，到、发高峰的方向不均衡更加明显，早上6：00～8：00为出发高峰，高峰系数达到0.12，下午16：00～18：00为到达高峰。 通过上述车站旅客分时进站人数曲线与各站旅客构成特征关系分析，旅客出行目的构成单一、旅客列车服务频率较少的车站，高峰系数较高，而旅客出行目的构成多样、旅客列车服务频率高的车站，高峰系数相对较低。日均旅客发送量5万人及以上车站高峰小时系数可在0.085～0.11之间选取，日均旅客发送量小于5万人的车站高峰小时系数可在0.10～0.12之间选取。 2.2图解法 图解法是通过绘制旅客聚集过程图的方法确定车站高峰小时客流量。旅客聚集图是以设定的旅客列车运行图为基础，对每一车次旅客的集散过程通过图形来描述，各车次的旅客从开始候车一直到出发时的旅客逐渐聚集变化曲线称为该车次的旅客聚集程度曲线。 旅客聚集程度曲线受旅客客流性质、市内交通、铁路服务水平等因素影响，其模型需要根据大量旅客聚集数据统计拟合分析来标定。根据既有铁路部分车站调查统计分析，开车前40分钟之前到站候车的旅客，普通快车占85%，市郊列车占40%，开车前20分钟之前到站候车的旅客，普通快车占95%，市郊列车占70%。调查数据还显示，旅客出行距离越长，平均候车时间越长，车站公交系统越发达，旅客平均候车时间越短。根据2007年8月某日广州东站调查结果，列车运行距离在300km 以内的旅客平均候车时间不超过25分钟，列车运行距离超过1000km 的旅客平均候车时间超过60分钟。图2是广州东站T124、T301、D763次列车旅客聚集程度曲线。广州东站市内交通发达，且中转客流较少，所以各种列车平均候车时间小于全国平均水平，其中T124次列车由广州东至长春，运行里程达3400km ，旅客平均候车时间大于广州东至武昌的T301次列车（运行里程1077km ），D763次为广州至深圳城际列车，旅客平均候车时间更短，80%的旅客集中在开车前10～25分钟进站上车。 未来我国城际铁路的服务频率、服务水平比广深线将有所提高，车站旅客聚集程度曲线特征可参考广州东站城际列车旅客集散特性；对于市内交通条件稍差的中小城市，城际旅客的平均候车时间可考虑延长5～8分钟。 根据车站各车次旅客聚集程度曲线以及旅客 上车人数，可绘制车站全天各车次集散特征图，将各车次聚集程度曲线数据叠加得到一天旅客分时进站人数分布曲线。图3是车站7：00～9：00各车次旅客集散特性示意图。在图3中通过移动1小时时间窗，截取进站旅客最大时段，从而获取车站高峰小时客流量。 （下转第55页） 图2广州东站部分列车旅客聚集程度曲线图 城际铁路车站高峰小时客流量计算方法探讨 颜湘礼
B 题 铁路铁路旅旅客流量预测 一、背景 随着发改委发布的《关于改革完善高铁动车组旅客票价政策的通知》，高铁动车票价将由铁路总公司（下称铁总）根据市场情况自行定价的政策出台。铁路部门为了保持市场的竞争力，实现利润的最大化，需要了解日常铁路客运流量、淡旺季变动指数、冷热门线路的具体情况，而其中对客流的充分了解和预测是准确把握市场的首要条件，因此铁路客流预测的研究也成为铁路客运服务需要重点研究的方向。 然而铁路客流量受多种因素的影响，比如：“春运”期间铁路客流量骤增，导致铁路运力无法满足客户乘车需求，同时也给铁路客运组织带来巨大压力。在非节假日期间，一些冷门线路区间上座率不足，造成铁路车辆资源的浪费。因此铁路客流量预测，可以为制定合理的价格、改善客运站组织方式、优化铁路车辆资源配置、提高客运设备的服务能力提供帮助，对提高铁路客运运输效率具有重要的意义。 二、二、问题问题 请针对该铁路公司的ZD190(站)至ZD111(站)区段的客运专线完成以下任务： (1) 根据附件1，按车次、时段（小时）、车站、区间（两个车站之间）等条件分析客流规律。(2) 考虑相关因素的影响，构建客流量预测模型，并预测未来两周的客流量。 (3) 针对D02~D19，优化设计车辆配置及车站停靠方案。 三、要求 (1) 设计数据库（包括表、视图、报表）以实现上述分析。 (2) 设计并实现EXCEL 表中数据的自动导入功能。 (3) 将分析结果进行可视化展现。 四、说明 1. 附件1 提供了ZD190(站)至ZD111(站)区段客运专线2015年1月至2016年3月的旅客列车梯形密度表（文件名对应列车发车日期）。
