铁路集装箱短期运量预测方法分析

集装箱运输作为一种先进的现代化运输方式,不仅能加快货物送达的速度,减少运输成本,还具有运送安全、手续简便,便于实现多式联运和"门到门"运输服务的特点,通过分析常用预测模型的原理与方法,论述铁路集装箱运量的预测方法,得出较合理的灰色-广义回归神经网络组合预测的方法。因此,该方法对运量预测研究和分析具有理论意义。     

城市对外交通枢纽交通分布预测

交通枢纽是道路网络的重要节点，其对道路网络上交通影响不能忽略．文中探讨了无现状OD情形下的各种类型交通枢纽分布预测问题,把运输费用（时间）最小作为目标函数，以交通小区发生量和交通枢纽容量为约束，建立了线性规划预测模型，并对交通小区与枢纽间的特定联系在分布预测中如何考虑进行了探论．实例研究证明该模型具有实用性。     

灰色预测模型GM(1,1)及其在交通运量预测中的应用

讨论了灰色预测模型以及灰色预测模型在交通运量预测中的应用．建立了基于灰色预测理论的GM(1，1)模型，叙述了运用GM(1，1)模型进行预测的详细步骤，并用其分别对货物周转量、旅客周转量进行了预测，预测结果是可信的．     

运输通道新建高速铁路客运量预测MD模型

为了准确分析运输通道新建高速铁路未来客运需求,应用经济学效用原理和数学分析方法,对MD（Minimum Drain）预测模型的概念、假设、原理进行了定义和分析,讨论了需求潜在化实现率、旅行总支付及运输方式选择的机理,并与传统客运量预测方法对通道总的铁路客运需求量预测结果进行了对比。结果表明,该模型预测运输通道新建高速铁路未来的市场份额为70％以上,预测潜在需求年增长率比其他方法低1％,符合近年来交通量的增长规律,这说明MD模型与传统运量预测模型结合进行通道运量预测能充分反应通道中各种运输方式的服务水平对其市场份额划分的影响。     

日常动态货物列车开行方案优化研究

为使铁路行车组织符合日常货流动态变化，本文提出编制日常动态货物列车开行方案，以确定货物列车开行的始发终到站、开行数量、编组内容和开行时段.基于编组计划、运行图等基本运输计划构建列车时空网络，以车流走行费用，列车运营费用，车流延误费用之和最小为目标；考虑车流径路唯一，节点流量平衡，列车开行数量，车流中转时间等约束，构建整数规划模型.为提升算法的求解效率，增加解的个体数目实现算法的并行性，引入多邻域移动准则，设计改进的模拟退火算法进行求解.以蒙华铁路实际数据进行案例分析，结果证明了本文模型和算法的有效性.     

我国铁路煤炭运量预测模型的研究

本文用一元线性回归、直线趋势、自回归和二次指数平滑等四种预测模型对我国铁路煤炭运量进行了预测,并对四种预测模型的误差作了比较,目的在于对煤炭运量作出科学的预测,提高精度,实现煤炭的合理运输.     

利用无偏最优维数灰色预测模型预测我国公路货运量的发展

在无偏灰色预测模型的基础上提出了一种改进模型 ,该模型消除了传统模型和无偏模型中由于使用大量现有数据建模而带来的偏差 ,而是选用对预测值影响最大的几组数据进行建模 ,因而可称为无偏最优维数灰色预测模型。利用此模型对我国公路货物运量的发展做了预测。     

灰色马尔可夫模型在公路运量弹性系数预测中的应用

针对公路运量预测中弹性系数随机波动性较大的问题,结合灰色模型可以揭示预测数据的发展趋势以及马尔可夫预测适合描述随机波动性较大的预测问题的优点,建立了公路运量预测中弹性系数的灰色马尔可夫预测模型;用该模型对北京市公路客运弹性系数进行预测,验证了模型对公路运量中弹性系数进行预测的合理性。研究结果表明,灰色马尔可夫预测模型能够较好地提高公路运量预测中弹性系数的预测精度,对于提高公路运量预测精度具有重要意义。     

基于货物时间价值的物流网络最优配送路径模型研究

本文构建了物流配送网络中货物时间价值相关的最小配送费用路径模型,并研究了其算法。模型把整个配送过程分为运输过程和装卸过程,并且考虑了由于运输过程和装卸过程时间延迟造成的货物价值损失,这也是和其它类似成本路径模型最大的区别。该模型算法可以利用计算机自动完成,不受物流配送网络大小和节点的限制,并保证算法的正确性。     

货物列车编组计划网络模型的建立及算法

阐述了货物列车编组计划编制的复杂性。车流径路和编组方案统一起来进行优化，会得到更加精确和合理的结果。将货物列车编组计划问题转变为网络计算问题来处理，给出了数学模型，其目标是使铁路范围内的车流总费用最小，并且探讨了该模型的算法。     

日常动态货物列车开行方案优化研究

为使铁路行车组织符合日常货流动态变化,本文提出编制日常动态货物列车开行方案,以确定货物列车开行的始发终到站、开行数量、编组内容和开行时段.基于编组计划、运行图等基本运输计划构建列车时空网络,以车流走行费用,列车运营费用,车流延误费用之和最小为目标;考虑车流径路唯一,节点流量平衡,列车开行数量,车流中转时间等约束,构建整数规划模型.为提升算法的求解效率,增加解的个体数目实现算法的并行性,引入多邻域移动准则,设计改进的模拟退火算法进行求解.以蒙华铁路实际数据进行案例分析,结果证明了本文模型和算法的有效性.     

