鐵路客流量受多因素影響,其時序特征明顯,因此,基于平穩(wěn)時間序列構建客流數據預測模型及區(qū)間票額分配模型,有利于掌握客流動態(tài)變化,改善鐵路運營壓力。實現特征數據抽取系統(tǒng)開發(fā),進行累加、循環(huán)、篩選算法等數據預處理;運用多因子方差分析評價多種因素的顯著相關性影響,通過自回歸移動平均模型（auto-regressive moving average model, ARMA）進行短時旅客客流量預測及其優(yōu)化建模,結果表明:該模型擬合效果良好,預測精度高。此外,基于線性規(guī)劃實現客座率最大化的區(qū)間票額分配優(yōu)化模型,并通過真實數據驗證其方案是可行、有效的,研究結果對于指導鐵路票額分配具有較好的參考價值。 

【文章來源】：科學技術與工程. 2020,20(24)北大核心

【文章頁數】：6 頁

【文章目錄】：
1 關鍵技術及系統(tǒng)架構
2 基于SAS的預測建模及數據分析
    2.1 客流量規(guī)律及多因素方差分析
    2.2 平穩(wěn)序列檢驗
    2.3 純隨機性檢驗
    2.4 基于ARMA(p,q)模型的預測及評價
3 客座率最大化的票額分配模型構建
    3.1 基于線性規(guī)劃的優(yōu)化建模
    3.2 基于Lingo的票額分配優(yōu)化實驗分析
4 結論


【參考文獻】：
期刊論文
[1]航班多級動態(tài)規(guī)劃策略與運行控制優(yōu)化[J]. 陳華群.  科學技術與工程. 2019(31)
[2]基于多源數據的交叉口分流向交通需求預測[J]. 焦方通,孫鋒,趙菲,李慶印,郭棟.  科學技術與工程. 2018(16)
[3]基于隨機森林回歸算法的高速鐵路短期客流預測研究[J]. 李麗輝,朱建生,強麗霞,喬慶杰.  鐵道運輸與經濟. 2017(09)
[4]我國市郊鐵路客流特征分析及需求預測[J]. 帥斌,張玥,張永超.  鐵道工程學報. 2014(01)
[5]基于指數平滑法和馬爾科夫模型的公路客運量預測方法[J]. 芮海田,吳群琪,袁華智,馮忠祥,朱文英.  交通運輸工程學報. 2013(04)
[6]基于SAS的非平穩(wěn)時間序列分析及實證研究[J]. 劉佳,趙慧文,劉光榮.  汕頭大學學報(自然科學版). 2010(01)



本文編號：3203494