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
3我国分月度铁路客运量的组合预测
组合预测是通过对不同预测方法的组合，利用各种方法的优点，克服各种预测方法的局限，以提高预测精度。对分月度铁路客运量的预测，多元回归模型和时间序列模型是两类常用的预测方法。多元线性回归是从影响因素的角度出发建模，能够把要考虑的实际因素加入模型，缺点是需要的样本数据量较大，不能客观的揭示序列的非线性特征；时间序列分析模型是沿时间变化规律建模，优点是预测所需的数据信息量较小，能仿真非线性变化趋势，只要预测对象没有大的波动，则预测效果较好；缺点是以时间作为唯一的影响因素，无法反映预测对象的实际影响因素变化所引起的运输需求变化，如经济政策调整和自然灾害影响等。本文的组合预测综合了两种模型的优势，使得预测结果更加接近真实。
3.1多元线性回归预测
回归分析预测法是通过寻求预测对象和影响预测对象的各种因素之间的统计规律，建立相应的回归方程进行预测的方法。回归分析预测法能够具体分析预测对象的主要影响因素，并能对模型的合理性和预测的可信度进行统计检验，是一种较科学的预测方法[4]。回归分析预测法按考虑影响因素的多少可以分为一元回归和多元回归；按回归方程性质的不同可以分为线性回归和非线性回归。由铁路客运量的变化趋势分析，可以发现趋势为线性的，因而采用多元线性回归模型。设x1,x2,…,x p是p个可以精确测量或可控制的变量。如果变量y 与x1，x2，…,x p之间的内在联系是线性的，那么进行n次试验，则可得n组数据：(y i,x i1,x i2,…,x ip),i=1,2,…,n。它们之间的关系可表示为：
其中，b0，b1，b2，…，b p是p+1个待估参数，εi表示第i次试验中的随机因素对y i的影响。
建立因变量y和十三个自变量t,m1,m2…m12的多元回归模型。其中，Y的取值为2000年1月至2008年12月的客运量，t代表序列趋势，t的取值为1~108，m1,m2…,m12是反映季节效应的虚拟变量，取值为0或1。其中m1,m2…,m11代表每年不同月份，比如逢1月，则m1取1，其他变量取0，逢2月则m2取1，其他变量取0，逢12月则m1~m11全部取0，为了把2003年的特殊影响考虑在内，引入了m12变量，逢2003年时，所有月份的m12值都为1，其他年份各月的m12值设为0。利用SPSS软件建立多元回归模型，模型的参数估计结果见表1。模型的拟合优度检验、F统计检验均表明模型回归效果显著。
表1多元回归建模结果
用多元回归模型预测2009年1月~2009年2月的铁路客运量，并与客运量的实际值进行比较，结果表明，可知预测的平均绝对百分比误差M APE为7.85%，小于10%，说明预测效果良好。
3.2时间序列模型预测
生活中的时间序列数据受各种因素影响，包含着相当多复杂的信息，往往是非平稳序列，求和自回归移动平均模型ARIM A就是一种常见的非平稳时间序列建模方法，简记为ARIM A(p,d,q)[5]，原理如下：
在本建模序列中，季节效应、趋势效应、其它效应间有复杂的相互纠缠关系，选用乘积季节模型
建模，模型结构：。
这种模型通常是使用低阶的ARM A(p,q)来提取序列的短期相关性，用ARM A(P,Q)来提取序列的季节效应，再将两者相乘即得乘积季节模型[6]。
首先对原序列ADF检验，结果表明为非平稳序列，既含有趋势效应（逐年上升趋势），又含有季节效应（周期约为12个月）。首先对原序列先取自然对数（避免异方差性）再进行一阶差分，得到dx，dx=log(x)-log(x(-1))，再对序列dx进行一阶12步的周期差分，得到序列sdx，sdx=dx-dx(-12)。对序列sdx进行ADF检验知sdx已经平稳，Q统计量检验表明sdx为非白噪声序列，说明序列中包含一定的信息，因此可以对序列原序列建立模型。
根据dx和sdx的自相关图和偏自相关图可以估计出几个模型备选方案，对所有(p,q)(P,Q)可能组合建模，比较它们的A-IC、SBC以及M APE值，本着模型简洁的原则，选择出相对最优模型。通过对比，最终选定ARIM A(3,1,2)(3,1,1)12模型。该预测模型的估计为：
对该模型残差序列的检验表明残差序列已无自相关性，为白噪声序列，说明模型充分地提取了序列中的的信息。模型的M APE值为3.61%，小于10%，表明模型预测精度较高。3.3铁路客运量的组合预测
在前面两种模型的基础上，利用均值法进行组合预测。首先，对2009年1月至2月份数据进行外推预测，然后计算其组合预测值。预测结果见表2。
表2不同预测方法及组合预测结果表
（下转第85页）
刘延平，等：我国铁路客运量的组合预测技术与方法
（上接第59页）由表2可知，与实际值相比，多元回归预测模型进行外推预测时，预测值均小于实际值，预测误差为正。而时间序列模型预测值均高于实际值，预测误差为负。运用均值法进行组合预测，则有效降低了预测误差。对2009年1月至2月份数据的预测结果，表明预测误差均小于10%，表明组合预测效果良好。
利用上述的组合预测模型，我们对2009年各月度的铁路客运量进行了预测，结果见表3。
表32009年分月度铁路客运量组合预测结果
（单位：亿人次）4结论
