城市公交客运量的组合预测研究

公交客运量预测是公交线网规划与改进的重要依据,以往学者多采用单一的预测方法进行预测,预测精度偏低。本文采用组合预测法对公交客运量进行预测,该方法提高了预测的精度,为科学地制定公交线网进行了有益尝试,带来了社会效益和经济效益的改变,与以往方法相比有了明显的增加。基于这样一种思路,本文以南昌市公交客运量为例,对南昌市公交客运量进行了模拟预测,并对预测结果进行了相关验算,得到了预期结果,显示出组合预测法比单一的预测方法优越,适用于城市公交客运量预测。     

新疆交通客运量的预测与分析

本文通过新疆统计年鉴中仅有的新疆1990-2015年的交通客运量数据为研究对象,先利用时间序列(指数平滑和ARIMA)模型和非线性回归方法,进行初步地统计分析。根据预测误差最小的原则确定采用指数平滑模型和ARIMA(1,1,1)模型客运量预测的平均值作为新疆交通总客运量的最终预测方法.并给出了新疆2016—2020年的交通客运总量以及公路、铁路、民航等各客运量的预测结果。     

灰色系统模型在铁路客运量预测中的应用

根据历史数据预测铁路未来年份客运量是铁路客运部门制定工作计划的重要依据。基于灰色系统GM(1，1)模型预测铁路客运量，可充分利用给定的少量数据所包含的信息，得到较高精度的短期预测结果。本文以广深铁路公司客运量为例进行了短期预测，并与其他方法相比较，证实了灰色预测模型的有效性。     

基于偏最小二乘回归的民航客运量预测与分析

民航客运量预测与分析结果直接影响民航交通规划与管理,对各机场与航空公司是否能够把握行业发展的趋势,并及时制定市场竞争规划有着重要意义。本文采用偏最小二乘回归模型,对2016-2020年的民航客运量做出预测。根据民航客运量需求与经济发展、对外开放之间的关系,分析民航客运量的影响因素,为航空业的民航客运量预测与研究提供了参考,对有效增加民航客运需求具有着一定的参考价值。     

农村客运市场需求及其影响因素分析

"十一五"规划把农村客运网点建设作为重要任务之一,准确预测需求量是客运网点规划的前提;而正确分析影响客运量的因素,有助于准确预测。本文总结了农村客运的特点,并从多方面分析了其影响因素。     

基于回归模型和灰色系统预测模型的陕西省客运量预测

科学合理的交通运输量预测是进行交通规划和管理的主要依据。本文先介绍陕西省交通运输行业的现状和各种客运运输方式的概况,在此基础上采取定量分析的方法,以陕西省近年各种运输方式的客运量数据作为实例,采用回归模型和灰色系统预测模型对陕西省之后五年(即2016~2020年)的客运量进行预测,通过准确的客运量预测,为陕西省交通运输业的发展提供参考和依据。     

南昌至九江城际轨道交通客流预测理论研究

本文根据客运需求来源,将昌九城际铁路客运量分为既有铁路趋势运量、转移运量和诱发运量三部分。通过对这三部分运量的单独预测,以求得昌九城际铁路客运量的预测结果更为准确。     

铁路客运量的神经网络与遗传算法优化预测

铁路客运量是铁路建设的主要依据来源,它直接影响铁路建设的经济效益和资源配置。传统的铁路客运量的预测方法是基于专家估计或线性化后预测的,具有一定的局限性。基于神经网络和遗传算法理论,提出了一种遗传算法优化的RBF神经网络铁路客运量预测模型,采用遗传算法优化RBF网络权值和相应参数,确定全局最优值,然后训练RBF神经网络得到最优解,最终形成GA-RBF预测模型。实验结果表明GA-RBF预测模型优于传统的RBF预测模型,训练速度和预测精度显著提高。     

铁路线分线客运量预测研究

随着铁路运营管理现代化程度的提高,决策科学化问题愈益受到人们的重视。在铁路运营管理决策中,客流和货流是最基本信息,而如何选择合适的预测方法进行铁路客货运量的预测,则成为广大铁路科技工作者热心研究讨论的课题。近年来在各种刊物上发表过很多有关这方面的文章,但大多是对全路、路局、车站而言。由于分线别的客运量比某一个面上客运量预测要考虑的因素更多更复杂(如除了象生产力布局、经济发展水平等因素外,还要     

