原文传递
基于贝叶斯理论的铁路短期客流预测方法研究
| 论文题名： | 基于贝叶斯理论的铁路短期客流预测方法研究 |
| 关键词： | 铁路运输;短期客流预测;贝叶斯理论;神经网络 |
| 摘要： | 在竞争日趋激烈的客运市场，铁路部门想要合理地进行资源配置、灵活地应对动态变化的市场、提高运营效益，需要更好地把握客流的发展变化。短期客流预测是掌握铁路客流变化的重要手段，是铁路运输企业进行科学管理的基础。随着时间的增长，铁路客票系统积累了丰富的历史数据，如何利用现有的数据资源进行客流的分析与预测日趋成为铁路客票营销和信息技术部门的工作重点。 本文主要研究基于贝叶斯理论的铁路短期客流预测问题，旨在利用历史客流数据、预售期内的客票数据，预测最终发车时的客流规模。本文首先回顾和总结了现有的铁路客流预测方法，说明其应用现状及局限性。然后简要介绍了客流预测的基本原理、方法的选择，以及贝叶斯理论的原理、优缺点和应用领域，阐明利用贝叶斯理论进行客流预测的原因。接着从发车时间、旅行时长、节假日等维度，对客流的特征进行分析，找出可能与客流有关的影响因素。在此基础上，介绍了客流数据进行预处理的步骤，以及数据特征抽取的方法。之后，从利用历史客流数据和预售期内已售票额两类数据出发，分别建立了基于贝叶斯理论的客流预测模型;同时，探讨了面对不断更新的历史数据如何减少重新计算贝叶斯概率所需工作量的方法。 论文的最后，选取京沪高铁的真实数据对预测模型的可行性进行验证，并与预测领域常用的时间序列方法以及已被广泛采用的神经网络方法进行比较。 |
| 作者： | 张淑玉 |
| 专业： | 控制科学与工程 |
| 导师： | 马敏书 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
