浅谈我国城市轨道交通的现状和发展

城市轨道交通是解决大中城市城市交通问题的主要手段.本文首先对地铁、有轨电车、单轨三种常见轨道交通的特点进行了分析,再结合国内京、津、沪、穗、深、宁、渝等9个城市40余年轨道交通建设的经验与现状,对今后我国轨道交通的发展趋势进行展望,着重指出了在今后城市轨道交通系统的规划与建设中应该处理好的几个方面关系.     

公路客运量预测方法的比较

科学准确地预测公路客运量,超前掌握公路客运量发展的趋势、特点、规律和数量,是制定公路客运发展和站场配置规划的基础。运用灰色模型、指数平滑模型、回归分析法、弹性系数法等多种预测模型对某城市2003~2015年公路客运量进行了分析预测,通过残差分析和绝对百分误差(MAPE)进行择优,提高了预测精确度。最后采用组合预测确定终值并进行了分析比较。结果表明,组合预测综合考虑了各种因素的影响,能够提高公路客运量预测精度,为公路客运发展提供科学决策依据。     

河南省铁路客运量预测中影响因素的灰关联分析

铁路客运量预测是铁路旅客运输组织工作的重要基础和主要依据之一。从定性和定量两个角度出发,提出了铁路客运量预测的影响因素体系,并建立了铁路客运量多目标灰关联评价模型。该模型的应用,可以对各个地区的铁路客运量影响因素进行评价比较,并分析各种因素的影响程度,确定其层次结构及对客流的关联度,对于提高现有铁路运量的预测精度有着极其重要的现实意义。     

铁路客运量设计分析

宝兰客运专线是国家铁路“四纵四横”快速客运网的重要组成部分,是西部地区快速客运系统主骨架之一。作为全国快速客运网的重要组成部分,通过本线及西宝、徐郑、郑西、西运、京广、京沪客运专线,形成西北包括西藏地区与广大中、东部地区旅客交流的快速大通道。预测2020年、2030年沿线旅客发送量分别为4587万人、6366万人。     

２００３年SARS对中国交通客运量影响的后评价研究 ———基于本底趋势线全国２８个省（市）自治区的分析与估算

２００３年SARS是中国公众健康的“灾难”,交通旅客运输因此蒙受巨大损失。依据本底趋势线理论, 对此次危机的交通客运量损失进行了定量估算。结果显示：２００３年SARS共造成交通旅客损失１０畅０７亿人次,其 中,公路损失８畅８８亿人次,铁路损失１畅０５亿人次,航空损失１６１１畅７万人次,水运损失１９４３万人次;危机的生命 周期从２００３年４月开始,５～６月全面爆发,７～８月消减衰退,１１～１２月有一定的补偿;由于交通区位和SARS 疫情的差异,全国２８个省（市）自治区客运量损失可划分为４个等级,其中,广东、     

基于判别分析—SVR的民航客运量预测模型研究及应用

为了提高预测民航客运量的能力,考虑到民航客运量与其影响因素之间存在关联, 并利用训练样本与测试样本间的马氏距离对惩罚因子进行加权,改进传统的ε支持向量回归机(SVR),构造了基于进化ε-SVR的“影响因素民航客运量”预测模型.在选择适当的参数和核函数的基础上,对中国民航客运量进行仿真实验,与标准的ε-SVR方法、BP人工神经网络和线性回归方法进行了对比,发现该方法能获得较小的训练相对误差和测试相对误差.     

基于因子分析和Logistic模型的中国客运量预测

通过SPSS软件对1994~2011年中国客运量及影响因素进行因子分析,建立了中国客运量为被解释变量,其他影响因素为解释变量的多元统计分析模型。通过因子分析法分析影响中国客运量的主要因素,并进行了降维处理,消除由于变量过多而导致的多重共线性影响,同时得到反映不同年份的综合经济发展值的因子得分。考虑到2003年中国由于非典而导致的客运量降低的异常值的出现,将综合经济发展值与时间的关系首先作为一个整体研究,然后分为2个时间段分别研究,分别求出不同的综合经济发展值,构建了基于Logistic模型的中国客运量预测模型,进一步预测未来中国客运量。预测结果表明,通过较长时间段得到的综合经济发展值预测的数据误差相对较小。     

基于指数平滑法的京包线铁路客运量预测

铁路客运量预测是编制旅客运输计划的基础,也是铁路技术设备改造的重要依据。铁路客运量预测的方法有多种,利用时间序列法中二次指数平滑模型,结合京包线近几年旅客发送量调查数据,通过时间序列趋势变化分析,计算得出2012-2013年旅客发送量,为科学规划京包铁路发展提供理论依据。     

城市公共交通客运量修正灰色模型

首先建立了城市公共交通客运量的灰色模型,提出用自回归平稳模型来修正不满足从某一时刻开始连续为相同符号这一条件的残差序列,建立了修正灰色模型.最后,用实际数据进行了检验,得到的数据比原有模型的精度有明显提高,证明了模型的正确性.     

基于混沌自适应遗传 ν SVR的城市客运量预测

针对城市客运量预测问题本身所存在的小样本、高维数和非线性等特点,将ν-支持向量回归机(ν-support vector regression,ν-SVR)应用于城市客运量预测.为了提高ν-SVR模型的预测精度和泛化性能,利用基于混沌理论和自适应机制的混沌自适应遗传算法(chaosadaptive genetic algorithm,CAGA)优选ν-SVR模型参数,建立了基于CAGA进行参数优选的CAGA-ν-SVR城市客运量预测模型.结合1978～2008年统计数据进行了仿真预测,结果表明该模型的预测性能优于RBF神经网络模型、GA-SVR模型和GA-ν-SVR模型,平均绝对相对误差控制在2.3%以内,可有效应用于城市客运量预测.