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。     

沪宁城际铁路客流短期预测研究

为提高沪宁城际铁路运营组织效率,通过对沪宁城际铁路短期客运量的时序特征和变化规律的分析,表明短期客运量时间序列是一种具有周期性特征、增长趋势缓慢的非平稳时间序列。在此基础上,建立ARIMA乘积季节模型,并运用该模型对沪宁城际铁路南京站发送量客流进行预测,结果表明ARIMA乘积季节模型具有较好的预测精度,适宜做城际铁路的短期客流预测。     

基于灰色和神经网络的铁路客运量预测研究

准确的客流量预测在国家交通规划与管理中具有重要意义,预测方法的选择直接影响到预测的精度。客运量的预测具有小样本和非线性的特点。结合灰色理论和RBF神经网络的特点形成灰色-RBF神经网络模型,并采用客流运量分担率的方式对拟建铁路客流量进行预测。通过灰色理论对原始数据进行生成处理,将无规律的原始数据变为较有规律的生成数列,再利用RBF神经网络的超强适应能力和学习能力,大大加快学习速度并避免出现局部极小问题对生成数列进行预测,再将模型运用到客运量的预测中。最后结合新建兰州至中川机场铁路项目及调查数据进行客流量的预测研究,得出灰色-RBF神经网络模型对客流量具有很好的预测性。     

合肥铁路枢纽的客流现状及客运量预测研究

分析合肥铁路枢纽客流增长趋势和客流波动特点,采取数学建模,运用指数平滑预测法,预测合肥铁路枢纽客运量发展趋势。     

基于Verhulst-RBF的铁路客运量预测

为更准确地预测铁路客运量,采用灰色关联法,分析不同因素对铁路客运量的影响程度,确定主要影响因子,并将其作为预测指标,提出基于Verhulst-RBF神经网络的铁路客运量预测组合模型。基于四川省近14年的铁路客运量数据,进行组合模型测试。实验结果表明,Verhulst-RBF神经网络组合模型的预测精确度高于单一的Verhulst模型或单一的RBF神经网络模型。     

基于OD反推模型预测客运通道客流量

OD矩阵是进行客流预测的重要基础数据,在实际操作过程中,获取吸引区之间的OD矩阵却是非常困难的,一般采用OD调查的方式,但缺陷是调查过程较为费时、费力。本文提出一种免OD调查,利用客流区段观测值直接反推OD矩阵的方法。首先讨论了传统"四阶段"模式与OD反推预测模式的联系和区别,然后阐述以重力模型为结构的基于区段客流量反推OD矩阵模型,并利用最大似然法对模型参数进行迭代求解,最后结合一个具体实例,运用该方法对武广客运通道的客流量进行了预测分析,采用试算法模拟重力模型的参数,误差控制良好,结果验证了方法的有效性。     

拉伊铁路运量预测及其对运营的影响分析

拉伊铁路是尼日利亚"三纵五横"铁路路网格局中的重要线路。基于线路规划建设方案及区域功能定位,从沿线既有客运量、通道客流调查、客运站运量、客流密度、列车开行径路等5个方面对拉伊铁路客运量进行了预测分析,从既有铁路货运量、地区货运量、区段货流密度等3个方面对拉伊铁路货运量进行了预测分析,考虑近期及远期两个层面,预测得到了Lagos~Kajola、Kajola~Ibadan区段货流密度、客流密度及客车对数。此外,对线路运营的管理模式、技术服务内容及列车开行方案进行了综合分析。可靠的客货运量预测分析对提升线路运营管理的高效性、可持续性具有重要意义。     

基于TransCAD的轨道交通客流预测与分析

TransCAD软件功能强大,能够实现交通预测的"四阶段"法,可以借助其技术预测和分析轨道交通客流。介绍了TransCAD软件建立轨道交通网络的方法和步骤、小区OD数据的获得,以及流量分配方法和结果表现形式;并以盐城市轨道交通规划为例,应用TransCAD软件对轨道交通客流进行预测和分析,得到各小区间轨道交通期望线、轨道交通流量分配结果等数据。     