铁运〔1997〕101号铁路旅客运输规程 铁路旅客运输规程 铁运〔1997〕101号 第一章总则 第一条为了维护铁路旅客运输的正常秩序，保护铁路旅客运输合同各方当事人的合法权益，依据《中华人民共和国铁路法》制定本规程。 第二条本规程适用于中华人民共和国境内的铁路旅客和行李、包裹公共运输。 第三条国家铁路营业站的营业范围和与国家铁路办理直通运输业务的其他铁路营业站的营业范围以《铁路客运运价里程表》为准。其启用、封闭和营业范围的变更由国务院铁路主管部门批准，在《铁路客货运输专刊》上公布。 第四条铁路车站有关营业处所应有相应的票价表、运价表、杂费表、时刻表和旅客须知等内容。遇有变动，须于实施前通告。未经通告不得实施。 第五条下列用语在本规程内的意义： 承运人：与旅客或托运人签有运输合同的铁路运输企业。铁路车站、列车及与运营有关人员在执行职务中的行为代表承运人。 旅客：持有铁路有效乘车凭证的人和同行的免费乘车儿童。根据铁路货物运输合同押运货物的人视为旅客。 托运人：委托承运人运输行李或小件货物并与其签有行李包裹运输合同的人。 收货人：凭有效领取凭证领收行李、包裹的人。 直达票：从发站至到站不需中转换乘的车票。 通票：从发站至到站需中转换乘的车票。 改签：旅客变更乘车日期、车次、席（铺）位时需办理的签证手续。 等级：同等距离以承运人提供的乘车条件不同确定。 动车组：指运行速度在200公里及以上的列车。 客运记录：指在旅客或行李、包裹运输过程中因特殊情况，承运人与旅客、托运人、收货人之间需记载某种事项或车站与列车之间办理业务交接的文字凭证。 时间：以北京时间为准，从零时起计算，实行24小时制。 以上、以下、以前、以后、以内、以外：均含本数。 第六条在不违反本规程原则的前提下，铁路运输企业可根据具体情况制订补充规定在本企业管辖范围内实行并报国务院铁路主管部门备案。 第二章旅客运输 第一节铁路旅客运输合同 第七条铁路旅客运输合同是明确承运人与旅客之间权利义务关系的协议。起运地承运人依据本规程订立的旅客运输合同对所涉及的承运人具有同等约束力。 铁路旅客运输合同的基本凭证是车票。 第八条铁路旅客运输合同从售出车票时起成立，至按票面规定运输结束旅客出站时止，为合同履行完毕。旅客运输的运送期间自检票进站起至到站出站时止计算。 第九条旅客的基本权利和义务是： 权利： 1．依据车票票面记载的内容乘车； 2．要求承运人提供与车票等级相适应的服务并保障其旅行安全； 3．对运送期间发生的身体损害有权要求承运人赔偿； 4．对运送期间因承运人过错造成的随身携带物品损失有权要求承运人赔偿。 义务：
铁路旅客运输服务质量标准 1.1铁路运输企业 铁路局及其他具有独立法人资格从事铁路运输经营的企业。 1.2铁路旅客运输服务 为满足旅客和行李包裹（以下简称行包）托运人、收货人（以下简称货主）的需要，凡从事铁路旅客运输业务及与铁路企业签订合同，在站车内从事经营活动的单位和个人与旅客、货主接触的活动和其内部经营活动所产生的结果。 1.3铁路旅客运输服务质量 铁路旅客运输服务满足旅客、货主明确或隐含需要能力特性的总和。 1.4车站 办理客运业务的车站。 1.5承运人 与旅客或货主签有运输合同的铁路运输企业。铁路车站、列车及与运营有关人员在执行职务中的行为代表承运人。 1.6旅客 持有铁路有效乘车凭证的人和同行的免费乘车儿童。根据铁路货物运输合同押运货物的人视为旅客。 1.7重点旅客 老、幼、病、残、孕旅客。 1.8托运人 委托承运人运输行李或小件货物并与其签有行包运输合同的人。 1.9收货人 凭有效领取凭证领收行包的人。 1.10车站客运工作通用标准 办理客运业务的车站完成旅客运输任务所规定的要求。 1.11车站客运作业标准 办理客运业务的车站完成旅客运输任务所规定的工作过程及质量要求。 1.12照度（平面照度） 单位面积的光通量（单位为lx）。 1总则
坚持“人民铁路为人民”的服务宗旨，树立“以人为本，旅客至上”的服务理念，坚持“安全第一，方便快捷”的原则，实现“安全正点、设备良好、环境适宜、饮食卫生、服务文明”的质量目标。 2车站工作标准等级划分 车站工作标准划分为: 大站（特、一等站）、中等站（二、三等站）、小站（四、五等站）三个等级。客运量较小的大、中等站，可根据业务量大小，指定车站比照执行相应等级的工作标准。 3车站客运工作通用标准 3.1安全秩序 3.1.1安全 3.1.1.1安全目标。实现“六消灭”：消灭责任行车事故；消灭火灾、爆炸事故；消灭旅客和职工责任伤亡事故；消灭食物中毒事故；消灭行包责任重大、大事故和内盗事故及局用品丢失事故；消灭现金、票据丢失、被盗等收入事故。 3.1.1.2安全组织。安全组织健全，坚持“安全第一，预防为主”的原则，建立安全、消防领导小组，组织健全，分工明确。 3.1.1.3安全制度。安全管理制度健全，非正常情况下的应急处置预案完善。定期召开安全、消防工作会议，安全、消防文电齐全，制度健全。有火灾、爆炸、重大刑事治安案件、精神病、食物中毒、烈性传染病、线路中断、客流暴涨等非正常情况下的应急处置预案；应急处置预案有可操作性，分工、责任明确，处置程序、防范措施得当。