本文结合多元线性回归和时间序列预测两种模型，采用组合预测对2009年1月至12月的铁路客运量进行了预测。预测结果表明，组合预测相对于多元线性回归、时间序列模型等单个预测方法而言，预测误差较小，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。
[参考文献]
[1]申耀伟，谢孝如.基于灰色动态模型的铁路客运量预测与分析[J].中国铁路，2008，（6）：36-38，66.
[2]汪同三，张涛.组合预测:理论、方法及应用[M].北京：社会科学文献出版社，2008.
[3]杜波，刘凯.基于BP神经网络的铁路货运量组合预测[J].物流技术，2009，（1）：92-94.
[4]李卫东.应用多元统计分析[M].北京：北京大学出版社，2008.
[5]易丹辉.数据分析与Eviews应用[M].北京：中国统计出版社，2005.
[6]王燕.应用时间序列分析[M].北京：中国人民大学出版社，2008.
都说明HGA 求解大规模VRPTWSDP问题是稳定和有效的。5结论
本文提出了求解VRPTWSDP的混合遗传算法，算法采用置换排列作为染色体结构，在将其转化为一个简单有向图后，利用动态规划求解带资源约束的最短路径的方法得到这一染色体结构下VRPTWSDP的最好解，并通过使用2－opt、2－Exchange和Or－opt等多种邻域结构组成的邻域搜索算法作为变异算子，结合新颖的交叉算子和更新策略、群体多样性结构等多项技术，大大改进了遗传算法的求解效果。实验结果表明，该算法在小规模问题上能在较短时间内得到最优解，在求解大规模实例时也具有时间和精度上的有效性。因此，本算法在求解区域物流中相应车辆路径优化问题时，具有广阔的应用前景。
[参考文献]
[1]徐青青，缪立新.区域物流发展及研究综述[J].物流技术，2006，（4）：
1-3，11.
[2]Li Chen,Long Lei,Chen Tsiushuang,Hua Yaning,Xu Ya.A Parallel
Branch-and-Price Algorithm for the Vehicle Routing Problem with Time Windows and Simultaneous Delivery and Pick-up[A].Proceedings of the 38th international conference on computers and industrial Engineering[C].
2008，1(3):1334-1343.
[3]Min H.The multiple vehicle routing problem with simultaneous delivery
and pickup points[J].Transportation Research A,1989,23(5):377-386. [4]Salhi S,Nagy G.A cluster insertion heuristic for single and multiple depot
vehicle routing problems with backhauling[J].Journal of the Operational Research Society,1999,50(10):1034-1042.
[5]Dethloff J.Vehicle routing and reverse logistics:the vehicle routing
problemwith simultaneous deliveryand pick-up[J].OR Spektrum,2001, 23(1):79－96.
[6]Ganesh K,Narendran T T.CLOVES：A cluster-and-search heuristic to
solve the vehicle routing problem with delivery and pick-up[J].European Journal ofOperational Research,2007,178(3):699-717.
[7]Salhi S,Nagy G.Heuristic algorithms for single and multiple depot vehicle routing problems with pickups and deliveries[J].European Journal of Operational Research,2005,162(1):126-141.
[8]Crispim J,Brandao J.Metaheuristics applied to mixed and simultaneous extensions of vehicle routing problems with backhauls[J].Journal of the Operational Research Society,2005,56(11):1296-1302.
[9]Montane F A T,Galvao R D.A tabu search algorithm for the vehicle routing problemwith simultaneous pick-up and delivery service[J].Computers& Operations Research,2006,33(3):595-619.
