铁路客流量受多因素影响,其时序特征明显,因此,基于平稳时间序列构建客流数据预测模型及区间票额分配模型,有利于掌握客流动态变化,改善铁路运营压力。实现特征数据抽取系统开发,进行累加、循环、筛选算法等数据预处理;运用多因子方差...铁路客流量受多因素影响,其时序特征明显,因此,基于平稳时间序列构建客流数据预测模型及区间票额分配模型,有利于掌握客流动态变化,改善铁路运营压力。实现特征数据抽取系统开发,进行累加、循环、筛选算法等数据预处理;运用多因子方差分析评价多种因素的显著相关性影响,通过自回归移动平均模型(auto-regressive moving average model,ARMA)进行短时旅客客流量预测及其优化建模,结果表明:该模型拟合效果良好,预测精度高。此外,基于线性规划实现客座率最大化的区间票额分配优化模型,并通过真实数据验证其方案是可行、有效的,研究结果对于指导铁路票额分配具有较好的参考价值。展开更多
文摘铁路客流量受多因素影响,其时序特征明显,因此,基于平稳时间序列构建客流数据预测模型及区间票额分配模型,有利于掌握客流动态变化,改善铁路运营压力。实现特征数据抽取系统开发,进行累加、循环、筛选算法等数据预处理;运用多因子方差分析评价多种因素的显著相关性影响,通过自回归移动平均模型(auto-regressive moving average model,ARMA)进行短时旅客客流量预测及其优化建模,结果表明:该模型拟合效果良好,预测精度高。此外,基于线性规划实现客座率最大化的区间票额分配优化模型,并通过真实数据验证其方案是可行、有效的,研究结果对于指导铁路票额分配具有较好的参考价值。