优化城际铁路客运需求总量预测

城际铁路客运需求预测利用人口、GDP与区域客运需求的相关性建立回归模型分析,却忽略了由于个人收入分配差异产生对客运需求影响。从收入分配差异性引起的客流变化角度分析,对人口因变量和GDP因变量进行修正,优化城际铁路客运需求总量预测。     

我国客运市场的变化分析及铁路的对策

文中从客运总量、客流构成、运输需求、市场竞争等方面对我国客运市场的变化进行了分析，并结合铁路实际情况，提出了扩大运输能力、开发客运产品、提高服务质量等对策。     

基于EMD的SVR方法在铁路客流预测中的应用

客流预测是铁路客运运营管理的重要依据,铁路客流具有非线性、非平稳的特点,传统预测模型很难得到满意的结果,因此利用经验模态分解(EMD)方法对客流进行自适应的分解,利用支持向量回归机(SVR)对固有模态函数(IMF)进行预测,建立基于EMD的SVR铁路客流预测模型。利用Matlab对SVR预测、BP神经网络预测和基于EMD的SVR预测模型进行仿真实验,得出3种预测模型的平均相对误差,分别为22%、25%和13%。结果表明,基于EMD的SVR方法的预测精度明显高于另外两种预测方法,能够有效地提高铁路客流预测准确性。     

滇中城市群城际铁路网客流预测

基于对滇中城际铁路网客流的现状分析,将城市群内交通划分为区域内交流、对外交流、过境客流三部分,以区域内交流为重点,将客流以不同的交通方式划分为公路客流、铁路客流与航空客流进行分析。采用改进的四阶段交通需求预测理论,以实际客流数据为基础得到2015年不同交通方式与全方式的客流OD表。运用弗雷特法(Frator method)计算未来各规划年不同交通方式与全方式居民出行城际客流和旅游客流分布。建立滇中城市群各城际通道方式划分Logit模型,得到滇中城市群城际铁路客流OD表,成功得到未来各规划年的客运交通分布预测、客运交通方式预测与主要通道客运交通预测。     

铁路客运车站客流监测与预警系统

由于缺乏准确的实时客流数据,铁路客运车站的客运组织一直主要依靠经验来调配设备、人员等所需资源。为此,开发了铁路客运车站客流监测与预警系统,通过有效利用铁路客票预售数据、车站历史客流数据、旅客进出站实时数据、列车正晚点数据等相关数据,建立基于K均值聚类的支持向量回归机客流预测模型,实现车站每日进站客流、分时段进站客流、候车室客流的监测、预测及超限预警,方便车站工作人员随时掌握客流动态,及时根据客流变化进行设备和人员动态调配,更加精准、高效、安全、有序地开展车站客运组织作业,有助于改善车站客运服务水平,提升旅客出行体验。     

哈尔滨铁路局旅客运输市场调查分析

针对铁路旅客运输中不同的旅行需求,哈尔滨铁路局对吸引区范围内铁路旅客市场进行客流调查、信息解读,对旅客用户群的特点和其他交通方式进行比对分析。根据铁路既有客运产品的调查分析,提出铁路客运市场营销策略和既有客运产品改进的建议。     

西安至十堰高速铁路运输需求分析

旨在研究西安至十堰高速铁路在路网中承担的主要运输任务和运输需求,通过径路比较,得出本线主要承担西北、蒙西与鄂、湘、赣、闽、粤等省区的旅客交流,兼顾沿线城际客流。在此基础上,对区域客运总量进行生成、分布和分配预测,按照趋势、转移、诱增运量进一步分析得出线路客流密度,最后结合客流构成分析确定旅客列车对数及开行方案。     

基于客运大数据平台的铁路客流预测系统

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础.针对多层面、不同类型、不同时期的铁路客流预测业务需求,依托铁路客运大数据平台,构建铁路客流预测系统,能够在同一系统平台上完成客流预测方案的测试、评价和规范化应用.该系统集成各类客流预测算法模型,可充分利用历史售票数据,并考虑年度、季节、星期、时间、节假日...     

面向冬奥会突发客流的铁路客运运力应急处置策略研究

客流分布特征及规律是铁路客运运输组织的依据,根据客流状态及时调整运力配置,充分满足旅客出行需求,铁路主要的运营目标。京张高铁目前已投入运营,并将成为北京冬奥会铁路运输系统。文章基于京张高铁历史客流数据和已公布的冬奥会赛事日程信息,对冬奥会期间崇礼和延庆赛区的基本客流构成和特征进行分析和预测;分析冬奥会赛事期间突发客流成因及形成过程,确定了客流密度分级定义,以对客流密度进行分级监测和预警,准确把握铁路运输系统面临的客流压力大小;分别从客流和运力利用状况两个角度,定义冬奥会突发客流预警指标,提出实现突发客流与铁路运力相匹配的应急措施,实现冬奥会期间突发客流应急处理闭环管理。     

