原文传递
基于时空分析的铁路客流量短期预测
| 论文题名： | 基于时空分析的铁路客流量短期预测 |
| 关键词： | 铁路客流量;短期预测;时空分析;支持向量机 |
| 摘要： | 2016年，随着发改委发布《关于改革完善高铁动车组旅客票价政策的通知》，高铁动车票价将由铁路总公司根据市场情况自行定价的政策出台，正在市场化转型的中国铁路总公司终于拿到了“高铁定价权”。面对我国的交通运输事业的不断发展，对客流的充分了解和预测对于准确把握市场更是显得尤为重要，它不仅关系到铁路价格的合理制定、客运站组织方式的改善、铁路车辆资源配置的优化、客运设备服务能力的提高等等，更是展现着一个国家的后备能力，必须引起重视。 结合我国国情发展背景和需求，并针对目前国内外在客流预测领域存在的一些问题，本文尝试提出一种新的基于时空分析的铁路客流短期预测方法。该方法自下而上构建三层结构形成完整的时空网络，同时，本文也采用了2015年1月至2016年3月某区段客运专线的脱敏日客流数据进行了实证分析。 第一层基于时间属性建模，利用基于高斯径向基核函数的支持向量回归以及引入节假日效应的 ARIMA模型来对目标对象本身的时序进行预测。通过对比结果显示，支持向量回归模型的效果远好于传统ARIMA模型。同时，考虑到时序模型往往不能进行较长期的预测，需要一个合理的未来期数的限定，因此本文也通过模型结果进行分析，发现了该模型在对客流进行短期预测时的最佳期数为5期的规律。 第二层基于空间属性建模，创造性的在客流预测领域引入模型树的概念，利用模型树和基于线性核函数的支持向量回归两个模型来分析解算相邻对象的空间影响，得到空间关系，并结合第一层得到的时序预测结果与该空间关系，得到空间预测值，通过对比结果显示，两种模型在对客流预测上都表现出了很好的效果，但模型树模型具有更好的可解释性，在较复杂的网络结构中，能够直观展示出各站点之间的空间关系，也更方便宏观调控。 第三层基于时空属性建模，使用线性回归将第一层时间属性和第二层空间属性下的模型进行综合得到组合模型。结果显示预测精度有所改善。 相较于其他研究铁路客流量预测的文献来说，本文将客流预测的时间背景和空间背景结合分析，更全面的展示了客流的发展规律；同时本文利用日客流数据进行分析，实现短期预测，从而达到可以对近期内的客流数据的实时预测与监控的目的，更具有实际应用的意义。但是由于完整数据较难获取，所采用的部分脱敏数据形成的铁路网络结构较为简单，未能在复杂的结构下进行实证检验，也是本文的不足之处。 |
| 作者： | 伊诗瑶 |
| 专业： | 应用统计学 |
| 导师： | 李保坤 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南财经大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