[10]Chen J F,Wu T H.Vehicle routing problem with simultaneous deliveries
and pickups[J].Journal of the Operational Research Society,2006,57(5): 579－587.
[11]龙磊，陈秋双，华彦宁,等.具有同时集送货需求的车辆路径问题的
自适应混合遗传算法[J].计算机集成制造系统，2008，14（3）：548-556.
表4HGA求解大规模VRPTWSDP的有效性
徐岗，等：区域物流中VRPTWSDP问题的混合遗传算法技术与方法
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
5.2客流调查与客流组织 5.2.1 高铁客流调查 5.2.2.1高速铁路客流分类 1.从客流组成分 从客流的组成上分，高速铁路通道上的客流可分为基本客流、诱发客流及转移客流三类。 （1）基本客流 基本客流由既有线上符合高速条件的客流转移而来，它是高速铁路承担的主要客流，也是修建高速铁路的主要依据。 （2）诱发客流 诱发客流是由于通道运能的扩大、运输质量的提高以及运输环境的改善，促使人们增加出行而产生的客流。 （3）转移客流 转移客流是指由于运输通道内各种运输方式间的竞争，使得旅客由一种运输方式转到另一种运输方式，从而产生的客流。高速铁路在其有利的运距范围内，会将原来属于其他运输方式的客流吸引过来一定的比例；相反的，由于旅客选择的多层次性，也有一部分客流因高速列车停站少等因素而转向其他运输方式。双向转移体现了高速铁路在客运市场中的竞争力。 2.从空间范围分 从客流流动的范围上，根据其始发终到是否在通道上，通道上的客流又可分为本线客流和跨线客流。若以京沪通道为本线，则本线客流是指始发、终到站均在京沪通道上的客流；跨线客流则指部分或全部跨越本通道的客流，分以下三种情况： （1）始发站在通道以外到达本通道的客流。 （2）始发站在通道上而终到站在通道以外的客流； （3）始发站和终到站均在通道外但经本通道输送的客流。 3.按跨线客流输送方式分 如果单独分析跨线客流的输送方式，可将其分为直达客流和换乘客流两类： （1）直达客流 由跨线运行的高速列车承担的下高速线客流（高速直达客流），无需中途换乘。 （2）换乘客流 在高速线与既有线的接轨站换乘后到达目的地客流，根据换乘方向的不同，可分为普速列车换乘高速列车客流和高速列车换乘普速列车客流。 4.从其他层面分 从客流流动的数量（流量）上分，通道上的客流可分为大客流、中客流、小客流。 从客流流动的方向（流向）上分，通道上的客流可分为上行客流、下行客流等。 从客流流动的时间（流时）上分，通道上的客流可分为高峰客流、平峰客流、低峰客流等。 从客流流动的距离（流程）上分，通道上的客流可分为长途客流、中途客流、短途客流。 5.2.2.2高速铁路客运市场调查 随着铁路由卖方市场向买方市场的转变，我国的铁路市场调查正逐渐受到重视，已陆续开展了一些一定目的、一定区域的客运市场调查，使客运市场调查的内容逐渐充实丰富起来。例如对修建高速铁路进行的市场潜力预测调查、对铁路和公路竞争情况的短途客运市场调
新建京唐城际铁路可行性研究报告 （摘要） 一、概述 （一）研究依据 1．铁道部铁计函XX号《关于新建X至X城际铁路X至唐山段预可行性研究报告的审查意见》 2．铁道部发展计划司生产计划安排。 （二）研究范围及研究年度 1．研究范围 X至唐山，含引入X枢纽、唐山地区工程。 （1）京唐城际正线工程 X站至唐山站，正线长度160.607km。 （2）引入X枢纽相关工程 1）X站东咽喉改建工程 2）X站客技站改建工程及与X站出入段线改造工程 3）京唐星火联络线工程 上行联络线：1.101km 下行联络线：2.365km （3）引入唐山地区相关工程 1）京唐津秦联络线工程 上行联络线：7.98km 下行联络线：8.02km 2）津山线改建工程： 唐山站至杨家口站间下行线改建6.318km，上行线改建1.1km；杨家口站改工程 1 非官方，车迷总结，请以最后官方公布方案为准。欢迎更正、补充。