需求变动下高铁快运货流分配与组织模式优化

基于高铁快运一地集货和多点发运的开行特点，综合考虑我国未来快递市场的需求变动，提出高铁快运常态化和规模化成网运营后的货流分配与组织模式优化方法，以客运动车组捎带运输货物、预留车厢和高铁快运专列模式下，各OD对间的高铁快运运量为主要决策变量，以总运输成本极小化为目标，构建货流分配混合整数规划模型，计算货流量在高铁快运网络中的分布，得到货流OD运输路线与各高铁快运通道运营组织模式的组合优化方案。通过高铁快运货流OD “三阶段”预测方法，预测城市间的高铁快运需求量作为货流输入，以9个国内快递业务中心城市组成的网络为案例，由Python语言调用Gurobi优化软件求解案例，验证所建模型的有效性。案例结果表明：在运量低谷期使用捎带和预留模式可满足90.7%的运输需求；在运量高峰期部分线路需开行高铁快运专列；运营组织模式可根据OD对间货流量与网络容量的适应性关系进行调整，以充分利用高铁闲置运力，提升运营效益。     

港口与运输方式及陆港联合选择的巢式Logit模型

为刻画托运人对港口、运输方式及陆港的联合选择行为，将港口费用、等待时间、班轮频率、货物价值、单次运量、运输成本、运输及通关时间、准班率、陆港服务作为效用变量，构建港口选择位于上层、运输方式及陆港选择位于下层的巢式Logit模型.基于辽宁部分城市集装箱托运人的RP/SP调查数据，对模型参数进行估计和检验.结果表明，低运量倾向选择公路运输，托运人对多式联运的运输成本、运输及通关时间比公路运输的更重视，对公路运输的准班率比多式联运的更重视，陆港服务对多式联运具有显著正向影响，巢式Logit模型比MNL模型具有更优的统计学特征.     

一类运输工具带双重能力约束的LRP问题

分析了一类运输工具受双重能力约束的LRP问题，即在物流网络节点最大单批处理能力及运输工具总运输能力双重约束的情况下,如何进行物流中心选址和运输路线安排，使总的费用最小,模型假设网络系统满足如下条件：①节点的最大单批处理能力是逐层变化的，②货物只能用不同运输工具经过某一物流中心进行中转运输．文中建立了混合整数规划模型，提出了一种优化算法，并用优化算法对实例进行求解．     

组合预测方法在我国铁路客流预测中的应用

科学准确地预测铁路客运量是制定铁路网规划的基础。目前,运量预测的模型很多,单一模型并不能完全反映运量的变化规律和信息,因此,应采用Box-Jenkins模型和灰色预测模型相组合的预测模型方法对我国的铁路客运量进行预测,结果表明,组合预测模型能够提高我国铁路客运量的预测精度。     

铁路轮渡货运量预测方法研究

铁路轮渡在国内属于新生的一种运输方式，其货运量预测方法及对运量构成的划分方法尚无成熟经验可以借鉴，从综合运输的角度入手，对采用经济模型与产销平衡分析相结合预测铁路轮渡货运量的方法进行了探讨，并进一步利用该方法对铁路轮渡运量的构成进行了合理划分。     

基于ARIMA-RBF神经网络的沿海港口吞吐量预测研究

在沿海吞吐量预测中，影响因素多且复杂，传统的计量经济模型很难得到满意的结果。针对此特点，提出一种组合预测模型，先后用ARIM A模型和RBF神经网络模型探求港口吞吐量历史数据的线性和非线性变化规律，最后将两者预测结果组合。对福建省港口货物吞吐量预测作为实例进行验证，结果表明，相对单一预测模型，该方法的预测精确度更高。     

��·��ͨ������֧�����������Ԥ��

对交通运量做出较为准确的预测，能对相关部门和人员把握运输市场或进行决策有所裨益。对灰色、神经网络和支持向量机的三个预测模型进行了研究，以全国1996 ～ 2003年公路货运量为例，对公路货运量进行了预测，经过比较，支持向量机的预测方法精度较高。在分析组合预测特性的基础上，提出了对灰色系统、神经网络和支持向量机三种预测方法结果进行了线性组合预测方法和支持向量机的组合预测方法。与单一预测方法结果和线性组合预测进行对比，支持向量机组合预测方法比较精确。     

交通运输网络中两个结点间有流量约束的最小费用最大流算法

对交通运输网络最小费用最大流的分配是在满足容量限制条件和流量守恒条件下,基于总费用最低的原则进行的,但在实际应用中,通常对交通运输网络中两个结点之间的流量有具体的要求和约束限制条件.针对交通运输网络中两个结点之间有流量约束的最小费用最大流问题进行了分析,总结了两个结点之间的流量不能超过限制值、不能低于限制值以及在一定范围内的3种约束条件.基于连续最短路算法中构造伴随增流网络的思路,设计了这3种约束限制条件下的最小费用最大流分配算法.利用这个算法,可以解决交通运输网络中两个结点之间有流量约束的最小费用最大流分配问题.在交通运输领域,两个结点之间有流量约束的最小费用最大流问题普遍存在,这些算法也为解决实际的运输问题提供了应用基础.     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.