基于春节因素的中国铁路月度客运量季节调整模型研究

春节是我国移动假日之一,对运输、经济和旅游影响显著,特别是对铁路客运量影响巨大.使用移动假日效应和Genhol程序思想,改进前人“移动假日对客运量的影响是均匀变化”的认识,设计移动假日对客运量影响是μ型双峰变化过程,基于X-12-ARIMA模型,建立适合中国铁路客运量的三时段春节季节调整模型.结果显示:春节效应显著,节前、节中和节后影响程度不同.模型调整曲线光滑程度高,调整质量Q统计量值为0.340.运用该模型对2012年月度客运量估算分析,相对误差为4.2％.     

一体化程度对轨道交通客运量的影响

随着轨道网络的逐步成型,轨道与其他方式之间的换乘方便程度成为影响轨道客运量规模的关键因素.为了充分发挥轨道疏解城市交通拥堵的作用,在解析广州市轨道交通一体化现状的基础上,运用分层罗吉特模型的方法,建立针对性的交通分析模型,重点对公交车、自行车和停车三种交通方式的换乘距离对换乘的敏感性进行了定量研究,并提出相应的开发次序,同时对换乘收费进行研究,并总结研究结果.     

基于粒子群优化最小二乘支持向量机的铁路客运量预测

对于铁路客运量预测的准确度问题,本研究提出了基于粒子群(PSO)优化最小二乘支持向量机(LS-SVM)重要参数的方法。以1995—2013年的铁路客运量历史数据作为训练集,2014—2018年的客运量作为测试集,用LS-SVM进行建模和预测。针对模型中参数难以选择问题,采用PSO全局搜索方法,与神经网络和LS-SVM的预测效果作比较,仿真表明,采用PSO优化LS-SVM对铁路客运量建模与预测效果更好,精度更高。     

基于双层次正交神经网络模型的铁路客运量预测

针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进,在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型。该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果。模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效。     

巴西改造繁忙的地铁

巴西圣保罗的地铁网是南美洲最繁忙的地铁之一,虽然长度只有61km,每天的客运量却高达350万人,大部分列车都人满为患,然而乘客人数还在不断增加。为此,圣保罗州政府公布了一项巨大的投资计划,将对地铁网进行现代化改造,增加地铁运能,     

公路枢纽项目客运量预测方法初探

公路客运量发展预测是公路客运枢纽站项目可行性研究中的主要内容 ,是确定一个项目建设规模的基础条件。探讨应用经济指标与公路客运量统计数据作为基础数据 ,在经济指标预测中采用增长系数法和三次指数平滑法进行预测 ,采用回归分析模型进行客运量预测 ,从而为公路客运枢纽项目确定规模提供依据     

基于PCA-BP神经网络的铁路客运量预测模型研究

本文分析铁路客运量影响因素,利用主成分分析(PCA)消除原始铁路客运量影响因素之间的相关性,将主成分分析结果作为BP神经网络的输入,并通过增加动量项、输入数据处理、调整学习速率优化BP神经网络,提出基于PCA-BP神经网络的铁路客运量预测模型。实例研究表明,与BP神经网络相比,PCABP神经网络能有效提高铁路客运量预测精度。     

数字

40.1%截至2010年底,北京市公交出行比例为40.1%,公共交通日均客运量从2005年的1200万人次增长到2000万人次。88%到2010年底,全国农村客运班线达8．5万条,乡镇、建制村通班车率分别达到98％、88％。     

数字

7月份,国际间航空市场客运量同比增长了7．5％,远高于6月份6％的增长速度。受益于此,全球航空国际间市场的客座率也攀升至85．1％。国际航协认为,尽管7月通常是航空出行的旺季,但85．1％的客座率还是超出以往表现。7月份,全球航空客运量同比增长5．9％。不过,全球航空货运市场则襄足不前,同比下降了0．4％．     

地铁运营成本特性分析

以深圳地铁为例,通过对地铁客运量及运营成本在不同行车间隔下的特性分析,反映出地铁固定成本占比较大,达到总成本的80%以上；地铁客运量的增长幅度有随行车间隔的缩短而递减的特点；地铁运营企业在非完全成本概念下的客运收支“盈亏平衡日均客运量”这一结论,可对地铁公司运营决策提供参考。