变权综合理论在单向交通规划方案评价中的应用

选取了单向交通规划方案综合评价的评价指标,利用层次分析法建立了其评价指标体系,运用变权综合理论对5种单向交通规划方案进行了综合评价.     

基于遗传算法的军事运输路径优化

在建立军事运输路径优化模型的基础上，设计了求解最小广义权路径的遗传算法；针对军事运输中的必经点和节点保序问题，构造了特殊的染色体编码规则和交叉、变异的处理方法；提出通过对初始种群染色体的预处理来提高算法的性能．最后，进行了算法的比较实验和结果分析，以验证算法的可行性和有效性．     

基于SARIMA模型的广珠城际铁路客流量预测

为实现铁路车站发送客流量的短期预测，研究预测步长对短期客流预测效果的影响，分析了广珠城际铁路车站发送客流的特征和变化规律，结合客流特征及季节性差分自回归滑动平均模型（seasonal autoregressive integrated moving average，SARIMA）的适用性，构建了SARIMA客流预测模型，利用Python软件中的Statsmodels模块完成了SARIMA客流模型的精细化调参，以广州南站、小榄站的发送客流量为例验证了模型的有效性. 结果表明，SARIMA预测模型可以较好地适用于不同数量等级的客流预测，其预测精度随预测步长的增加而降低. 预测步长为1时，广州南站、小榄站、珠海站客流预测平均绝对百分比误差（mean absolute percentage error，MAPE）值分别为3.97%，5.83%，5.43%；预测步长增加为2时，各车站客流预测误差显著增加，广州南站、小榄站、珠海站客流预测误差MAPE值分别为5.31%，6.79%，7.62%；预测步长大于2时，预测误差基本保持稳定. 将SARIMA模型预测效果与随机森林（random forest， RF）、支持向量机（support vector machine， SVM）、梯度提升算法（gradient boosting， GB）、K最近邻算法（K-nearest neighbor， KNN）模型或方法的预测效果进行对比，预测步长为1时，SARIMA模型预测效果略优于其余4种模型，5种预测模型预测精度差距较小；预测步长大于1时，RF、SVM、GB、KNN模型预测误差随预测步长显著增加，预测误差为SARIMA模型的数倍. SARIMA模型在客流时间序列的多步预测方面具有较大的优势.      

远程直达列车运输组织方案的确定

分析远程直达列车的各种车辆小时消耗。在着重考虑始发站集结车辆小时消耗的前提下,推导出相应的计算式,并且确立了远程直达列车的开行条件。建立以总车辆小时消耗最少为目标的优化模型,并利用循环求解算法对模型进行求解。     

我国大城市公交门户网站现状调查与发展对策

以中国31个直辖市和省会城市中19个大城市为例,选取11个评价指标,对这些城市公交门户网站进行了调查分析,并针对公交门户网站目前存在的问题提出了相应的发展对策.     

基于KFAV的中国铁路货运客户细分方法研究

中国铁路货物运输由于诸多因素的影响,在客户和货源数量上受到了冲击,需要在客户关系管理及营销等方面不断完善,其中客户细分是精确营销的重要手段.本文提出了基于RFM模型的,新的客户分类KFAV模型,并对货运客户价值进行了计算.之后引入了局部密度值ρ和斥类值δ,对传统K均值(K-means)聚类方法在初始聚类中心选取方面进行了优化.通过搭建hadoop集群环境,采用spark计算框架,对选取的大量货票数据进行仿真.仿真结果显示,基于KFAV模型的铁路货运客户细分方法更加具有针对性,并且改进的K均值聚类方法提升了算法的效率,同时基于大数据分析的spark+hadoop平台极大地降低了客户细分的运行时间.     

基于BWM 的中欧班列客户需求偏好异质性研究

中欧班列沿线运输能力短缺现象日益严峻，充分了解客户需求偏好能为高效利用现有运输能力提供参考. 采用最佳-最差方法(Best Worst Method, BWM)在市场调查的基础上，对中欧班列客户需求偏好进行研究，并对结果进行二阶聚类分析，揭示客户需求偏好异质性.BWM结果显示，运输成本是中欧班列客户整体最偏好指标，相比于运输成本和运输时间，并结合铁路运输自身特点，可靠性最适合中欧班列发展为其特色. 二阶聚类结果显示，将运输服务质量与运价相结合，可以在满足客户异质性需求的基础上，更好地利用中欧班列现有运输能力.     

基于突发故障的高速列车运行调整研究

区间突发故障下的运行图调整是高速铁路运输组织调整优化的重要内容。在区间故障临时不能行车的情况下,受影响的列车不能按原计划运行。因此,高铁调度员需要快速调整列车到发时刻和顺序,减少故障对后续时段内列车运行的影响。本文建立混合整数线性规划模型,模型中详细讨论了故障发生时区间运行列车的停车问题,并利用CPLEX软件进行求解。本模型可快速求解中小型规模问题,大规模问题则分阶段进行求解。最后,以武广高铁为背景构建算例,求解各故障情况下的列车运行调整方案。     

基于铁路货运价值分类的客户流失预测研究

结合铁路货运行业的特征,获取其他货运市场数据,从客户发货情况、客户服务情况和运输市场情况3方面建立客户流失识别方法。根据铁路货运特征提出基于RFM的货运客户价值分类模型KFA和货运客户价值的计算方法。运用k-means聚类算法对货运客户进行分类,并利用支持向量机(SVM)建立各类货运客户的流失预测模型。制定评估标准来验证预测模型的预测效果。仿真结果显示,KFA客户分类模型具有较好的分类效果,按照不同客户分类建立支持向量机客户流失预测模型具有较强的预测能力,且对于不同观察窗口的数据分析结果差异性较小,说明模型具有较强的泛化能力,并且相比于全局预测,对于高价值客户更具有准确性,具有较高的实际应用价值。