新型组合模型在铁路客运量预测中的应用

客运量是用来测算交通运输业所承担的工作量,反映了运输业为国民经济和人民生活服务的数量指标,准确的客运量预测直接影响到铁路项目的经济效益评价及铁路交通组织安排。根据客流量数据的特点,提出新的组合预测方法,构建线性时间序列灰色GM(1,1)模型和考虑客流量影响因素的非线性遗传算法优化BP神经网络模型。最后结合新建兰州至中川机场铁路项目及调查数据进行客流量的预测研究,并将组合模型预测结果和单一模型相比,得出新型线性和非线性组合模型预测精度更高,取得了满意的效果,为客流量的预测提供了一种新的工具。     

新建拉萨至日喀则铁路客货运量及流向的预测

货运量预测按口岸进出口运量、沿线地方运量分别分析预测．进出口运量按趋势采用增长率法进行预测；沿线地方运量根据经济调查，采用主要品名按产销平衡法和其他品名按弹性系数法、类比分析法、回归法、增长率法等综合进行预测．客运量预测采用“四阶段”法的预测思路预测，转移运量、诱增运量采用重力模型方法，建立模型计算项目建成前后吸引区旅客广义出行费用的变化，通过预测各种交通运输方式市场份额的变化和诱增率，预测项目的转移客运量和诱增客运量．     

“四阶段法”预测沈哈客运专线运量参数取值探讨

采用"四阶段法"进行各种交通方式运量预测工作的关键在于对各种参数值的预测,这需要进行深入细致的定性分析和定量分析。在沈哈客运专线运量预测研究工作过程中,对所建模型参数的取值进行较为深入的研究,取得一定程度的认识,并在此基础上进行新建客运专线等交通方式客运量的预测,取得了良好的效果,可对今后新建铁路客运量预测提供理论支持。     

基于航空客流腹地的杭州萧山机场高铁站客流分析

高铁线路引入航空枢纽已经成为新的发展趋势,国家发改委关于打造现代综合客运枢纽提高旅客出行质量效率的实施意见发布以来,多地开展了机场综合交通枢纽规划研究。分析明确杭州萧山机场的发展定位,预测未来萧山机场旅客吞吐量;基于萧山机场航空客流腹地,研究确定萧山机场高铁站合理吸引范围和旅客高铁与航空客流换乘比例,预测机场陆侧客流各集散方式客运量,分析杭州萧山机场高铁站客流。可为区域内类似机场高铁站客流分析研究提供一定的参考和借鉴。     

城市轨道交通客流量实时预测模型

城市轨道交通客流预测方法主要有基于调查的客流量预测方法和基于实际流量的事后统计方法。针对目前尚无根据实际客流量数据预测各个站的客流量的模型,提出了利用实际到站的客流量数据,通过建立灰色模型和马尔科夫链,预测下一站实际客流量的实时预测模型。试验仿真表明,该模型能较好预测实时客流量。     

铁路客运量数据挖掘预测方法及应用研究

在分析铁路客票数据特征的基础上,提出采用分段模糊BP神经网络对铁路客运量进行数据挖掘预测。通过对铁路客票数据的分段处理,提高了网络学习的收敛速度和预测精度,并在MATLAB环境下建立了分段模糊BP神经网络模型,在仿真试验中各分段的期望输出和实际输出之间吻合较好,从而证明了分段模糊的数据处理方法是有效的;同时,预测的客运量和实际客运量数值非常接近,说明分段模糊BP神经网络得到的数据挖掘预测模型对铁路客运量有很好的预测效果,该预测模型可信,为预测铁路客运量提出了一种新思路。     

铁路旅客周转量的改进等维新息模型预测

铁路旅客周转量预测不仅影响铁路客运计划组织工作,它还体现了客运市场中铁路运输的市场控制力。针对灰色模型对数据的要求,采用滑动平均处理和对数化处理原始数据,并采用等维新息模型对铁路旅客周转量进行预测,通过与实际情况和GM(1,1)模型的预测效果的对比可以发现,该模型可以通过检验并且预测效果良好。     

铁路客流总量预测方法研究

客流预测是铁路运输进行运力布局,产品调整的重要基础。预测的科学性、精确度将直接影响运输生产,因此努力提高客流预测的精度与可用性,是目前运输学科的一个热门研究领域。本文提出基于历史与预售的时间序列（HAP）预测方法对铁路客运中、短期客运总量进行预测分析,以预测铁路客流总量,控制预测误差。经过实际应用,验证了该方法的科学性和合理性。     

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。