基于RBM-GASA-BPNN的潜在 高价值旅客预测

针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足,提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别,设置类别标签;然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围,又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调,确定了最优的BPNN初始权值和偏置;最后,利用优化后的BPNN对旅客进行分类预测.实验结果表明,本文提出的方法克服了基于BPNN的分类预测方法的缺陷,具有更高的分类预测准确率和潜在高价值旅客预测能力.     

基于RBM-GASA-BPNN 的潜在高价值旅客预测

针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足,提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别,设置类别标签;然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围,又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调,确定了最优的BPNN初始权值和偏置;最后,利用优化后的BPNN对旅客进行分类预测.实验结果表明,本文提出的方法克服了基于BPNN的分类预测方法的缺陷,具有更高的分类预测准确率和潜在高价值旅客预测能力.     

出行时间价值最大熵分布估计模型

为提高使用时间价值数据拟合其统计分布的精度,将最大熵原理分别与低阶(≤6)经典矩和概率加权矩相结合,建立了时间价值低阶经典矩与概率加权矩统计分布函数模型。仿真结果表明:在大样本量下,利用经典矩与概率加权矩对参数估计的精度相当,在小样本量下(<30),采用概率加权矩估计参数的相对误差在10%~35%之间,而采用经典矩估计参数的相对误差在20%~80%之间。可见利用概率加权矩克服了经典矩模型在小样本量下参数估计的大偏差问题,且利用其可以准确地预测交通方式分担率与分析交通定价政策对交通行为的影响。     

基于潜在类别模型的高铁旅客市场细分

对高速铁路旅客市场进行细分是应用收益管理理论的重要环节.基于京沪高铁的客票数据,选取年龄、性别、出行日期、出行距离、购票方式和提前购票时间6类外显变量作为分类指标,采用潜在类别模型进行高速铁路旅客市场的细分.首先将外显变量概率参数化后代入模型进行建模并利用Mplus软件进行模型求解,模型拟合的AIC和BIC等指标表明,当潜在类别为3类时模型具有较好的效果.然后根据模型参数估计结果对所有数据进行潜在聚类分析,分类正确率达到93%左右,表明分类结果合理,3种类别的旅客在提前购票时间、出行距离等方面具有明显的差异.潜在类别模型的引入可以为我国高速铁路收益管理理论研究和实践应用提供参考借鉴.     

基于手机信令的全社会公路旅客出行量测算方法

为了准确统计全社会公路旅客出行量,针对传统公路客运量统计口径小、覆盖范围不全、无法全面反映公路旅客实际出行情况的问题,基于手机信令数据,通过用户位置识别、旅客出行链整理、旅客出行方式判别、城区范围划分及数据多层扩样,构建了全社会公路旅客出行量测算方法.为了验证所建方法的准确性和合理性,以京津冀地区的手机信令数据为例,对...     

基于聚类分析的铁路出行旅客类别划分

对铁路出行旅客进行类别划分,是简化旅客乘车选择问题研究的重要策略.根 据成都-武汉段既有线与新线的旅客调查数据,以旅客的各类主体、出行特性作为属性 变量,运用分层聚类法中的凝聚法进行变量聚类,将具有较大相关性的变量--时间价 值与月收入、出行目的与费用来源合并.然后根据简化的旅客属性变量指标集,运用近邻 传播算法对旅客进行样本聚类,并引用CH、Hart 及IGP 等聚类有效性指标确定最佳聚类 数.指标值表明,将铁路出行旅客划分为6 个类别时,具有最好的聚类效果.调查数据中旅 客乘车选择结果亦显示,不同类别的旅客对客运产品的选择有着明显的偏好.     

基于旅客出行成本的高铁与民航运输竞争临界距离分析

我国高铁的快速发展对中国民航带来很大冲击,而冲击的大小随着运输距离的不同而变化,因此,高铁与民航运输之间必然存在着竞争的临界距离。基于旅客出行成本,通过分析和计算,得出高铁与民航运输之间竞争的临界距离。这对于协调高铁与民航之间的竞争,促进高铁与民航的发展具有重要意义。     

基于潜在类别模型的出行决策机理异质性研究

传统的离散选择模型是基于随机效用最大化准则构建的,然而考虑到决策者的异质性,不同的群体可能采用不同的决策机理.为此,本文考虑了两种不同的决策机理:随机效用最大化准则和相对优势最大化准则,并采用潜在类别模型来验证出行决策机理异质性的存在.首先,基于SP实验设计收集出行数据;其次,分别构建基于随机效用最大化准则的logit...     