基于改进的灰色模型对国际航线客运量的预测技术

常规灰色模型主要适用于数据量少、波动幅度不太系统,短期预测时预测的精度较高。马尔科夫链适用于数据随机波动较大系统,可以对预测结果进行有效的修正。本文针对中国国际航线客运量(中国大陆出发)建立新陈代谢灰色马尔科夫预测模型,预测2014~2016年国际航线客运量,并将预测数据与实际数据进行比较,比较结果表明新陈代谢灰色马尔科夫预测模型比灰色模型和灰色马尔科夫链预测模型精准度更高,具有较强的实用性。     

经济预测方法及应用

本文介绍了经济预测中的线性回归、灰色系统，并准确地预测了长春市未来3年的GDP、客运量、货运量。对长春经济的发展有一定的指导作用。     

基于GMDH的民航客运量需求预测与分析

根据社会经济发展和民航客运需求之间的关系,探讨了影响民航客运量的因素,并以成都民航客运市场为研究对象,采用多元线性回归和GMDH的方法,分别建立了两个民航客运需求预测模型对成都民航客运的需求量进行了预测,同时还实施了两种方法的组合预测,通过预测误差分析结果证明预测的可信性。研究表明,GMDH模型具有较强的预测推广能力和进行因素分析的优越性。     

铁路春运客流量预测

春节运输的组织历年都是铁路局的一大难题,所以合理的掌握并了解我国历年的春运情况,可以对未来的客运组织工作起到很大的帮助。本文以2009年至2019年的客运量为基础,建立灰色预测模型,通过用灰色数列模型GM(1,1)预测方法对未来5年内的春运客流量进行预测。     

基于Logit模型和Monte Carlo方法的城市客运站选择行为研究

本文论述了研究的背景和意义,简单介绍基于随机效用理论的Logit模型和用于随机模拟的Monte Carlo方法,然后讨论运用Logit模型生成城市客运站选择概率,利用Monte Carlo方法模拟城市客运站选择行为,并以南京市城市客运站规划为实例,验证Logit模型和Monte Carlo方法的适用性,最后得出基于Logit模型和Monte Carlo方法是在一定程度上反映用户最优,可以与系统最优方法结合使用的结论。     

浅议现代汽车客运站

汽车客运站是城市交通的重要组成部分,简单介绍汽车客运站设计的历史演变及主要特点。结合我国的实际情况,通过对哈尔滨道外客运站的规模、功能、形式等技术、艺术问题进行研究。     

应用G1法进行汽车客运站安全评价研究

本文针对影响汽车客运站安全因素多样性以及评价者思维方式多样性,利用相关的理论知识,对汽车客运站安全评价的方法进行探讨,并给出了实例分析,表明该方法具有较强的实用性。     

浅谈汽车客运站安全管理

汽车客运站是道路运输系统的重要组成部分,汽车客运站承载者旅客的生命安全,随着客运站的不断增加,安全问题的严重性也逐渐凸显。因此,加强汽车客运站的安全管理至关重要。分析目前汽车客运站在安全管理上存在的问题,提出几点解决对策,仅供参考。     

如何计算统计预测准确程度

当前,统计预测蓬勃发展,实践中统计预测的运用愈来愈普遍,理论界对有关统计预测的理论和方法的论述愈来愈多,这就产生了对统计预测的效果进行评价的问题。要进行正确的评价,就要有一个科学的指标和一个正确的计算方法。     

基于GM(1,1)模型的铁路客流量预测

客流量预测是铁路运输组织工作的重要基础,是铁路部门制定运输方案和列车开行计划的重要依据。本文建立了铁路客流GM(1,1)模型,利用1999年至2010年全国铁路客运量数据,通过Matlab实现了GM(1,1)模型和一元线性模型,并比较两个模型的预测效果。结果表明,GM(1,1)模型预测效果优于一元线性回归模型,其平均相对误差减小约0.2511%。最后,对全国未来五年的铁路客流量进行预测,为管理人员做出合理决策提供了支持。     

汽车客运站“双规范”安全管理亟待加强

如何进行汽车客运站安全管理是汽车客运站进行安全经营的前提和保障。汽车客运站的安全直接关系着人民群众生命和财产安全。能让人民群众放心出行,放心承运是道路运输行业安全生产发展的方向,也是我们努力的方向。为此,笔者进行了一些浅层次的安全管理措施探讨,以期给同行参考或提出建议。