安全作业关键点及采取的控制措施符合本站生产作业实际，严密、有效，重要的安全作业规定应纳入《站细》。 3.1.1.4安全考核。安全考核机制健全、真实有效。 3.1.1.5安全设施。安全设备设施齐全，维修及时，定期检查，作用良好；安全通道、出口畅通；安全标志明显。站内平过道有安全警示标志，站台有关人员配备喇叭或口笛。日均发送旅客100人以上的车站、高铁车站、边境口岸车站、反恐任务和警卫任务繁重地区车站配备X光型安检仪,安全门和手持金属探测器;管内较大客运站每个车站配备备用X光型安检仪，以替代故障设备或应急使用。 3.1.1.6安全检查。做好禁止携带“危险品”进站上车的宣传、查堵及处理工作。按照规定配备安检人员，对旅客携带品、小件寄存物品和承运的行包实施安全检查；配备安检设备的车站，要建立人机结合检查的制度，做到件件检查，人人安检；安检仪操作员须经培训，持证上岗。未配备“安检仪”的车站，要设立安全检查岗，有专人负责，采取手持金属探测器
城市轨道交通客流预测
摘要 客流预测是城市轨道交通规划的基础之一，影响整个规划过程，既是前期轨道交通投资决策的基础，又是轨道交通网络规模拟定的依据，也是网络客流预测的直接工具，还是多方案评选过程中的重要因素。目前我国城市轨道交通客流预测中普遍存在着规划阶段的预测结果，与运营之后的实际客流有较大差异、实际客流远小于远期预测客流、不同机构预测的客流量离散性较大的问题，本文在分析形成这些问题原因的基础上，提出了利用政策协调和控制城市规划与交通规划的共同发展、尽快建立我国城市城市轨道交通客流预测完整体系、加强城市交通基础数据调查等改善城市轨道交通客流预测的一些建议。 关键词：城市轨道交通客流预测问题建议
Keywords Passenger flow forecast is the basis of urban rail transit planning, affecting the entire planning process, is a basic pre rail transportation investment decisions, is rail transportation network size according to a set of tools is also the network passenger flow prediction, direct, or selection process of multi scheme of important factors. At present, urban rail transit passenger flow forecast of our country exists widely in the planning stage of the prediction results, there is a great difference with the actual operation of the passenger flow, later than the real value. The long term prediction of passenger flow, passenger flow of the different mechanism of the large dispersion problems, this paper based of these problems in the analysis, proposed the use of policy coordination and control of urban planning and traffic planning and common development, as soon as possible to establish our country city urban rail transit passenger flow forecast complete system, strengthen the basic traffic data investigation to improve urban rail transit passenger flow forecast and some suggestions. Keywords: problem suggested to predict city rail transit passenger flow