2．研究年度 近期2020年，远期2030年。 （三）预可行性研究审批意见主要内容及执行情况 ………………………………… 1．预可行性研究审批意见主要内容 一、建设必要性 ……….. 二、研究范围、研究年度及预测运量 1．研究范围：X站至唐山站，包括X枢纽、唐山地区配套工程。 2．研究年度：近期2020年，远期2030年。 3．预测运量：近期最大区段客流密度1234万人/年、客车72对/日，远期最大区段客流密度1761万人/年、客车106对/日。 三、主要技术标准 1．铁路等级：客运专线。 2．正线数目：双线。 3．旅客列车速度目标值：350公里/小时。 4．最小曲线半径： 7000米，枢纽地区可适当减小。 5．最大坡度：20?。 6．到发线有效长度：650米。 7．牵引种类：电力。 8．列车运行控制方式：自动控制。 9．调度指挥方式：综合调度集中。 四、线路走向方案 线路自X枢纽X站，经通州、香河、宝坻，至唐山站，正线全长约164公里。X 枢纽配套建设相关联络线及动车运用设施，唐山地区配套建设本线与津秦客运专 2 非官方，车迷总结，请以最后官方公布方案为准。欢迎更正、补充。
1994——2009年 影响铁路客运量趋势变动的 因素分析 学院工商管理 专业班级人力资源0910 学生姓名李川 学号0802091032
随着我国居民收入和生活水平的逐步提高旅客对铁路运输提出了越来越高的要求，铁路也面临越来越多考验。对铁路客运量进行预测分析已经成为市场经济体制对铁路客运日常组织工作的基本要求，对促进铁路客运的发展具有十分重要的意义。铁路运输系统是一个多层次、多因素、多目标、多属性的复杂的开放式大系统，一般来说铁路客运量与国民收入水平、经济发展水平、客运方式等因素有关，要弄清楚其中所有因素很不容易，因此寻找其中的规律并利用已知完全明确的信息用于铁路客运量的预测具有可行性和一定的现实意义。铁路客运量的准确预测是铁路旅客运输组织工作的重要基础和主要依据之一,准确预测铁路客运量是铁路运输企业面向市场、把握未来的重要保障。 一、变量选取 影响我国客运量的因素来自于方方面面，为了研究问题方便并结合我国现状，我找出几个可能影响铁路客运量的因素：铁路客运量，铁路线里程，铁路客运量，国内旅游人数。因为铁路线里程容易量化并反映了民航的客运能力所以选择它，人们出行是否选择火车可能受到收入和消费水平的影响，导致国民可能坐飞机。所以我选取了以上几个变量进行分析。
二、数据的收集与整理
三、多元统计分析模型的建立 设定模型如下： Y=B0+B1X1+B2X2+B3X3+B4X4 其中，被解释变量： Y——铁路客运量 解释变量： X1——国民收入 X2——民航客运量 X3——铁路线里程 X4——国内旅游人数 四、模型的检验、诊断和修正 （一）回归方程拟合优度检验、回归方程显著性检验和回归系数显著性检验 1、拟合优度检验 由表可知，修正R2=0.889，说明样本有很好的拟合优度。 2、F检验
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
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
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
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
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.
毕业设计（论文）任务书 一、毕业设计（论文）的内容和要求： （一）具体内容 1 交通调查方案设计 （1）滁州市居民出行调查 （2）核查线调查； （3）滁宁城际沿线重要断面调查； （4）流动人口出行调查； （5）出入境交通调查。 2 城市与交通发展现状分析 3 城市与交通系统规划 4 宁滁城际沿线现状及规划 5 交通需求预测分析 （二）具体要求 （1）学生应独立、按时、认真完成各项设计任务。通过毕业设计，进一步培养、提高独立分析、解决问题的能力。 （2）设计说明书应包括所设计的工程概况的中、英文摘要（300字左右）、设计计算过程及结语等内容。计算说明书要求内容清楚、语言精练、流畅。计算方法应准确，计算结果应正确无误。 （3）毕业设计的图纸型号应规范，图面清晰、整洁。所提交的图纸应完整（CAD）。应完成不少于3000个汉字的译文要求。 （4）毕业设计结束后，应按时把设计计算书及所有设计图纸交给指导教师。（5）毕业设计（论文）需符合要求，即：符合《南京工业大学本科生毕业设计（论文）撰写规范》（2006年修订）南工校教[2006]28号。 二、毕业设计（论文）图纸内容及张数: 1、现状图若干 2、客流预测分析图若干 三、实验内容及要求：