基于手机信令数据的旅客联程出行时空特征分析方法

为高效准确地识别旅客联程出行方式,基于旅客联程出行行为特征,引入不同运输方式场站地理位置、场站数据取样最佳半径、旅客行驶速度等关键参数,对旅客手机信令数据进行筛选、校核和计算,提出了基于手机信令数据的旅客联程出行方式识别方法,同时测算了不同运输方式场站数据取样最佳半径。以2018年国庆假期广东省内旅客出行为例进行分析,剔除了约98%的无关信令数据。分析结果显示,广东省内公铁联运出行比例最高,广州、深圳两大枢纽城市的客流集疏运效应突出,广佛城际出行联系较为密切,佛山机场的潜力较大。研究表明,识别方法大幅降低了信令数据分析量和运算成本,方法原理和技术路线清晰,分析结果准确、符合实际。     

基于二次诱导的群体空港旅客出行推荐方法

针对旅客个性化出行需求和机场快速疏解要求,在对陆侧交通各出行方式固定分配的基础上,提出了一种基于二次诱导的群体空港旅客出行推荐方法,为定制化旅客服务提供算法支撑;基于旅客原始数据,结合粗糙集理论进行特征属性的知识约简,提高算法性能;运用改进贝叶斯分类算法进行基于旅客独立特征概率计算的出行方式推荐度量化,生成基于一次诱导的旅客出行推荐序列;面向机场陆侧各出行方式运力固定分配的约束,将旅客出行推荐序列输入基于改进非支配排序遗传算法(NSGA-Ⅱ)的旅客二次诱导出行推荐模型中,进行运力与旅客流的深度匹配,对旅客出行推荐结果进行再次优化;基于普适性原则,使用小规模(100人次)和大规模(1 000人次) 旅客样本进行模型验证。分析结果表明：在不同规模旅客流输入情况下均能得到良好结果,小规模样本下旅客出行方式推荐正确率为77.41%,大规模样本下旅客出行方式推荐正确率为79.62%;经过二次诱导后,旅客流出行推荐分布与运力间的匹配度相比真实出行以及一次诱导分布皆有巨大提升。在旅客流与运力高度匹配的基础上实现了旅客出行偏好需求,算法性能良好,为改善枢纽机场客流疏解能力提供了一种切实可行的方法。     

基于乘客路径选择的多制式轨道交通客流分配

为量化换乘对乘客出行路径选择的影响程度,在单层网络中添加虚拟换乘站,构建无隐性连接的三层多制式轨道交通拓扑网络模型.基于时间、换乘节点衔接性,计算线网间衔接性系数;利用Dijkstra法搜索模型各起讫点间的K短路径,以乘客感受到的线网复杂度及乘客出行计划确定时间,建立乘客对线网的熟悉度函数;根据乘客路径选择影响因素构建...     

基于建成环境和低频浮动车数据的路段行程时间估计

将城市道路周边建成环境的相关属性作为路段行程时间的解释变量,结合城市低频浮动 车数据,在不需要速度等GPS信息的条件下研究建成环境属性因素对路段行程时间的影响。同 时,给出一种新的路段行程时间分布估计方法,即利用路段车辆数的分布代替路段长度作为路段 行程时间的分配比例系数,得到路段行程时间的分布情况。为验证所提方法的正确性,以辽宁省 丹东市振兴区锦山大街为例进行分析,用极大似然估计法得到各类建成环境对行程时间的影响 参数值,并对比研究路段在有、无建成环境影响下的行程时间。结果表明：道路周边的建成环境 会在不同时段导致路段行程时间显著增加,学校的影响时间段主要在6:00-7:20,医院、诊所集中 在7:00-8:00,交叉口造成的行程时间增量在研究范围内整体较为平均。通过似然比检验,验证了 将建成环境变量作为路段行程时间影响因素的可靠性。     

基于椭球模型的FANS航线算法

为提高RNAV（区域导航）精度,采用空间向量分析,导出了FANS（国际民航组织倡导的新航行系统）航线的初始航线角和航线距离计算公式;用辛普森自适应算法进行了仿真计算,并与大圆航线的计算结果进行了比较.结果表明,当航程小于1 000 km时,对于近EW走向的航线,FANS航线比大圆航线长约0.35%;而对于近SN走向的航线,FANS航线比大圆航线短约0.24%.     

我国航空旅客运输需求预测——基于计量经济学与系统动力学组合模型

航空运输需求预测是民航发展规划和决策的前提,预测结果的精度会对民航的发展产生重要的影响.基于系统动力学原理构建了民航客运需求系统的因果关系图,分析了各因素间的因果关系,在此基础上,建立了航空客运需求的系统动力学模型,并引入了计量经济学来建立模型的数学方程.然后,对模型进行了有效性检验,结果显示建立的模型可以较好地反映民航客运的实际需求,证明了模型的有效性.最后,应用该模型对我国未来几年的航空客运需求进行了预测,并对比了不同的预测情景,结果显示经济水平对航空客运需求影响显著,宽松的人口政策在一定程度上会降低航空客运需求.