物流技术2010年4月刊（总第214期） 1引言 铁路客运量预测是铁路旅客运输生产的重要基础工作， 有效的客运量预测有助于铁路运输管理部门制定客运营销策略、提高资源配置效率，可为铁路运营的管理决策提供重要的参考作用 [1] 。目前的客运量预测所采用的方法或模型比较单 一，典型的有指数平滑法、灰色系统法、时间序列分析法、因素分析法等，虽然可用于预测的方法众多，但它们的应用条件、建模机理各不相同，存在着一定的局限性[2]，面对不断动态变化的现实状况，采用任何单一预测方法，均难以获得较为满意的结果。 自1969年J.N.Bates 和G.W.J.Granger 首次提出组合预测理论与方法以来，组合预测开始受到理论界的很大关注。它能使人们将各种方法组合起来，以充分利用其中的信息，扬长避短，获得各种模型的整合之功效，以提高预测精度[3]。关于铁路客运量的预测，从分析资料周期上看，对年度资料、季度资料进行预测的较多，但对月度资料分析的很少，本文拟采用组合预测法对我国分月度铁路客运量进行预测。 2我国分月度铁路客运量的基本特征分析 我们选择了2000年1月至2009年2月的全国铁路客运 量数据为样本，其中2000年1月至2008年12月数据为建模数据，取2009年1-2月的数据用于模型的精确度检验。2000年1月至2008年12月我国铁路客运量的变化趋势如图1所示。由图1可知，铁路客运量时间序列具有明显的线性递增趋势，且呈现出有规律的季节性变化，大波峰和小波峰以及波谷交替出现，平均变动周期大致为12个月。一般来说每年的客运大高峰期出现在1月春节期间和暑假7-8月，这期间客流主要是学生和民工，客运小高峰出现在每年的五一和十一，而其他月份则属于淡季，尤其是6月和11月，这期间乘车的旅客尤其少。2003年是极为特殊的一年，受“非典事件”影响，客运量出现了前所未有的低谷。 图1 2000年1月至2008年12月铁路客运量变化趋势图 我国铁路客运量的组合预测 刘延平，邵悦然，李卫东 （北京交通大学经济管理学院，北京100044） [摘要]首先对我国月度铁路客运量的变动特征进行了分析，并结合多元线性回归和时间序列预测两种模型，运用组合预测 方法对2009年1月至12月的铁路客运量进行了预测，结果表明预测误差小，组合预测精度相对单个预测方法均有所提高，说明组合预测是月度铁路客运量预测的有效方法。 [关键词]多元回归；ARIM A ；精度；组合预测[中图分类号]F532.3[文献标识码]A [文章编号]1005-152X （2010）07-0058-02 Combination Forecasting of Railway Passenger Transport Volume in China LIUYan-ping,SHAOYue-ran,LI Wei-dong (School ofEconomics &M anagement,BeijingJiaotongUniversity,Beijing100044,China) Abstract:The paper firstly analyzes the monthly variation pattern of railway passenger transport volume in China and then,taking together multiple linear regression and time series forecasting,carries out a combination forecasting on the transport volume from January to December of 2009,with results showing the forecasting error to be smaller than those obtained through single-method forecasting,thus proving the validity of the combination forecasting. Keywords:multiple regression;ARIM A;accuracy;combination forecasting [收稿日期]2009-12-08 [作者简介]刘延平(1962-)，男，博导，教授，北京交通大学经济管理学院院长，研究方向：产业经济、企业管理；邵悦然(1985-)，女，北京交通大 学经济管理学院硕士研究生，研究方向：统计；李卫东(1970-)，男，北京交通大学经济管理学院副教授，研究方向：统计、技术经济。 技术与方法 doi:10.3969/j.issn.1005-152X.2010.07.019