现场调研 四、其他： （一）毕业设计应提交的内容： （1）开题报告一份 （2）英文资料译文一份（附资料原文） （3）毕业设计书（1.5～2万字）一份 （4）相关图表 （二）其他 根据毕业设计中的具体情况及所遇到的具体问题，可以提出自己的观点和想法，并对自己所提出的观点和想法进行专题研究。 五、参考文献： [1]徐吉谦.交通工程总论[M].北京:人民交通出版社，2002 [2]吴兵，李晔.交通[M].交通管理与控制.北京:人民交通出版社，2005 [3]陈宽民，严宝杰.道路通行能力分析[M].北京:人民交通出版社，2003 [4]杨晓光.城市道路交通设计指南[M].北京:人民交通出版社，2003 [5]关宏志，刘小明.停车场规划设计与管理[M].北京:人民交通出版社，2003 [6]王元庆，周伟.停车设施规划[M].北京:人民交通出版社，2003 [7]裴玉龙.公路网规划[M].北京:人民交通出版社，2004 [8]杨佩昆.智能交通[M].上海:同济大学出版社，2002 [9]张明，舒勤，潘宏.高速公路联网系统车道收费软件的设计与实现[J].北京:计算机工程，2001.12:62 -66 [10]Man sour -Mousey; Nadia; Semen, John, Value of Arizona's state highway system:Co rpo ra te-stylefi nancialan alysis[J ],Tr ansportationR esearchR ecord,20 01:3 一11 [11]上海市工程建设规范.城市道路平面交叉口规划与设计规程（DGJ08-96-2001）.上海：2001 六、毕业设计（论文）进程安排：
关于铁路客运服务质量的调查与研究 【摘要】随着我国铁路里程的不断增加，我国铁路运输行业迎来的一个快速发展的时期。但是铁路里程快速发展的背后，铁路的客运服务质量却未能显著提升，为着力解决大多数旅客所关注的热点、难点、疑点问题，更好地服务于社会经济发展、服务于人民群众，本文通过调查与分析当前我国铁路客运的现状与发展趋势，提出加大基础设施建设、提高服务理念、完善服务标准、加强人员培训等提升铁路运输企业客运服务质量的措施，以完善我国铁路客运服务体系。 【关键词】铁路客运；服务质量；存在问题；建议 一、铁路客运服务概述 （一）铁路客运服务的定义 铁路客运服务是指为满足旅客和行李包裹托运人、收货人的需要，凡从事铁路旅客运输业务或与铁路企业签订合同的单位和个人与旅客、货主接触的活动及其内部经营活动所产生的结果。 服务的要点是：保证旅客在旅程中，以旅客需求为中心，提供安全舒适的乘载工具和良好的乘车环境，使旅客得到便捷的服务。具体表现在如下几个方面：买票便捷；旅行时间少；安全、正点率高；乘坐环境舒适；服务周到、态度好；票价合理。因此要求铁路客运供给方必须预防一切旅客伤亡责任事故，列车整点率不断提高；车厢内有现代化设备；招聘高素质的列车服务人员提供优质的服务；简化手续办理；规范收费、给予团体客票优惠；为方便旅客售票，为方便售票逐步全面推行网络售票、电话订票业务；优化列车开行方案，提倡高密度、多等级
列车班次，在一些大城市间开行“城际列车”“动车组列车”、“一站直达列车”、“夕发朝至”等精品列车；全面提高旅客列车的旅行速度和质量等。 （二）铁路客运服务的内容 铁路客运服务工作包括车站服务工作和列车服务工作两大部分。车站服务工作主要有候车室服务、问讯处服务、旅客乘降服务、广播宣传服务、小件寄存及卫生服务等，主要解决问询、候车、行包等一系列问题。列车服务工作内容有车厢服务、列车广播服务和餐车供应服务等。应最大限度满足旅客在旅行中物质和文化生活等方面的需要，要树立全心全意为人民服务的思想，坚持“全面服务、重点照顾”的原则，文明礼貌地为旅客提供优质服务。 （三）铁路客运服务的意义与作用 铁路客运承载着全国30%以上的客运周转量，在国家旅客运输中居于主导地位，对于国计民生也发挥着重要作用。随着社会主义市场经济的发展，人民生活水平的日益提高，对铁路客运的要求也不断提高。在社会主义市场化建设的新时期，铁路客运工作肩负着光荣的历史使命，承担着重要的责任，具有更为广阔的空间。 与其他行业中的企业一样，运输企业也开始重视面对顾客的服务。