速度与票价对铁路客流吸收效果的影响

本文探讨了铁路旅客列车提高提速对运输方式间客流吸引效果的评价问题，建立了适用于铁路提速客流分析的Ｌｏｇｉｔ模型，分析了速度与票价对铁路客流分担率的影响，根据分析结果，提出了提高铁路客运竞争能力的途径与措施。     

灰色理论在铁路客运量预测中的分析研究

针对传统灰色预测模型存在对历史数据依赖性强、容错性小及抗干扰能力差的局限性，将无偏灰色理论与残差验证理论引入预测模型，从趋势曲线灰色拟合与状态分类方式上对传统灰色模型进行改进，提出无偏灰色预测铁路客运量方法；同时，对铁路客运量预测方法从定性预测和定量预测两个方面进行阐述并对其优缺点进行分析。依据建立的无偏灰色预测铁路客运量模型，以1997—2016年铁路客运量为基础数据，对铁路“十三五”时期的数据进行预测，通过残差检验和结果分析，其预测精度明显高于BP神经网络预测。     

城市轨道交通进站客流量短时组合预测模型

高精度的短时进站客流量预测对城市轨道交通日常客流组织具有重要意义,利用客流预测结果在事前实施限流、疏导等措施,较事后控制更及时、先进。通过采集15 min间隔的地铁进站客流数据,利用上周同期进站量、本日上一时段进站量以及高峰和非高峰时段参数作为输入变量,尝试分别采用加权历史平均自回归模型、ARIMA模型及小波神经网络模型进行短时预测,以获得精度最高的模型。在此基础上,进行三种方法组合预测,探究组合预测效果。通过案例分析,发现当考虑时段因素时,小波神经网络预测精度最高,为91.05%;ARIMA模型误差结构最好。当采用所提出的组合预测模型后,预测精度指标较独立预测模型均有提升,但误差结构没有得到改善。研究表明,所提组合预测模型可以有效地应用于城市轨道交通进站客流的短时预测中。     

加德满都至博克拉铁路客运量预测研究

新建加德满都至博克拉铁路项目位于尼泊尔中部,线路由尼泊尔首都加德满都至博克拉,正线全长164.395 km。由于沿线区域欠发达,几乎无铁路分布,项目客运量预测存在基础资料少、铁路统计调查数据缺失等困难,针对上述困难,对预测的方法进行研究,根据项目客流特点,将尼泊尔划分为17个小区,采用四阶段法进行客运量预测。结合小区人口和旅游客流的现状及增长情况,预测各小区的交通生成量,采用重力模型法得到总客流OD,通过Logit模型得到铁路OD,最后根据最短路径法进行客流分配,从而得出项目区段客流密度和车站旅客发送量,本项目的预测对类似项目有一定的参考作用。     

后疫情时代基于XGBoost的铁路客运站客流量预测研究

进入"后疫情时期",铁路客流正逐步回升,但呈现较大波动,面对铁路提质增效的任务,准确预测客流量愈发重要.文章采用极端梯度提升(XGBoost,eXtreme Gradient Boosting)模型,以新冠肺炎疫情、天气和日期属性作为影响因素,选取上海站2016年1月1日—2020年7月27日客流量数据作为训练集和验证...     

面向普速车站的智能到发作业系统设计与实现

目前,全路有普速车站2 000多个,这些车站只有很少一部分建设了旅客服务集成管理平台（简称:旅服平台）,建设速度缓慢。主要原因是由于普速车站列车运行和客运组织情况复杂,现有旅服平台到发管理作业无法满足现有车站客运作业需求。因此,研究设计采用基于进站咽喉智能视频分析的车次识别与运输调度管理系统（TDMS）临站压轨数据相结合的旅服智能到发作业系统,对列车进站、停稳等状态进行预测判断,并在此基础上依托c#编程语言对到发管理作业进行新的算法设计与实现。通过对现场到发作业改进前后与列车到发作业时间预测结果对比分析,采用基于进站咽喉智能视频分析的车次识别与TDMS临站压轨数据相结合的智能到发作业系统时间预测准确性远高于现有旅服平台只接收TDMS方式的到发时间预测。     

铁路客票席位智能预分的设计与实现

我国铁路客运有非常明显的淡旺季客流区别。如何使席位预分方案更加贴近实际的客流需求、提高铁路客运收益,成为客运管理的新问题。席位智能预分通过对历史客流数据的分析,获取未来客流的预测值,并将预测值与客运管理人员的经验相结合,形成更加科学的预分方案。引入席位智能预分后,有效提高了客座率。     

基于大数据技术的铁路客流预测系统架构研究

分析现有铁路客流预测理论研究和系统应用,针对预测过程中缺乏对不确定因素考虑的情况,提出预测系统中事件的概念,基于大数据技术构建事件处理平台和预测系统架构,该架构为铁路客流预测实时性和准确性的提升奠定基础。