这是因为在竞争日益加剧的运输行业中，技术和产品的特征优势是短暂的，服务逐步成为产生产品差异的主要手段，服务代表了一个重大的潜在利润领域。每个企业无论是不是服务企业都不得不学会适应新形式的服务竞争。企业服务对运输企业而言主要有以下几个方面的意义： 1、企业服务能够全面满足顾客的需求，以获得企业的长远发展。运输企业为顾客提供服务，一方面是利用服务作为工具促进运输产品的交换，另一方面，也是更为重要的方面，是通过取得顾客的满意和信任来促进相互有利的交换，最终获取适当的利润和企业的长远发展。旅客和货主所感知到的运输产品是通过运输企业提供的位移产品和辅助服务两部分体现出来。运输企业只有通过提供辅助服务，才能将运输核心产品(旅客和货物的位移)的效用或利益充分发挥。运输企业提供的辅助服务是运输产品的组成部分，是运输产品的“软件”，是全面满足旅客
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
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）。
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
城市轨道交通客流预测参数研究 陈必壮王忠强王祥 (上海市城市综合交通规划研究所上海市铜仁路33I号200040 摘要:在确定轨道交通客流预测研究对象的基础上,利用我国16个城市轨道交通客流预测资料,结合上海轨道交通发展实际,研究轨道交通客流预测参数构成, 重点对预测关键参数人均出行率、交通方式结构、高峰小时系数的变化规律及其特征进行了探讨。 关键词:城市轨道交通客流预测参数 1.前言 轨道交通客流预测对象包括:城际轨道交通、市郊铁路、城市轨道交通、磁悬浮等。铁路客流预测也在采用城市交通规划的预测技法进行预测。鉴于城市轨道交通(地铁、轻轨、郊区快轨以及城市内部的磁浮交通都进行过不同程度的客流预测。将本文研究的轨道交通界定为城市范围内的快速轨道交通。不包括铁路系统以及城市的有轨电车、和目前提出的城市快速公交系统。本文所研究的客流预测是为工程前期研究所进行的技术工作,而不是对运营期间客流的预测。从预测结果和实际的数据对比分析,轨道交通客流预测在理论方面还要提升研究深度,需要多种预测手段相结合,相互印证;在预测参数方面要加强对宏观参数的分析论证深度。本文主要针对轨道交通客流预测参数进行研究。 轨道交通客流预测参数构成 通过查阅和分析国外相关资料,国内(上海以外15个城市共32本轨道客流预测文本以及上海轨道客流预测文本35本,归纳轨道客流预测参数可分为四个等级共55个参数。按照在预测中起到的作用,可以将四个等级参数归结为两大类:一是关于预测工作开展的基础类参数,其作用是设定或确定社会经济背景和预测环境。另一
类是居民出行预测。其作用是得到全市交通需求情况,得到轨道交通客流预测结果。 在实际应用中,轨道客流预测参数存在问题有: (1经济社会的迅猛发展导致外部参数的取值与实际有很大偏差。轨道交通客流预测时很多这方面的参数都直接引用城市总体规划,而总体规划的编制本身是一个过程,往往许多变化都突破了城市总体规划,包括人口、经济增长等。 (2调查基础数据不够全面或者质量不高,导致参数选择不合理,基础数据的取值影响了轨道客流预测的参数标定。许多城市交通调查的内容不全面、样本量较小,不能全方位反映城市综合交通体系的总体特征。 (3轨道客流预测内部参数的取值与实际差别大。由于多方面的原因,轨道初期实际运营间隔大多都低于预测中的设定。如高峰小时列车间隔、运营速度、列车编组、票价水平等。 3.人均出行率参数讨论 3.1预测中使用的现状人均出行率 对16个城市在客流预测中使用的现状人均出行率进行统计。从现状人均出行率来看,各城市人均出行率在1.84.3.06次/日间,石家庄和珠海的人均出行次数大于3次,扣除这两个城市,各城市人均出行率在1.84—2.88次/日之间,平均值为2.32次/日。 城市规模对出行率的影响。一般认为城市建成区面积越大,居民出行距离越长,相应的居民中午较少产生回家及上班的工作出行,所以出行率相对较低。而城市越小,居民出行率相对较高,从统计来看,石家庄和珠海反应了这一特点, 而北京、上海的人均出行率统计低于上述16个城市的平均值也说明了这一点。季节对出行率的影响。哈尔滨调查夏季出行率为2.2次,日,而冬季为2.02次/日。说明在北方城市,冬夏季节由于气温差异大,气候对居民出行具有一定影响。